| 近幾年來，影像縫合技術一直都是電腦視覺領
域中廣受重視的議題。目前有許多影像縫合的方法，
都是透過軟體進行，執行時間較長。隨著開放運算
語言(Open computing language，OpenCL)逐漸成熟，
透過此異構平台編寫程式框架搭起 CPU 及 GPU
的橋樑，改善過往軟體執行較慢的缺點。此論文中，
我們提出一個基植於開放運算語言框架的多畫面
影像縫合方法，利用過去在尋找特徵點方面有良好
效果的尺度不變特徵轉換(Scale-invariant feature
transform , SIFT)來檢測特徵點，並將 SIFT 移植到
OpenCL 的框架中，利用 GPU 進行加速，以改善
過往速度過慢的缺點，並透過 BBF (Best bin first)及
RANSAC (Random sample consensus)將特徵點進行
匹配及修正，最後將重疊區塊進行多頻段混合
(Multi-band blending)，消除影像差異，利用上述步
驟來將多張影像進行縫合。 |
