Unsupervised calibration of RGB-NIR capture pairs utilizing dense multimodal image correspondences

Filipe Gama, Mihail Georgiev, Atanas Gotchev

    Tutkimustuotos: KonferenssiartikkeliScientificvertaisarvioitu

    Abstrakti

    In this paper, we propose an unsupervised calibration framework aimed at calibrating RGB plus Near-InfraRed (NIR) capture setups. We favour dense feature matching for the case of multimodal data and utilize the Scale-Invariant Feature Transform (SIFT) flow, previously developed for matching same-category image objects. We develop an optimization procedure that minimizes the global disparity field between the two multimodal images in order to adapt SIFT flow for our calibration needs. The proposed optimization substantially increases the number of inliers and yields more robust and unambiguous calibration results.
    AlkuperäiskieliEnglanti
    Otsikko2018 26th European Signal Processing Conference (EUSIPCO)
    KustantajaIEEE
    Sivut2145-2149
    Sivumäärä5
    ISBN (elektroninen)978-9-0827-9701-5
    ISBN (painettu)978-1-5386-3736-4
    DOI - pysyväislinkit
    TilaJulkaistu - syysk. 2018
    OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
    TapahtumaEUROPEAN SIGNAL PROCESSING CONFERENCE -
    Kesto: 1 tammik. 1900 → …

    Julkaisusarja

    Nimi
    ISSN (elektroninen)2076-1465

    Conference

    ConferenceEUROPEAN SIGNAL PROCESSING CONFERENCE
    Ajanjakso1/01/00 → …

    Julkaisufoorumi-taso

    • Jufo-taso 1

    Sormenjälki

    Sukella tutkimusaiheisiin 'Unsupervised calibration of RGB-NIR capture pairs utilizing dense multimodal image correspondences'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

    Siteeraa tätä