阅读笔记(SOFT COMPUTING 2018)Seam elimination based on Curvelet for image stitching
参考文献:
Wang Z, Yang Z. Seam elimination based on Curvelet for image stitching[J]. Soft Computing, 2018: 1-16.
注:SOFT COMPUTING
大类学科 | 小类学科 | Top期刊 | 综述期刊 | ||||
---|---|---|---|---|---|---|---|
工程技术 3区 |
|
否 | 否 |
2017-2018最新影响因子 | 2.367 |
2017-2018自引率 | 14.90% |
摘要
近年来,图像拼接发展迅速。 接缝消除在图像拼接中起着关键作用。 因此,本文提出了一种改进的图像拼接缝消除方法。 首先,注册图像。 然后,提出了基于Curvelet变换的最优焊缝方法来消除煤层。 客观评价指标(PSNR和SSIM)用于评价实验结果中所提方法的性能。 本文还提出了一种评估拼接图像局部质量的新指标。 在该度量下测试三组图像。 实验结果表明,该方法可以有效地消除煤层。
主要的工作
本文提出了一种基于Curvelet变换的改进的焊缝消除方法。 该论文的贡献可归纳如下。
- (1)采用Curvelet变换来检测拼接图像中的接缝,从而可以更有效地消除接缝。
- (2)提出了一种称为梯度方差的新度量,用于评估煤层消除质量。
该方法在以下两个方面弥补了研究空白:
- 一是我们提出了一种有效的接缝消除方法,它提高了拼接图像的质量。
- 另一个是我们提出的可以很好地评估接缝消除质量的指标。
什么是Curvelet?
Curvelet是一种用于多尺度物体表示的非自适应技术,于1999年提出并在2002年进行了改进(Candes和Guo,2002)。 它是从Ridgelet开发的(Candes和Guo 2002)。 Curvelet已广泛应用于图像处理,如图像去噪(Starck et al.2002),图像增强(Starck et al.2003)和图像融合。
算法流程
实验结果
结论
本文提出了一种改进的图像拼接缝消除方法。 首先注册一对图像。 然后,应用基于Curvelet变换的最优缝合方法来消除缝隙。 结果由PSNR和SSIM评估。 还提出了一种称为梯度方差的新指标来评估消除接缝的质量。 实验结果表明,我们提出的方法优于其他现有方法。 我们未来的工作是优化方法并缩短拼接一对图像所消耗的时间。
ps:我大概浏览了一下内容。对于图像拼接问题,我认为改进并不大,效果较为一般。但对于评价拼接方法的指标,我觉得可以借鉴。