多图像对齐的基本极限
计算机视觉与模式识别
2016-09-21 v1
摘要
多图像对齐（将不同图像带入同一坐标系）的性能在许多具有不同信噪比(SNR)条件的应用中至关重要。大量努力正投入开发解决该问题的方法。由此产生若干重要问题，包括：多图像对齐性能的基本极限是什么？获取更多图像是否能改善对齐？理论界提供了比较方法的基本基准，并有助于确定是否可改进。本工作中，我们处理在存在多个偏移和含噪观测时寻找图像配准性能极限的问题。我们在不同底层图像统计模型下推导并分析了Cramér-Rao和Ziv-Zakai下界。通过与最大似然估计器比较，实验评估了所推导界的准确性。我们展示了取决于问题难度级别（由输入图像的SNR条件给出）的不同行为区域的存在。我们发现增加图像数量仅在某一SNR阈值以下有用，高于该阈值则成对MLE估计被证明是最优的。我们此处给出的分析进一步深入了解了多图像对齐问题的基本限制。
引用
@article{arxiv.1602.01541,
title = {Fundamental Limits in Multi-image Alignment},
author = {Cecilia Aguerrebere and Mauricio Delbracio and Alberto Bartesaghi and Guillermo Sapiro},
journal= {arXiv preprint arXiv:1602.01541},
year = {2016}
}