阅读笔记（SOFT COMPUTING 2018）Seam elimination based on Curvelet for image stitching

本文主要是介绍阅读笔记（SOFT COMPUTING 2018）Seam elimination based on Curvelet for image stitching，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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

COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区
COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机：跨学科应用	3区

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。

详细 X

没有英汉互译结果
请尝试网页搜索

这篇关于阅读笔记（SOFT COMPUTING 2018）Seam elimination based on Curvelet for image stitching的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！