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

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	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