CN117114997B - 基于缝合线搜索算法的图像拼接方法及装置 - Google Patents

基于缝合线搜索算法的图像拼接方法及装置 Download PDF

Info

Publication number
CN117114997B
CN117114997B CN202311368537.9A CN202311368537A CN117114997B CN 117114997 B CN117114997 B CN 117114997B CN 202311368537 A CN202311368537 A CN 202311368537A CN 117114997 B CN117114997 B CN 117114997B
Authority
CN
China
Prior art keywords
image
images
overlapping region
suture line
overlapping
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311368537.9A
Other languages
English (en)
Other versions
CN117114997A (zh
Inventor
刘征
王曼
郑慧明
晏子宁
李子清
李智勇
赵周丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Xinshi Chuangwei Ultra High Definition Technology Co ltd
Original Assignee
Sichuan Xinshi Chuangwei Ultra High Definition Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Xinshi Chuangwei Ultra High Definition Technology Co ltd filed Critical Sichuan Xinshi Chuangwei Ultra High Definition Technology Co ltd
Priority to CN202311368537.9A priority Critical patent/CN117114997B/zh
Publication of CN117114997A publication Critical patent/CN117114997A/zh
Application granted granted Critical
Publication of CN117114997B publication Critical patent/CN117114997B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于缝合线搜索算法的图像拼接方法及装置，属于图像拼接技术领域。所述图像拼接方法包括：获取若干幅待拼接的图像，相邻图像存在重叠区域；将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像；对第一拼接图像中的重叠区域进行超像素分割；根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线；基于所述最优缝合线进行图像融合，生成最终的拼接图像。本发明减少了处理的复杂性并且保留了图像的重要特征，进而提升了图像拼接的效率和质量。

Description

基于缝合线搜索算法的图像拼接方法及装置
技术领域
本发明属于图像拼接技术领域，特别是涉及一种基于缝合线搜索算法的图像拼接方法及装置。
背景技术
图像拼接是指将同一场景下的多个不同角度、有重叠或相邻区域的图像合成为一个更高分辨率，更大视角的无缝整体图像，以提供更丰富、更全面的信息。图像拼接技术在全景图像拼接、医学影像融合、自动驾驶、卫星遥感、虚拟现实等多领域有广泛的应用价值。然而，目前的图像拼接方法在某些情况下仍存在一些挑战和问题，限制了其应用范围和效果。
首先，当前的图像拼接算法在处理不同光照条件、大视差场景时，往往难以保证拼接后图像的质量和连续性。这可能导致拼接边界处出现明显的伪影、拼接痕迹或者颜色不一致等问题，影响了整体图像的真实感和观感。
其次，现有的图像拼接方法在处理超高清8K图像数据时，往往需要消耗大量的计算资源和时间。这对于实时性要求较高的应用，如全景视频拼接、虚拟现实场景中的实时全景图拼接等，会带来一定的挑战。
因此，如何在保证拼接质量的前提下，进一步优化图像拼接算法的计算效率成为急需处理的行业应用难题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于缝合线搜索算法的图像拼接方法及装置。
本发明的目的是通过以下技术方案来实现的：
本发明的第一方面公开了一种基于缝合线搜索算法的图像拼接方法，所述图像拼接方法包括：
获取若干幅待拼接的图像，相邻图像存在重叠区域；
将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像；
对第一拼接图像中的重叠区域进行超像素分割；
根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线；
基于所述最优缝合线进行图像融合，生成最终的拼接图像。
进一步地，所述图像拼接方法还包括：
计算所述第一拼接图像的最大内矩阵；
基于所述最大内矩阵对所述第一拼接图像进行裁剪。
进一步地，将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像，包括：
对所述图像进行特征点提取；
对相邻图像之间的局部特征点进行匹配；
基于匹配的特征点之间的映射关系计算单应性矩阵；
基于匹配的特征点和单应性矩阵调整相机参数；
基于相机参数将图像变换到同一平面，并对齐重叠区域，生成第一拼接图像。
进一步地，基于匹配的特征点和单应性矩阵调整相机参数，包括：
基于匹配的特征点和单应性矩阵计算相机内参；
基于匹配的特征点和单应性矩阵计算旋转矩阵；
基于相机内参和旋转矩阵对相机参数进行调整；
对相机参数进行水平和垂直校正。
进一步地，对第一拼接图像中的重叠区域进行超像素分割，包括：
使用SLIC算法对第一拼接图像中的重叠区域进行超像素分割。
进一步地，所述能量函数的表达式为：
式中，、/>、/>表示不同信息的权重，/>表示重叠区域的像素点，/>代表重叠区域两幅图的颜色差异；/>和/>表示重叠区域的两幅图像，/>为重叠区域两幅图像的结构差异，/>和/>分别表示重叠区域两幅图像在像素点/>处x方向的梯度，/>和/>分别表示重叠区域两幅图像在像素点/>处x方向的梯度，/>表示重叠区域两幅图像的纹理复杂度，/>和/>分别表示重叠区域两幅图像的Gabor特征，/>表示图像显著性感知信息，abs()表示求绝对值，/>和/>分别表示重叠区域两幅图像的显著性感知信息。
进一步地，根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线，包括：
基于图割min-cut算法，在超像素分割后的重叠区域搜索最小化能量函数的缝合线路径，并将该缝合线路径确定为最优缝合线。
进一步地，基于所述最优缝合线进行图像融合，生成最终的拼接图像，包括：
计算每幅图像的曝光补偿；
根据所述曝光补偿对图像进行曝光补偿处理；
基于所述最优缝合线进行图像融合，生成最终的拼接图像。
进一步地，基于所述最优缝合线进行图像融合，生成最终的拼接图像，包括：
基于所述最优缝合线，利用多频段融合方法对所述最优缝合线两侧的图像进行融合，生成最终的拼接图像。
本发明的第二方面公开了一种基于缝合线搜索算法的图像拼接装置，所述图像拼接装置包括：
图像获取模块，用于获取若干幅待拼接的图像，相邻图像存在重叠区域；
第一拼接模块，用于将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像；
超像素分割模块，用于对第一拼接图像中的重叠区域进行超像素分割；
缝合线确定模块，用于根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线；
第二拼接模块，用于基于所述最优缝合线进行图像融合，生成最终的拼接图像。
本发明的有益效果是：
（1）本发明提出了一种新的能量函数，使得最佳缝合线搜索融合了重叠区域图像的色差、梯度差、纹理复杂度和显著性感知信息，此能量函数能够有效地量化图像间的相似性和连续性，从而引导缝合线的搜索，使其能够在重叠区域内找到最佳的拼接路径，提升了图像拼接的质量和准确性，实现更加逼真自然的图像合成效果；
（2）本发明使用基于超像素的图像拼接方法，通过将图像分割为多个紧密相连且内部具有相似性的超像素块，可以在更高的抽象层级上进行拼接操作，从而减少处理的复杂性并且保留了图像的重要特征，进而提升图像拼接的效率和质量。
附图说明
图1为本发明中图像拼接方法的一种流程图；
图2为采用现有缝合线搜索方法得到的缝合线的一种示意图；
图3为采用本发明中缝合线搜索方法得到的缝合线的一种示意图；
图4为使用现有缝合线搜索方法完成的拼接全景图；
图5为使用本发明中缝合线搜索方法完成的拼接全景图；
图6为现有方法拼接结果图中远处高山的效果图；
图7为本发明方法拼接结果图中远处高山的效果图；
图8为待拼接的原始图；
图9为使用本发明的方法对图8中的原始图进行拼接得到的全景图；
图10为本发明中图像拼接装置的一种示意图。
具体实施方式
下面将结合实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1至图10，本发明提供一种基于缝合线搜索算法的图像拼接方法及装置：
本实施例的第一方面公开了一种基于缝合线搜索算法的图像拼接方法，如图1所示，所述图像拼接方法包括S100至S500。
S100.获取若干幅待拼接的图像，相邻图像存在重叠区域。
例如，获取同一场景下不同角度拍摄的多幅8K图像，相邻两幅图像之间存在重叠区域。
S200.将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像。
在一些实施例中，将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像，包括S210至S250。
S210.对所述图像进行特征点提取。
例如，利用尺度不变特征变换算法（SIFT）对每幅图像进行特征点提取。
S220.对相邻图像之间的局部特征点进行匹配。
例如，利用快速近似最近邻搜索匹配算法（FLANN）对相邻图像之间的局部特征点进行匹配，然后使用随机一致性采样算法（RANSAC）剔除误匹配特征点，获得更加准确的特征匹点配结果。
S230.基于匹配的特征点之间的映射关系计算单应性矩阵。
S240.基于匹配的特征点和单应性矩阵调整相机参数。
具体的，基于匹配的特征点和单应性矩阵计算相机内参；基于匹配的特征点和单应性矩阵计算旋转矩阵；基于相机内参和旋转矩阵，使用重投影误差调整方法对相机参数进行调整；对相机参数进行水平和垂直校正。
S250.基于相机参数将图像变换到同一平面，并对齐重叠区域，生成第一拼接图像。
具体的，基于相机参数将所有图像变换到最终的平面上，然后将图像进行重叠区域的对齐，从而形成第一拼接图像。
在一些实施例中，所述图像拼接方法还包括：计算所述第一拼接图像的最大内矩阵；基于所述最大内矩阵对所述第一拼接图像进行裁剪。这些实施例中，基于最大内矩阵对第一拼接图像进行裁剪，以便得到一个没有黑边的拼接图像。
S300.对第一拼接图像中的重叠区域进行超像素分割。
在一些实施例中，使用SLIC算法对第一拼接图像中的重叠区域进行超像素分割，有效的降低了算法的复杂度。
S400.根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线。
在一些实施例中，根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线，包括：基于图割min-cut算法，在超像素分割后的重叠区域搜索最小化能量函数的缝合线路径，并将该缝合线路径确定为最优缝合线。
在一些实施例中，所述能量函数的表达式为：
式中，、/>、/>表示不同信息的权重，/>表示重叠区域的像素点，/>代表重叠区域两幅图的颜色差异；/>和/>表示重叠区域的两幅图像，/>为重叠区域两幅图像的结构差异，/>和/>分别表示重叠区域两幅图像在像素点/>处x方向的梯度，/>和/>分别表示重叠区域两幅图像在像素点/>处x方向的梯度，/>表示重叠区域两幅图像的纹理复杂度，/>和/>分别表示重叠区域两幅图像的Gabor特征，/>表示图像显著性感知信息，abs()表示求绝对值，/>和/>分别表示重叠区域两幅图像的显著性感知信息。
这些实施例中提出了一种新的能量函数，可以权衡图像色差、梯度差、纹理复杂度和显著性感知信息。
S500.基于所述最优缝合线进行图像融合，生成最终的拼接图像。
在一些实施例中，基于所述最优缝合线进行图像融合，生成最终的拼接图像，包括：计算每幅图像的曝光补偿；根据所述曝光补偿对图像进行曝光补偿处理；基于所述最优缝合线进行图像融合，生成最终的拼接图像。
这些实施例中，通过对图像进行曝光补偿，减小了图像之间的色差，有利于提高后续图像融合的质量。
在一些实施例中，基于所述最优缝合线进行图像融合，生成最终的拼接图像，包括：基于所述最优缝合线，利用多频段融合方法对所述最优缝合线两侧的图像进行融合，生成最终的拼接图像。
本实施例提出了一种新的能量函数用于最佳缝合线搜索，并且使用了基于超像素的图像拼接方法，该方法能在重叠区域找到一条最佳的拼接路径，提升了拼接的质量和准确性，从而实现更加逼真自然的图像合成效果。与传统图像拼接方法相比，本实施例的方法具有拼接质量更高、速度更快的优势
与现有缝合线搜索方法相比，本实施例使用的最佳缝合线搜索方法找到的缝合线能够完美的避开重叠区域色差和梯度差较大的区域，并且引入了纹理复杂度和显著性感知信息作为能量函数，分割线会选择纹理复杂度和显著性感知信息最小的部分穿过，从而使得分割线左右两部分极其相似，从而使经过融合后的图像避免出现伪影和拼接痕迹。
图2和图3所示为采用现有缝合线搜索方法和本实施例中缝合线搜索方法得到缝合线的可视化对比图。
图4和图5为使用现有缝合线搜索方法和本实施例中缝合线搜索方法完成的拼接全景图的拼接效果对比，可以看到使用本实施例中缝合线搜索方法后拼接痕迹和色差明显消失了。
图6和图7对比了现有方法和本实施例方法拼接结果图中远处高山的效果，从图中可以看到使用本实施例提出的最佳缝合线搜索方法拼接的图像伪影和重叠部分消失了。
图8为待拼接的原始图，使用4台8K相机拍摄，由于使用了不同的相机拍摄，相机架设位置不同，因此图像视差较大并且有明显的色差；图8中的横纵坐标均表示像素，例如，纵轴上的2000表示图像在竖向的第2000个像素，横轴上的2000表示图像在横向的第2000个像素。图9为使用本实施例的方法对图8中的原始图进行拼接得到的全景图的最终效果图。
本实施例的第二方面提供了一种基于缝合线搜索算法的图像拼接装置，如图10所示，所述图像拼接装置包括图像获取模块、第一拼接模块、超像素分割模块、缝合线确定模块和第二拼接模块。
图像获取模块，用于获取若干幅待拼接的图像，相邻图像存在重叠区域。
第一拼接模块，用于将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像。
超像素分割模块，用于对第一拼接图像中的重叠区域进行超像素分割。
缝合线确定模块，用于根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线。
第二拼接模块，用于基于所述最优缝合线进行图像融合，生成最终的拼接图像。
需要说明的是，本领域技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或者装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再重复描述。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (9)

1.基于缝合线搜索算法的图像拼接方法，其特征在于，包括：
获取若干幅待拼接的图像，相邻图像存在重叠区域；
将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像；
对第一拼接图像中的重叠区域进行超像素分割；
根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线；
基于所述最优缝合线进行图像融合，生成最终的拼接图像；
所述能量函数的表达式为：
Ecolor(x,y)＝abs(Cl(x,y)-Cr(x,y))
Etexture(x,y)＝Gl(x,y)+Gr(x,y)
Eperception(x,y)＝Pl(x,y)+Pr(x,y)
式中，α、β、γ、δ表示不同信息的权重，(x,y)表示重叠区域的像素点，Ecolor(x,y)代表重叠区域两幅图的颜色差异；Cl和Cr表示重叠区域的两幅图像，Egeometry(x,y)为重叠区域两幅图像的结构差异，和/>分别表示重叠区域两幅图像在像素点(x,y)处x方向的梯度，/>和/>分别表示重叠区域两幅图像在像素点(x,y)处x方向的梯度，Etexture(x,y)表示重叠区域两幅图像的纹理复杂度，Gl和Gr分别表示重叠区域两幅图像的Gabor特征，Eperception(x,y)表示图像显著性感知信息，abs()表示求绝对值，Pl和Pr分别表示重叠区域两幅图像的显著性感知信息。
2.根据权利要求1所述的基于缝合线搜索算法的图像拼接方法，其特征在于，所述图像拼接方法还包括：
计算所述第一拼接图像的最大内矩阵；
基于所述最大内矩阵对所述第一拼接图像进行裁剪。
3.根据权利要求1所述的基于缝合线搜索算法的图像拼接方法，其特征在于，将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像，包括：
对所述图像进行特征点提取；
对相邻图像之间的局部特征点进行匹配；
基于匹配的特征点之间的映射关系计算单应性矩阵；
基于匹配的特征点和单应性矩阵调整相机参数；
基于相机参数将图像变换到同一平面，并对齐重叠区域，生成第一拼接图像。
4.根据权利要求3所述的基于缝合线搜索算法的图像拼接方法，其特征在于，基于匹配的特征点和单应性矩阵调整相机参数，包括：
基于匹配的特征点和单应性矩阵计算相机内参；
基于匹配的特征点和单应性矩阵计算旋转矩阵；
基于相机内参和旋转矩阵对相机参数进行调整；
对相机参数进行水平和垂直校正。
5.根据权利要求1所述的基于缝合线搜索算法的图像拼接方法，其特征在于，对第一拼接图像中的重叠区域进行超像素分割，包括：
使用SLIC算法对第一拼接图像中的重叠区域进行超像素分割。
6.根据权利要求1所述的基于缝合线搜索算法的图像拼接方法，其特征在于，根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线，包括：
基于图割min-cut算法，在超像素分割后的重叠区域搜索最小化能量函数的缝合线路径，并将该缝合线路径确定为最优缝合线。
7.根据权利要求1所述的基于缝合线搜索算法的图像拼接方法，其特征在于，基于所述最优缝合线进行图像融合，生成最终的拼接图像，包括：
计算每幅图像的曝光补偿；
根据所述曝光补偿对图像进行曝光补偿处理；
基于所述最优缝合线进行图像融合，生成最终的拼接图像。
8.根据权利要求1所述的基于缝合线搜索算法的图像拼接方法，其特征在于，基于所述最优缝合线进行图像融合，生成最终的拼接图像，包括：
基于所述最优缝合线，利用多频段融合方法对所述最优缝合线两侧的图像进行融合，生成最终的拼接图像。
9.基于缝合线搜索算法的图像拼接装置，其特征在于，包括：
图像获取模块，用于获取若干幅待拼接的图像，相邻图像存在重叠区域；
第一拼接模块，用于将所述图像变换到同一平面，并对齐重叠区域，生成第一拼接图像；
超像素分割模块，用于对第一拼接图像中的重叠区域进行超像素分割；
缝合线确定模块，用于根据使得预设能量函数的值最小的分割方式，在超像素分割后的重叠区域确定最优缝合线；
第二拼接模块，用于基于所述最优缝合线进行图像融合，生成最终的拼接图像；
所述能量函数的表达式为：
Ecolor(x,y)＝abs(Cl(x,y)-Cr(x,y))
Etexture(x,y)＝Gl(x,y)+Gr(x,y)
Eperception(x,y)＝Pl(x,y)+Pr(x,y)
式中，α、β、γ、δ表示不同信息的权重，(x,y)表示重叠区域的像素点，Ecolor(x,y)代表重叠区域两幅图的颜色差异；Cl和Cr表示重叠区域的两幅图像，Egeometry(x,y)为重叠区域两幅图像的结构差异，和/>分别表示重叠区域两幅图像在像素点(x,y)处x方向的梯度，/>和/>分别表示重叠区域两幅图像在像素点(x,y)处x方向的梯度，Etexture(x,y)表示重叠区域两幅图像的纹理复杂度，Gl和Gr分别表示重叠区域两幅图像的Gabor特征，Eperception(x,y)表示图像显著性感知信息，abs()表示求绝对值，Pl和Pr分别表示重叠区域两幅图像的显著性感知信息。/>
CN202311368537.9A 2023-10-23 2023-10-23 基于缝合线搜索算法的图像拼接方法及装置 Active CN117114997B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311368537.9A CN117114997B (zh) 2023-10-23 2023-10-23 基于缝合线搜索算法的图像拼接方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311368537.9A CN117114997B (zh) 2023-10-23 2023-10-23 基于缝合线搜索算法的图像拼接方法及装置

Publications (2)

Publication Number Publication Date
CN117114997A CN117114997A (zh) 2023-11-24
CN117114997B true CN117114997B (zh) 2024-01-30

Family

ID=88805886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311368537.9A Active CN117114997B (zh) 2023-10-23 2023-10-23 基于缝合线搜索算法的图像拼接方法及装置

Country Status (1)

Country Link
CN (1) CN117114997B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117544862B (zh) * 2024-01-09 2024-03-29 北京大学 一种基于图像矩并行处理的图像拼接方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103985133A (zh) * 2014-05-30 2014-08-13 武汉大学 基于图割能量优化的影像间最优拼接线寻找方法及系统
CN108665413A (zh) * 2018-04-28 2018-10-16 中国科学院上海高等研究院 一种图像自适应放大方法、可读存储介质及终端
CN112991176A (zh) * 2021-03-19 2021-06-18 南京工程学院 一种基于最佳缝合线的全景图像拼接方法
CN114913074A (zh) * 2022-06-14 2022-08-16 湖南神帆科技有限公司 一种深度网络语义分割的超像素无缝拼接方法及系统
CN115619623A (zh) * 2022-10-20 2023-01-17 北京理工大学 一种基于移动最小二乘变换的平行鱼眼相机图像拼接方法
CN116486250A (zh) * 2022-12-29 2023-07-25 航天科工火箭技术有限公司 一种基于嵌入式的多路图像采集与处理方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103985133A (zh) * 2014-05-30 2014-08-13 武汉大学 基于图割能量优化的影像间最优拼接线寻找方法及系统
CN108665413A (zh) * 2018-04-28 2018-10-16 中国科学院上海高等研究院 一种图像自适应放大方法、可读存储介质及终端
CN112991176A (zh) * 2021-03-19 2021-06-18 南京工程学院 一种基于最佳缝合线的全景图像拼接方法
CN114913074A (zh) * 2022-06-14 2022-08-16 湖南神帆科技有限公司 一种深度网络语义分割的超像素无缝拼接方法及系统
CN115619623A (zh) * 2022-10-20 2023-01-17 北京理工大学 一种基于移动最小二乘变换的平行鱼眼相机图像拼接方法
CN116486250A (zh) * 2022-12-29 2023-07-25 航天科工火箭技术有限公司 一种基于嵌入式的多路图像采集与处理方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Perception-based seam cutting for image stitching;Nan Li 等;《Signal, Image and Video Processing》;第12卷;967–974 *
基于最佳缝合线的图像拼接技术研究;张哲;《中国优秀硕士学位论文全文数据库 信息科技辑》(第2期);I138-2953 *

Also Published As

Publication number Publication date
CN117114997A (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
Jiang et al. Learning to see moving objects in the dark
CN110390640B (zh) 基于模板的泊松融合图像拼接方法、系统、设备及介质
US10764496B2 (en) Fast scan-type panoramic image synthesis method and device
CN106899781B (zh) 一种图像处理方法及电子设备
US8508580B2 (en) Methods, systems, and computer-readable storage media for creating three-dimensional (3D) images of a scene
CN107274337B (zh) 一种基于改进光流的图像拼接方法
CN117114997B (zh) 基于缝合线搜索算法的图像拼接方法及装置
CN112261387B (zh) 用于多摄像头模组的图像融合方法及装置、存储介质、移动终端
CN108257089B (zh) 一种基于迭代最近点的大视场视频全景图拼接的方法
CN104392416A (zh) 一种运动场景的视频拼接方法
CN115376028A (zh) 基于稠密特征点拼接和改进型yolov 5的目标检测方法
CN103167247B (zh) 一种视频序列彩色图像拼接方法
CN114331835A (zh) 一种基于最优映射矩阵的全景图像拼接方法及装置
CN107330856B (zh) 一种基于投影变换和薄板样条的全景成像方法
JPH10149449A (ja) 画像分割方法、画像識別方法、画像分割装置および画像識別装置
CN110430400B (zh) 一种双目可运动摄像机的地平面区域检测方法
CN116132610A (zh) 一种综采面视频拼接方法及系统
CN115834800A (zh) 一种控制拍摄内容合成算法的方法
CN114581339A (zh) 一种金属工业产品表面缺陷数据增强方法
CN113313707A (zh) 原始图像处理方法、装置、设备及可读存储介质
Jagadeeswari et al. A comparative study based on video stitching methods
CN111630569B (zh) 双目匹配的方法、视觉成像装置及具有存储功能的装置
Wu et al. An adaptive seam line panoramic video stitching algorithm
Yao et al. An effective dual-fisheye lens stitching method based on feature points
CN113723465B (zh) 一种改进的特征提取方法以及基于该方法的图像拼接方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant