-
公开(公告)号：CN118196155A
公开(公告)日：2024-06-14
申请号：CN202410324729.8
申请日：2024-03-21
Applicant: 北京理工大学
Abstract: 本发明属于图像处理领域，尤其涉及一种基于神经图像场恢复的区域图像对齐方法。首先根据待对齐子图像和目标图像进行全局匹配归一化坐标转换，然后为每张待对齐子图像建立可学习单应变换矩阵，建立神经图像场网络预测输出图像像素值与提供的待匹配图像与待匹配图像子图间的光度误差损失函数，实现单应变换矩阵的端到端学习与训练；当达到设定条件后，优化过程结束，此时优化后的单应变换矩阵即为图像对齐所需要的变换矩阵；本发明打破了传统图像对齐技术“特征匹配—图像对齐”的求解框架，在实现端到端训练的同时充分利用了图像的每颗像素信息，可以获得更为精确的图像对齐变换矩阵，为以图像对齐方法为基础的实际场景应用提供相关研究便利。
-
公开(公告)号：CN119359921A
公开(公告)日：2025-01-24
申请号：CN202411484545.4
申请日：2024-10-23
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于多摄像头神经辐射场的三维场景重构方法，属于计算机视觉和图像处理领域，该方法能够在多摄像头系统中，不依赖精确的初始摄像头参数，通过联合优化摄像头的内参、外参和畸变参数来实现场景的三维重构。本发明引入了一种体积密度压缩策略以及体积密度对齐策略，有效地处理了来自不同摄像头的图像，并解决了图像畸变问题。此外，本发明通过优化摄像头参数的同时，对场景的真实尺度进行了约束，显著提高了重构效率和质量。该方法适用于实时视频处理和增强现实等多种应用场景，提高了多摄像头系统的实用性和准确性。
-
Search Results
2
records
(took 0.012 seconds)
