10.16251/j.cnki.1009-2307.2022.10.016
透视不变局部特征的LoFTR大视角弱纹理影像匹配
针对影像匹配过程中的影像弱纹理区域特征检测困难,卷积神经网络(CNN)难以从量化后的特征中提取到有效的影像信息,以及受影像畸变的影响,对宽基线影像区域内检测到的特征基元难以关联等问题,该文在LoFTR基础上进行改进,将CNN和Transformer循环迭代后得到的弱纹理特征中加入大视角下的影像几何纠正,增强LoFTR弱纹理特征在视角变化影像上的透视不变性,由此获得大视角弱纹理影像地区的匹配算法.通过实验对比发现,该文方法的匹配数目以及误差较其他匹配算法均有较高提升.在Transformer迭代获取弱纹理区域特征的同时增强其对影像视角变化的透视不变性,可使该类特征适用于各种复杂场景下的匹配任务.
深度学习、影像匹配、大视角、弱纹理
47
TP391.41(计算技术、计算机技术)
国家自然科学基金;山东省自然科学基金项目
2023-01-05(万方平台首次上网日期,不代表论文的发表时间)
共11页
113-123