基于分段引导的多透视视角图像拼接方法

图像拼接中的大范围透视差是一个难以解决的问题。各种基于透视变形的方法被提出以解决此问题，但结果令人不满意。本文提出了一种新颖的图像拼接方法，使用由图像分段引导的多透视视角变形。具体而言，我们利用 Segment Anything Model 对目标图像进行分段处理，并通过能量基准的多透视视角拟合算法将特征点划分为多个子集。多个特征点子集用于计算相应的多个透视视角。对于重叠区域中的每个分段内容，我们选择其最佳匹配的透视视角以最小化光度误差。对于非重叠区域中的每个分段内容，我们计算线性化透视视角的加权组合。最后，通过最佳匹配的透视视角对目标图像进行变形以与参考图像对齐，并通过线性混合生成最终全景图。广泛的实验结果表明，我们的方法在与最新方法相比方面提供了显著优于的对齐精度。源代码可在 https://github.com/tlliao/multi-homo-warp 上获取。