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 |
| 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。
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！
