多算法融合的高性能稀疏特征点匹配研究型实验设计

扫码查看

原文链接

万方数据
维普

中文摘要：影像间特征点匹配是图像处理领域的基础问题,是实现目标识别、影像拼接、三维重建、机器视觉等功能的基础.针对基于深度学习的SuperPoint特征点匹配算法具有很强的特征描述能力但特征点检测精度不高的问题,提出将SIFT亚像素特征点检测算法与SuperPoint特征描述相结合,改进SuperPoint提取的特征点精度,同时保留其强大的特征描述能力,最后通过SuperGlue特征匹配网络实现特征点的匹配筛选,从而得到多算法融合的高性能稀疏特征点匹配算法.实验测试结果表明,新方法获得的匹配点对数量是SIFT匹配算法的2.04倍,且对称极线距离小于等于10-4的匹配点对比例较SIFT匹配算法提高了7.2％,对比其他O RB、SuperPoint等经典算法,新算法总体性能有一定提升.

作者：

彭智勇、吴磊、邓仕杰、梁红珍

展开 >

作者单位：

桂林电子科技大学光电工程学院,广西桂林 541004

桂林生命与健康职业技术学院,广西桂林 541100

关键词：

SuperPoint 特征点匹配多算法融合实验研究

基金：

广西壮族自治区高等教育本科教学改革工程项目广西壮族自治区高等教育本科教学改革工程项目广西壮族自治区研究生教育创新计划

项目编号：

2022JGZ1252023JGZ126JGY2022131

出版年：

2024

DOI：

10.15913/j.cnki.kjycx.2024.10.003

科技与创新

中国计算机用户协会

科技与创新

ISSN：1008-0570

年,卷(期)：2024.(10)

参考文献量2