.png){kind=icon}
返回
Technical research on image-based virtual scene generation and stitching methods
.png){kind=icon}
OA
AI
DOI：10.1016/j.sasc.2026.200455.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决复杂成像条件下多源图像拼接中匹配精度低和鲁棒性不足的问题，本研究提出了一种新的图像拼接方法。该方法将多阈值局部二值模式与2DPCA相结合。首先利用双阈值MTLBP算子提取稳定的局部纹理特征，同时通过2DPCA获取图像的全局结构特征。然后采用经网格搜索优化的加权策略自适应融合二者，构建零参数的高效特征描述符。实验结果表明，在ORL人脸数据库中，使用6个训练样本时，算法达到最高99.2%±0.5%的平均识别率；在Yale人脸数据库的小样本条件下（仅2个训练样本），该方法识别率达到75.0%±1.9%。消融实验进一步量化了融合策略的贡献：加权融合使Yale库的识别率较简单特征拼接提升1.4%，并使MSU全景数据集的PSNR指标提高0.6 dB，验证了所提策略的有效性。结果表明，所提融合策略不仅通过特征互补增强了图像描述的判别力和鲁棒性，还实现了精度与效率的平衡。
Keyword:
Image stitching
Feature fusion
MTLBP
2DPCA algorithm
Zero-parameter model
Virtual scene generation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
S
IF:
3.6
论文数:
90
被引数:
0
机构
暂无机构信息
引用论文
Artefact‐free image stitching via a better normed seam‐cutting energy function无伪影图像拼接：一种改进的范数缝合能量函数OAAI
.png){kind=icon}
OAAI分享收藏
An Experimental Study on Exploring Strong Lightweight Vision Transformers via Masked Image Modeling Pre-training基于掩码图像建模预训练的强效轻量级视觉转换器探索实验研究
PREAI
分享收藏Hybrid Faster R-CNN for Tooth Numbering in Periapical Radiographs Based on Fédération Dentaire Internationale System基于Fédération Dentaire Internationale系统的混合Faster R-CNN用于根尖片牙齿编号OAAI
OAAI分享收藏分享收藏
查看更多内容