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

最新推荐文章于 2024-06-10 09:41:32 发布
原创 最新推荐文章于 2024-06-10 09:41:32 发布 · 5.9k 阅读 · 10 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

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。

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

【图像拼接】论文精读：Automatic Panoramic Image Stitching using Invariant Features（Autostitch）
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
12-05 2万+
论文题目：基于不变特征的全景图像自动拼接突然发现自动拼接还没写过。。。本文关注的是全景图像自动拼接问题。尽管单维度旋转变换的1D问题已经有很好的研究成果了，2D或者多行拼接现在依旧是难题。先前的工作是使用人工输入或者限制图像序列来建立匹配图像。本研究将拼接阐述为一个多图片匹配问题，使用不变局部特征找到所有图片的匹配位置。因此，我们的方法对输入图片的排序、方向、大小、强度是不敏感的。对不是全景图其中一部分的噪声图也是不敏感的。但它可以识别出全景图在一个无序的图片集中。
【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用方法、阅读顺序、创新思路、文章汇总、源码汇总、数据集汇总等。总之，【图像拼接论文相关】看这一篇就够了
热门推荐
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
11-30 4万+
为什么会有这篇文章？因为专栏简介里写不下太多东西，只能通过这篇文章和大家交流，算是一个专栏阅读指南吧。说点心里话本来吧，我只想用优快云来记录自己学习【图像拼接】领域论文的过程，对每篇文章有个细致的理解，方便自己反复查阅。设置为付费也是因为涉及论文和本人其他项目需要，防止查重和其他问题，所以价格最开始设置的是专栏付费价格里最高的。起初，确实没有人看，一切也都平淡地度过着。
Automatic Panoramic Image Stitching using Invariant Features笔记
小白的博客
10-25 5603
第一次接触全景图像的拼接，先简单的来做个论文笔记。 简单来说，全景图像拼接过程可以简述为：寻找所有图像重叠区域鲁棒的特征点，根据图像特征点匹配得到不同图像间的单应性矩阵，以某个图像为基准图像(k-d tree 得到)，将其余图像拼接到这幅图中，然后通过图像融合得到最终结果。当然这中间还有一些其他的问题，在后面在赘述。 该篇论文最终算法为: 在这里我将按照论文最终算法步骤来介绍整篇论文内容，而非原...
Automatic Panoramic Image Stitching using Invariant Features 论文多图像拼接程序
01-12
Automatic Panoramic Image Stitching using Invariant Features 论文多图像拼接程序 可支持多图像自动拼接，可设置图像融合方式，全景图像融合
Computer Vision_18_Image Stitching：Automatic Panoramic Image Stitching using Invariant Features——200...
Alliswell_WP
10-08 1194
此部分是计算机视觉部分，主要侧重在底层特征提取，视频分析，跟踪，目标检测和识别方面等方面。对于自己不太熟悉的领域比如摄像机标定和立体视觉，仅仅列出上google上引用次数比较多的文献。有一些刚刚出版的文章，个人非常喜欢，也列出来了。 18. Image Stitching图像拼接，另一个相关的词是Panoramic。在Computer Vision: Algorithms and Ap...
阅读笔记（IJCV2007）Automatic Panoramic Image Stitching using Invariant Features
小秋在路上~
02-17 1257
Brown M, Lowe D G. Automatic panoramic image stitching using invariant features[J]. International journal of computer vision, 2007, 74: 59-73.
Automatic Panoramic Image Stitching using Invariant Features 【笔记】
lhm_19960601的博客
03-24 835
参考翻译：https://www.cnblogs.com/letben/p/5446074.htm http://www.docin.com/p-817312337.html bundle adjustment的理解https://blog.youkuaiyun.com/OptSolution/article/details/64442962 高斯牛顿算法的理...
简单的图像拼接实现
tiantangzixue的博客
07-30 1992
第一步：简单的图像拼接： 简单的图像拼接 对每幅图进行特征点提取，选择速度更快的ORB特征，并结合图像金字塔增强尺度变换的鲁棒性。 计算速度： ORB>>SURF>>SIFT（各差一个量级） 旋转鲁棒性： SURF>ORB~SIFT（表示差不多） 模糊鲁棒性： SURF>ORB~SIFT 尺度变换鲁棒性： SURF>SIFT>ORB（ORB并不具备尺...
关于automatic_Panoramic_Image_Stitching_using_Invariant_features 的阅读笔记
weixin_33932129的博客
04-29 494
并没有都读完，不过感觉还是有必要做一个笔记的，毕竟这只是随笔不是文章，所以可以有多少写多少，也算是工作总结了，最重要的是这个好在可以，完成所有有意义文档的检索，比起自己的word来说高级很多~~~。 以下部分内容 以下 全文翻译。不过我真的是一点儿一点儿在读。。。 http://www.docin.com/p-817312337.html 一、简介： 段一：我们的拼接不需要手动校...
多张无序图像自动全景拼接
TFZ941214的博客
08-23 4566
摘要 本文涉及多组无序图像全自动全景图像拼接的问题。 研究了1D问题（单轴旋转）。 先前的方法已经使用人工输入或对图像序列的限制来建立匹配图像。 在本文中，我们将拼接作为一个多图像匹配问题，并使用不变的局部特征来找到所有图像之间的匹配。我们的方法对输入图像的排序，方向，比例和照明不敏感。 它对于不属于全景图的噪声图像也是无用的，并且可以识别无序图像数据集中的多个全景图。 关键词：无序图像、多组...
autostitch64 【全景图像自动拼接软件】多幅无序图像自动排序，配准，效果很好【BROWN和LOWE论文中给出的软件】
04-23
《Automatic Panoramic Image Stitching using Invariant Features》 MATTHEW BROWN∗ AND DAVID G. LOWE 给出的全景自动拼接软件，和论文相配套，特别好用！！！
matlab源代码如何运行-panoramic-image-stitching:在Matlab中使用SIFT和RANSAC进行全景图像拼接
05-27
matlab源代码如何运行全景图像拼接 Matlab中的全景图像拼接 依存关系 vlfeat-0.9.20 确保vlfeat-0.9.20软件包位于根目录下 如果打包的内容不存在，请从以下位置下载 目录结构 . ├─ README.md ├─ doc (report and other documents) │ └── ... ├─ data (source images) │ └── ... ├─ result (the results) │ └── final.jpg (the panorama) ├─ vlfeat-0.9.20 (the vlfeat binary package) │ └── ... └─ src (the matlab source code) └── ... 如何运行 确保您在根目录下有vlfeat-0.9.20软件包 将源图像放置在data文件夹下 目前，它只能处理jpg 确保图像处于纵向模式 在Matlab中打开src文件夹 打开main.m并运行 该项目专门为NIKON E990配置，如果需要拼接从其他相机拍摄的图像，则需要在main.m中配置f ，
Autostitch 2.2英文破解版
05-17
一款全景图拼接软件Autostitch 2.2英文破解版 一款全景图拼接软件Autostitch 2.2英文破解版 一款全景图拼接软件Autostitch 2.2英文破解版 一款全景图拼接软件Autostitch 2.2英文破解版 一款全景图拼接软件Autostitch 2.2英文破解版 多款全景拼接软件请到在下百度空间看看： http://hi.baidu.com/yuwobixing/blog/item/61adb7905ed9e19aa877a4c4.html?timeStamp=1305538773289 一款全景图拼接软件Autostitch 2.2英文破解版 一款全景图拼接软件Autostitch 2.2英文破解版 一款全景图拼接软件Autostitch 2.2英文破解版 一款全景图拼接软件Autostitch 2.2英文破解版 一款全景图拼接软件Autostitch 2.2英文破解版 多款全景拼接软件请到在下百度空间看看： http://hi.baidu.com/yuwobixing/blog/item/61adb7905ed9e19aa877a4c4.html?timeStamp=1305538773289
关于automatic_Panoramic_Image_Stitching_using_Invariant_features 的阅读笔记（2）
weixin_34082695的博客
10-22 249
接上一篇： http://www.cnblogs.com/letben/p/5446074.html#3538201 捆绑调整 （好开心有同学一起来看看这些问题，要不然就是我自己的话，我应该也不会看的吧，所以某种程度上说，他也帮了我呢。。。吼吼吼） 关于捆绑调整，由于摄影设备本身的焦距、光圈等等问题，是容易导致图片集的结果不一致的。【但是原文里面提到的相机参数又包括什么呢？ TODO 】那...
探索全景之美：PanoramaImageStitching —— 自动图像拼接库
gitblog_00060的博客
06-10 688
探索全景之美：PanoramaImageStitching —— 自动图像拼接库 1、项目介绍 在数字摄影的世界里，全景图以其宽广的视野和独特的视角捕捉了我们眼中的世界。而【PanoramaImageStitching】是一个开源的C++项目，它遵循了《自动全景图像拼接》这篇论文的方法，能轻松将多张独立图片无缝拼接成一张全景图像。该项目由作者HYPJUDY精心打造，旨在为开发者提供一个高效易用的全...
Feature Based Panoramic Image Stitching
凌风探梅的专栏
06-02 2082
Feature Based Panoramic Image Stitching This example shows how to automatically create a panorama using feature based image registration techniques. Contents OverviewStep 1 - Load ImagesStep 2
AutoStitch一种新的高维图像自动拼接方法AutoStitch: a new dimension in automatic image stitching
GarfieldEr007的专栏
05-10 5622
Windows | Mac OSX | Licensing | FAQ | Publications AutoStitch: a new dimension in automatic image stitching   What if your camera could see everything you can see? The huma
图像拼接--Fish-Eye Lenses-Based Camera Calibration and Panoramic Image Stitching
AI小作坊 的博客
12-06 1349
Fish-Eye Lenses-Based Camera Calibration and Panoramic Image Stitching 2018 IEEE International Conference on Consumer Electronics-Taiwan (ICCE-TW) https://ieeexplore.ieee.org/abstract/document/8448987...
AutoStitch，一种强大的拼接技术
qq_46111316的博客
09-10 2805
下载链接：添加链接描述 这篇文章是David G.Lowe等人在2007年发表的一篇名为Automatic Panoramic Image Stitching using Invariant Features文章，文章中提出使用SIFT做特征点匹配，然后使用束调整计算图像坐标转换参数（类似单应性），最后使用多波段融合得到最终的全景图。整个算法的流程如下： ...
分布式摄像机全景图像拼接-MATLAB
最新发布
02-27
### 使用MATLAB实现分布式摄像头捕捉的全景图片拼接 为了实现在MATLAB中对来自多个分布式的摄像机捕获到的图像进行有效的全景拼接，可以采用多种特征匹配算法来识别不同视角下的共同区域并完成无缝连接。下面将具体描述这一过程，并提供一段基于SIFT算法的代码示例。 #### 选择合适的特征检测器和描述符 对于多视图几何问题来说，选择具有良好鲁棒性的特征点非常重要。考虑到实际应用环境可能存在光照变化、角度差异等因素影响，推荐使用具备尺度不变性和旋转不变性的SIFT算法作为特征提取工具[^5]。此外，也可以考虑其他高效稳定的方案如SURF或ORB等[^2][^4]。 #### 图像预处理 在正式进入拼接流程之前，通常还需要做一些准备工作： - **校正镜头畸变**：如果相机存在明显的径向失真现象，则需先通过已知参数对其进行矫正。 - **调整色彩平衡**：确保各张照片之间颜色一致，减少因设备特性造成的偏差。 ```matlab % 假设img1, img2 是两张待拼接的输入图像 % 这里省略了读取文件的具体命令 % 如果有必要的话执行去畸变操作 if need_undistort img1 = undistortImage(img1); img2 = undistortImage(img2); end % 调整亮度对比度使两幅画面更加接近 adjImg1 = imadjust(img1); adjImg2 = imadjust(img2); imshowpair(adjImg1, adjImg2,'montage'); title('Preprocessed Images') ``` #### 提取特征点与描述子 接下来就是核心部分——定位每帧内的显著位置以及量化这些局部模式的信息。这里选用SIFT函数自动获取关键点及其对应的高维矢量表示形式。 ```matlab points1 = detectSURFFeatures(rgb2gray(adjImg1)); % 或者detectFASTFeatures(),取决于需求 points2 = detectSURFFeatures(rgb2gray(adjImg2)); [features1, validPoints1] = extractFeatures(double(adjImg1), points1); [features2, validPoints2] = extractFeatures(double(adjImg2), points2); figure; showMatchedFeatures(adjImg1, adjImg2, validPoints1, validPoints2,... 'Montage', true); title('Detected Features and Matches Between Two Views') ``` #### 匹配对应关系&剔除异常值 一旦获得了足够的候选匹配项之后，下一步便是筛选出真正可靠的关联对儿。为此引入随机抽样一致性(RANSAC)模型估计技术，它可以帮助排除那些不符合整体结构规律的数据噪声点。 ```matlab indexPairs = matchFeatures(features1, features2,... [basicHomographyMatrix, inlierPointPairs] = estimateGeometricTransform(validPoints1(indexPairs(:,1)),... validPoints2(indexPairs(:,2)),'homography'); disp(['Number of matched pairs after filtering:', num2str(length(inlierPointPairs.Location))]); matchedInliersLeft = validPoints1(Location == indexPairs(inlierPointPairs.Location,1)); matchedInliersRight = validPoints2(Location == indexPairs(inlierPointPairs.Location,2)); figure; showMatchedFeatures(adjImg1, adjImg2, matchedInliersLeft, matchedInliersRight,... 'Montage',true); title('Filtered Inlier Matches After RANSAC Filtering') ``` #### 执行最终融合 当所有前期准备都完成后就可以着手构建完整的全景视图啦！借助于前面算得的基础单应变换矩阵`basicHomographyMatrix`, 可以轻松地把第二张图映射至第一张的空间坐标系内再加以合成。 ```matlab outputViewSize = [max(size(adjImg1)), max(size(adjImg2))]; panorama = warpImages(adjImg1, adjImg2, basicHomographyMatrix, outputViewSize); imshow(panorama); title('Final Panoramic Image Result') ``` 以上即为一套较为通用且易于理解的MATLAB环境下实施分布式摄录装置所产生成片之缝合作业指南。当然针对特定应用场景可能还需做适当修改优化哦！
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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