科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对可见光和红外图像的异源图像匹配难度大、误匹配率高的问题，提出一种基于改进SuperPoint与线性转换器的深度学习匹配算法。算法首先在SuperPoint网络结构的基础上，引入特征金字塔的思想构建特征描述分支，基于铰链损失函数进行训练，从而较好地学习可见光与红外图像多尺度深层次特征，增大图像同名点对描述子的相似度；在特征匹配模块，利用线性转换器对SuperGlue匹配算法进行改进，聚合特征以提高匹配性能。在多个数据集上对提出的算法进行实验验证，结果表明，与现有的算法相比，该算法获得了更好的匹配效果，提高了匹配准确率。
- 单位
