多算法融合的高性能稀疏特征点匹配研究型实验设计
作者机构: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
出 版 物:《科技与创新》 (Science and Technology & Innovation)
年 卷 期:2024年第10期
页 面:16-18,25页
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:广西高等教育本科教学改革工程项目(编号:2022JGZ125、2023JGZ126) 广西研究生教育创新计划项目(编号:JGY2022131)
主 题:SuperPoint 特征点匹配 多算法融合 实验研究
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ORB、SuperPoint等经典算法,新算法总体性能有一定提升。