摘要
本发明公开了基于多尺度对齐和重建的图像拼接方法及系统,包括以下步骤:从输入图像对中提取多尺度特征,构建特征金字塔,输出三个尺度的特征图;根据不同尺度的特征多层回归预测单应性变换,根据得到的单应性矩阵对图像进行变换操作,包括相关性计算模块和单应性参数回归模块;构建浅层特征提取器和特征重建模块,从粗对齐后的图像对中学习接缝信息。本发明针对现有技术存在的缺陷和不足,通过引入多尺度特征提取和多层回归网络预测单应性变换以实现更加精确的对齐,并使用模型重参数化技术和自注意力机制学习接缝信息,有效减少了伪影和错位等现象,实现更准确且高质量的拼接效果。
技术关键词
图像拼接方法
浅层特征提取
特征金字塔
接缝
图像拼接系统
多尺度特征提取
参数化技术
矩阵
特征提取模块
注意力机制
网络
冗余
错位
算法
系统为您推荐了相关专利信息
儿童书包
融合特征
定位方法
实时位置
卡尔曼滤波算法
sigmoid函数
特征金字塔网络
分支
上采样
卷积特征提取
融合特征
安全帽检测方法
低光照条件
可变形卷积神经网络
系统对颜色
泥石流监测方法
光流特征
稠密光流
物体轮廓
深度学习神经网络
超分辨率重构
神经网络模型
视频帧
生成器网络
感知损失函数