大幅提升拼接鲁棒性
通过融合多种图像配准估计及其不确定性，在光照变化、镜面反射和无特征场景下仍能稳健生成内窥镜图像拼接。
Li, Liang · Mazomenos, Evangelos B. · Chandler, James Henry · Obstein, Keith L. · Valdastri Pietro · Stoyanov, Danail V. · Vasconcelos, Francisco
Medical Image Analysis 2023
融合多种配准算法的不确定性，按需动态使用不同方法，避免任一单独算法在特定场景下完全失效。
基于仿射位姿图优化，允许在同一框架中组合深度学习光流、手工特征和强度配准等不同方法。
通过灵活确定各算法的使用比例，在三个特性迥异的数据集上均能获得一致的拼接图像，而单独算法最终均严重失败。