基于局部特征变换器的多尺度自适应特征图像匹配算法OA
针对图像匹配神经网络提取的关键点特征,存在因视角变化导致匹配点对减少而匹配失败的问题,提出了一种基于局部特征变换器(LoFTR)的多尺度自适应特征图像匹配算法。通过改变提取的关键点特征组成结构,增强关键点的特征描述,强化对应点的相似性,从而优化特征匹配的效果。首先对残差网络(ResNet)和特征金字塔(FPN)输出的原始特征使用多尺度环形卷积(MRC)对齐关键点特征主方向;其次,设计自适应权重融合(AFW)计算环形卷积特征与具有全局位置信息特征的权重,按照权重进行融合,保留环形卷积特征的局部信息与全局特征位置信息的有效主成分;最后,引入边缘化样本一致性(MAGSAC++)算法,对匹配点对进一步筛选,减少噪声影响。在数据集Megadepth和Hpatches上验证所提算法,准确率达到87.62%,相较于LoFTR算法提升了1.78%,在阈值为5°、10°、20°条件下姿态估计误差的精确率-召回率曲线下面积(AUPRC)值均有提升,分别提高了0.8、1.2、1.3,结果证明本文算法有效提高了匹配点数量以及匹配质量,对猪只体长、体宽等参数测量的精度均有提升,为猪只养殖等生产活动提供更精确的测量。
陈礼航;曾祥进;熊瑞峰;段玉剑
武汉工程大学计算机科学与工程学院,湖北武汉430205武汉工程大学计算机科学与工程学院,湖北武汉430205 智能机器人湖北省重点实验室(武汉工程大学),湖北武汉430205武汉工程大学计算机科学与工程学院,湖北武汉430205武汉工程大学计算机科学与工程学院,湖北武汉430205
信息技术与安全科学
图像匹配局部特征变换器特征重构特征描述自适应权重
《武汉工程大学学报》 2026 (4)
P.449-457,9
国家自然科学基金(61502354)湖北省重大攻关项目(2025BEA005)。
评论