Local-peak scale-invariant feature transform for fast and random image stitching

要約

画像スティッチングは、高い空間解像度で広い視野を構築することを目的としていますが、これは 1 回の露光では達成できません。
通常、ディープラーニング以外の従来の画像スティッチング技術は、特に大きな生の画像をスティッチングする場合、複雑な計算を必要とし、したがって計算コストが高くなります。
本研究では、流体乱流のマルチスケール特徴に触発され、マルチスケールローカルピークおよびスケール不変特徴変換法に基づいた、ローカルピークスケール不変特徴変換（LP-SIFT）と呼ばれる高速特徴点検出アルゴリズムを開発した。
画像合成においてLP-SIFTとRANSACを組み合わせることで、従来のSIFT方式に比べて合成速度をオーダーごとに向上させることができます。
事前知識がなくてもランダムに配置された 9 枚の大きな画像 (2600*1600 ピクセル以上) を 158.94 秒以内にステッチできます。
このアルゴリズムは、地形マッピング、生物学的分析、さらには犯罪捜査など、さまざまな応用シーンで広い視野を必要とするアプリケーションにとって非常に実用的です。

要約(オリジナル)

Image stitching aims to construct a wide field of view with high spatial resolution, which cannot be achieved in a single exposure. Typically, conventional image stitching techniques, other than deep learning, require complex computation and thus computational pricy, especially for stitching large raw images. In this study, inspired by the multiscale feature of fluid turbulence, we developed a fast feature point detection algorithm named local-peak scale-invariant feature transform (LP-SIFT), based on the multiscale local peaks and scale-invariant feature transform method. By combining LP-SIFT and RANSAC in image stitching, the stitching speed can be improved by orders, compared with the original SIFT method. Nine large images (over 2600*1600 pixels), arranged randomly without prior knowledge, can be stitched within 158.94 s. The algorithm is highly practical for applications requiring a wide field of view in diverse application scenes, e.g., terrain mapping, biological analysis, and even criminal investigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google