偏耐受性弱监控的像素智能深度色彩校正用于针孔相机阵列的图像拼接
Yanzheng Zhang1, Kun Gao1, Zhijia Yang1
1Key Laboratory of Photoelectronic Imaging Technology and System, Ministry of Education of China, Beijing Institute of Technology, Beijing 100081, China.
Sensors (Basel, Switzerland)
|February 13, 2025
概括
这项研究引入了一种新的深度学习框架,用于修复来自针孔相机阵列的全景图像中的颜色和抛物线问题. 该方法显著提高了图像拼接质量,创造了无,自然的结果.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 图像拼接通常使用算法来创建全景,但由于不同的视角而面临着像抛物线和颜色转移这样的工件.
- 现有的解决方案在抛物线和一般色彩差异方面扎,特别是在针孔相机阵列中.
研究的目的:
- 在图像拼接中开发一个强大的框架,用于对度耐受,弱监督,像素智能的深色校正.
- 为了解决当前处理色彩差异和全景图像中的抛物线方法的局限性.
主要方法:
- 一个两阶段的框架,采用卷积模块来提取特征,以及具有动态损失权重的抛物线耐受色彩校正网络.
- 使用基于梯度的马尔科夫随机场来协调非重叠区域与重叠区域.
- 引入一种新的评估指标,即跨的颜色差异,用于定量评估.
主要成果:
- 拟议的框架有效地补偿重叠区域的颜色差异,使用适应性技术.
- 不重叠的区域与重叠的区域协调,确保视觉一致性.
- 在对基准数据集和现实世界图像的定性和定量评估中,在现有方法中表现出优越的性能.
结论:
- 开发的框架成功地消除了来自针孔相机阵列的合图像中的可见工件.
- 这种方法通过有效地管理抛物线和颜色差异来产生看起来自然的复合图像.
- 新的评估指标为评估图像拼接过渡的质量提供了可靠的衡量标准.
