计算机应用研究

作者：赵文龙,王列伟,王军华,杨吉祥,

单位：1.安徽理工大学计算机科学与工程学院,安徽淮南232001；2.南京派光智慧感知信息技术有限公司,南京210032；

关键词：图像拼接,深度学习,图像配准,图像融合,无监督,

基金：广东省重点领域研发计划资助项目(2019B111105001)；中国铁路上海局集团有限公司科研计划资助项目(2022031)；；

针对现有图像拼接技术因依赖特征匹配导致的伪影、失真等问题，提出一种基于无监督的图像拼接方法。该方法包含无监督图像配准和无监督图像融合两个阶段。在配准阶段，通过融合多尺度特征和高效局部注意力机制（efficient local attention，ELA）改进残差块，进行跨尺度特征融合和动态特征增强，并结合交叉注意力（cross-attention）构建交互感知增强模块，促进图像对之间特征信息的深度交互与融合。进一步提出多尺度渐进变换配准模块，通过分层优化策略逐步校准图像变换关系，显著提升对齐精度。在融合阶段，引入动态软掩膜预测机制，基于像素级连续权重学习，实现重叠区域的平滑过渡与细节保持。为支撑无监督训练，构建了涵盖复杂光照、多视差场景的真实图像拼接数据集。实验表明，相较于现有传统和深度学习拼接算法，该方法在PSNR、SSIM上分别达到27.31、0.84，且视觉上拼接效果更好，抗干扰能力更强。

来源：2025年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第12期