-
题名基于深度学习SuperGlue的图像拼接与实现
被引量：2
- 1
-
-
作者
王康涛
-
机构
温州商学院信息工程学院
-
出处
《山东理工大学学报（自然科学版）》
CAS
2025年第2期10-15,21,共7页
-
文摘
针对传统算法在特征匹配模块准确度较低、在纹理差的区域很难识别特征点等问题,提出一种基于深度学习的SuperPoint特征点提取算法与SuperGlue匹配算法相结合、用于图像配准的拼接算法。首先将图像用共享的编码器处理以提取图像深层特征,再分别经过特征点和描述子的两个解码器以提取特征点和对应的描述子;然后传入SuperGlue网络中,将提取的特征点和描述子使用SuperGlue算法建立良好的匹配,再通过变换矩阵使待匹配图像变换到统一的坐标下,实现图像重叠区域的对齐;最后通过渐入渐出的加权融合算法对图像进行融合,得到更宽视角和高分辨率的图像。实验证明在特征点提取模块,本文算法比对比SIFT算法、ORB算法和SIFT-FREAK算法的匹配正确率更高,同时得到的拼接效果图质量更优。
-
关键词
超级点算法
超级胶水算法
图像融合
全景图
-
Keywords
superpoint algorithm
SuperGlue algorithm
image fusion
panorama
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的图像特征匹配方法
被引量：6
- 2
-
-
作者
徐梦莹
刘文波
郑祥爱
蔡超
-
机构
南京航空航天大学自动化学院
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
-
出处
《传感器与微系统》
CSCD
北大核心
2022年第7期61-64,共4页
-
基金
国家重点研发计划资助项目(2018YFB2003304)
国家自然科学基金资助项目(61871218)
南京航空航天大学研究生创新基地(实验室)开放基金资助项目(KFJJ20190306)。
-
文摘
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。
-
关键词
深度学习
superpoint
网格运动统计算法
随机抽样一致性算法
-
Keywords
deep learning
superpoint
grid-based motion statistics(GMS)algorithm
random sample consensus(RANSAC)algorithm
-
分类号
TP391.5
[自动化与计算机技术—计算机应用技术]
-
