阅读笔记(arXiv)Single-Perspective Warps in Natural Image Stitching
2018-03-22 14:10
525 查看
Li N, Liao T. Single-Perspective Warps in Natural Image Stitching[J]. arXiv preprint arXiv:1802.04645, 2018.
摘要
图像拼接的结果可以在感知上分为单视角和多视角。与多视角结果相比,单视角结果在视角一致性方面更胜一筹,但存在投影失真。在本文中,我们提出了两种用于自然图像拼接的单透视变形。 第一个是参数化变形,它是通过双特征将尽可能投影的可能变形与准单应性变形的组合。 第二种是基于网格的变形,这是通过优化总能量函数来确定的,同时强调不同的单透视翘曲的特性,包括对齐,自然、失真和显著性。
综合评估表明,提出的变形优于一些最先进的变形,包括单应性,APAP,AutoStitch,SPHP和GSP。
摘要
图像拼接的结果可以在感知上分为单视角和多视角。与多视角结果相比,单视角结果在视角一致性方面更胜一筹,但存在投影失真。在本文中,我们提出了两种用于自然图像拼接的单透视变形。 第一个是参数化变形,它是通过双特征将尽可能投影的可能变形与准单应性变形的组合。 第二种是基于网格的变形,这是通过优化总能量函数来确定的,同时强调不同的单透视翘曲的特性,包括对齐,自然、失真和显著性。
综合评估表明,提出的变形优于一些最先进的变形,包括单应性,APAP,AutoStitch,SPHP和GSP。
相关文章推荐
- 阅读笔记(TMM2017)Quasi-homography Warps in Image Stitching
- 论文笔记:A survey of recent advances in CNN-based single image crowd counting and density estimation
- 关于automatic_Panoramic_Image_Stitching_using_Invariant_features 的阅读笔记
- 论文阅读学习 - CTPN-Detecting Text in Natural Image with Connectionist Text Proposal Network
- 关于automatic_Panoramic_Image_Stitching_using_Invariant_features 的阅读笔记(2)
- 《Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network》阅读笔记
- 论文阅读(Weilin Huang——【arXiv2016】Accurate Text Localization in Natural Image with Cascaded Convolutional Text Network)
- 《Fast and Accurate Inference with Adaptive Ensemble Prediction in Image Classification阅读笔记
- Detecting Text in Natural Image with Connectionist Text Proposal Network论文笔记
- 论文阅读(Weilin Huang——【ECCV2016】Detecting Text in Natural Image with Connectionist Text Proposal Network)
- 阅读笔记(TMM2018)Parallax-Tolerant Image Stitching Based on Robust Elastic Warping
- 《Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network》阅读笔记
- 去雾算法学习——Single Image Dehazing(Fattal)笔记(未完继续)
- 文献阅读笔记——Object Co-Detection via Efficient Inference in a Fully-Connected CRF
- 图像拼接 - Natural Image Stitching with the Global Similarity Prior
- 【阅读笔记】Ranking Relevance in Yahoo Search (三)—— query rewriting
- SDWebImage 源码阅读笔记(二)
- 阅读笔记[1] ——《Think In Java》 Chapter 13
- Attention and Memory in Deep Learning and NLP(深度学习和NLP中的注意和记忆机制) 阅读笔记
- Deep image prior阅读笔记