图像拼接--Automatic Panoramic Image Stitching using Invariant Features

本文介绍了一种基于不变特征的自动全景图像拼接方法,使用SIFT特征点匹配,通过RANSAC算法求解Homography矩阵,再利用bundle adjustment优化相机参数,最后采用multi-band blending技术生成高质量全景图。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Automatic Panoramic Image Stitching using Invariant Features
《International Journal of Computer Vision》 , 2007 , 74 (1) :59-73

本文提出使用 SIFT 做特征点匹配,然后用 bundle adjustment 计算图像坐标转换参数(类似 Homography),最后使用 multi-band blending 得到最终的拼接图

算法流程如下所示:
在这里插入图片描述

1)提取 SIFT 特征点
2)使用 k-d tree 做特征点匹配
3)对每个图像:
(1)提出 m 个 和该图像最匹配的图像
(2)使用 RANSAC 寻找几何位置一致的匹配对求解 homography
(3)使用一个 probabilistic model 验证 匹配是否正确
4)对不同场景图像进行聚类
5)对于每个场景图像
(1)使用 bundle adjustment 求解所有相机的旋转参数和相机焦距
(2) 使用 multi-band blending 拼图

在这里插入图片描述
在这里插入图片描述

Connected components of image matches
在这里插入图片描述
在这里插入图片描述

automatic straightening
在这里插入图片描述

gain compensation
在这里插入图片描述
在这里插入图片描述

Multi-band blending
在这里插入图片描述

Stitching with rotation and zoom
在这里插入图片描述

11

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值