移動直接線形変換を用いた可能な限りの画像ステッチ

As-Projective-As-Possible Image Stitching with Moving DLT
Julio Zaragoza, Tat-Jun Chin, Quoc-Huy Tran, Michael S. Brown, and David Suter
IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.36, No.7, pp.1285-1298, 2014

市販の画像ステッチングツールの成功は,たびたび画像ステッチングが「解決された問題」であるという印象をもたらす.しかし現実には,入力写真がかなり限定的なイメージングの仮定に違反すると,多くのツールが納得できない結果をもたらすことがある.その仮定の主な2つは写真が回転だけで異なるビューに対応していること.または画像化されたシーンが実質的に平面であることである.そのような仮定では写真を整列させるための2次元投影変換またはホモグラフィの使用が推奨される.カジュアルなユーザの手にはそのような状態がしばしば違反され,結果的にアライメントずれや「ゴースト」が生じる.従って多くの既存の画像ステッチングツールは,ゴーストを削除するために後処理ルーチンに大きく依存する.本稿では,理想化された条件からの入力データの偏差に対応する射影ワープを微調整または微修正することができる移動直接線形変換(Moving Direct Linear Transformation:Moving DLT)と呼ばれる新しい推定手法を提案する.これは,遠近法による画像ステッチングの幾何学的リアリズムを損なうことなく,ゴーストを大幅に低減する,可能な限り投影可能な画像アラインメントを生成する.従って,我々の技術は潜在的に高負荷な後処理アルゴリズムへの依存を軽減する.さらに大規模なパノラマ作成で複数の画像を正確に整列させるために,バンドル調整を介して複数の射影可能なワープを同時に改善する方法についても説明する.