基于深度学习的图像特征匹配方法

徐梦莹; 刘文波; 郑祥爱; 蔡超

doi:10.13873/J.1000-9787(2022)07-0061-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于深度学习的图像特征匹配方法

研究与探讨 | 更新时间：2025-09-11

- 基于深度学习的图像特征匹配方法
- 基于深度学习的图像特征匹配方法
- 传感器与微系统 2022年第7期页码：61-64
- 作者机构：
  
  南京航空航天大学自动化学院 2. 高速载运设施的无损检测监控技术工业和信息化部重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)07-0061-04
  中图分类号： TP18;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
徐梦莹, 刘文波, 郑祥爱, 等. 基于深度学习的图像特征匹配方法[J]. 传感器与微系统, 2022,(7):61-64.

基于深度学习的图像特征匹配方法[J]. 2022, (7): 61-64.
徐梦莹, 刘文波, 郑祥爱, 等. 基于深度学习的图像特征匹配方法[J]. 传感器与微系统, 2022,(7):61-64. DOI： 10.13873/J.1000-9787(2022)07-0061-04.

基于深度学习的图像特征匹配方法[J]. 2022, (7): 61-64. DOI： 10.13873/J.1000-9787(2022)07-0061-04.

摘要

针对同一场景或同一物体的两组或多组图像的匹配问题，提出了一种基于深度学习的图像特征匹配方法。首先用SuperPoint网络框架提取图像特征点，在最近邻次近邻比值法的基础上通过网络运动统计（GMS）算法区分正确匹配点和错误匹配点，最后采用随机抽样一致性（RANSAC）算法进一步剔除误匹配点对。实验结果表明：所提算法在图像发生光照以及视角变化时平均匹配确正确率达到95%以上，具有较好的匹配识别率和鲁棒性。

Abstract

关键词

Keywords

references

基于改进ORB和网格运动统计的图像匹配算法 [J]. 罗守品,杨涛,梅艳莹. 传感器与微系统 . 2019(07)

基于二次引导滤波的局部立体匹配算法 [J]. 王凯,李志伟,朱成德,王鹿,黄润才,郭亨长. 激光与光电子学进展 . 2019(08)

改进ORB算法的图像匹配 [J]. 马丹,赖惠成. 计算机仿真 . 2018(10)

基于改进AKAZE算法的无人机影像匹配 [J]. 宋伟,王永波. 电子测量与仪器学报 . 2018(08)

改进RANSAC算法在多光谱图像匹配中的应用 [J]. 孙雪强,黄旻,张桂峰,赵宝玮,丛麟骁. 半导体光电 . 2018(04)

基于SIFT和改进的RANSAC图像配准算法 [J]. 贾雯晓,张贵仓,汪亮亮,秦娜. 计算机工程与应用 . 2018(02)

改进的SIFT算法图像匹配研究 [J]. 冯文斌,刘宝华. 计算机工程与应用 . 2018(03)

融合图像灰度信息与边缘特征的快速匹配算法 [J]. 吴强,侯树艳,李旭雯. 信号处理 . 2013(02)

基于KAZE和GMS的航拍图像拼接技术研究 [D]. 闫阔. 大连理工大学 2018

Speeded-Up Robust Features （SURF） [J] . Herbert Bay,Andreas Ess,Tinne Tuytelaars,Luc Van Gool. Computer Vision and Image Understanding . 2007 (3)

Distinctive Image Features from Scale-Invariant Keypoints. [J] . David G. Lowe. International Journal of Computer Vision . 2004 (2)

浏览量

835

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据