RISNet:无监督真实场景图像拼接网络

摘要：

图像拼接目的是获得一张高清无缝的全景图,现有方法依赖于特征匹配的准确性,会错误地对齐图像,产生伪影和失真等现象.为此提出一种新的无监督真实场景图像拼接网络,能够适应存在移动目标的真实场景拼接,保证全景图的精度无损失,包含配准和重建两个网络.在配准网络中引入内容感知分支,学习内容掩码,排除移动目标和误导性区域对于变换矩阵的负影响;在重建网络中添加边缘检测分支,构造边缘一致性感知损失,约束重建过程,优化图像细节,实现高清、无伪影的拼接效果.实验结果表明,该方法RMSE、PSNR、SSIM分别达到1.81、26.56、0.85,客观评价指标整体优于其他经典算法,用户调研结果也说明该方法获取的全景图清晰度更高.该方法有效地完成了真实场景下的无监督图像拼接,并能够泛化至其他场景的拼接任务中.

关键词：计算机视觉、深度学习、图像拼接、单应性估计、边缘引导

所属期刊栏目：40

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金

在线出版日期：2023-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2856-2862