A new optimal seam finding method based on tensor analysis for automatic panorama construction
A new optimal seam finding method based on tensor analysis for automatic panorama construction
复制标题
基于张量分析的自动全景构建最优找缝新方法
DOI：
10.1016/j.patrec.2012.10.028
复制
发表时间：
2013-02
影响因子：
5.1
通讯作者：
ong
中科院分区：
文献类型：
--
作者：
Zhao Ge;Lin Lan;Tang Y;ong
最优找缝是一种常用的全景图构造策略。它具有快速构建全景图和节省内存的优点。然而，它本质上对辐射失真很敏感，这就是为什么在合成全景中经常可以看到伪影的原因。此外，它需要用户指定权重参数，这使得这种算法难以配置。本文充分利用相机模型，利用张量分析的知识，提出了一种新的最优寻缝方法。它不仅可以从扭曲的输入图像中创建无伪影的全景，而且不需要用户指定权重。我们通过对具有不同类型光学畸变的杂色图像集进行测试来验证我们方法的有效性。
Optimal seam finding is a popular panorama construction strategy. It has the advantage of constructing panorama rapidly as well as being memory efficient. However, it is intrinsically sensitive to radiometric distortions, which is why artifacts are often visible in the composed panorama. Besides, it requires users to specify weight parameters, making such algorithms difficult to configure. In this paper, by fully exploiting the camera model and utilizing the knowledge of tensor analysis, we propose a novel optimal seam finding method. It not only enables the creation of artifact-free panorama from distorted input images but also requires no user-specified weights. We verify the effectiveness of our method by testing it on variegated sets of images with different types of optical distortions.
登录
查看更多内容
DOI：
10.1016/j.patrec.2011.08.004
发表时间：
2011-11
期刊：
Pattern Recognit. Lett.
影响因子：
--
作者：
H. Luong;B. Goossens;A. Pižurica;W. Philips
通讯作者：
H. Luong;B. Goossens;A. Pižurica;W. Philips
DOI：
10.1109/cvpr.2001.991005
发表时间：
2001-12
期刊：
Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. CVPR 2001
影响因子：
--
作者：
M. Uyttendaele;Ashley M. Eden;R. Szeliski
通讯作者：
M. Uyttendaele;Ashley M. Eden;R. Szeliski
DOI：
10.1145/1201775.882269
发表时间：
2003-07
期刊：
ACM SIGGRAPH 2003 Papers
影响因子：
--
作者：
P. Pérez;Michel Gangnet;A. Blake
通讯作者：
P. Pérez;Michel Gangnet;A. Blake
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
Jiaya Jia-;Jian Sun;Chi-Keung Tang-;Harry Shum
通讯作者：
Jiaya Jia-;Jian Sun;Chi-Keung Tang-;Harry Shum
影响因子：
6.2
作者：
Agarwala, A;Dontcheva, M;Cohen, M
通讯作者：
Cohen, M