基于深度学习的偏振图像局部特征提取算法研究(特邀)

摘要：

针对传统探测方式对目标探测不到、看不清、图像轮廓和细节模糊等问题,采用红外与偏振探测相结合方式,通过对红外图像信息和偏振图像信息解算,解决在各种环境下探测不到、看不清的问题.针对目标局部特征提取过程数据量大、提取速度慢等问题,提出了一种改进的深度学习偏振图像局部特征提取SIFT算法.实验结果显示,该算法结合偏振成像和深度学习的优势,实现在简单或复杂背景下目标的特征快速提取,该算法对偏振图像局部特征提取速度快、提取精度高.该算法为目标的分类、识别与跟踪技术奠定理论基础.

关键词：偏振图像、局部特征、深度学习、尺度不变特征转换(SIFT)算法、神经网络

所属期刊栏目：37

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：62-69