融合渐进式策略的轻量化特征点提取与匹配方法

作     者：杨潞霞 任佳乐 张红瑞 韩睿 崔耀文 马永杰 

作者机构：太原师范学院计算机科学与技术学院 太原师范学院智能优化计算与区块链技术山西省重点实验室 西北师范大学物理与电子工程学院 

出 版 物：《液晶与显示》 (Chinese Journal of Liquid Crystals and Displays)

年 卷 期：2024年第11期

页      面：1544-1556页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(No.62066041) 山西省重点研发计划(No.202102010101008) 太原师范学院研究生创新项目(No.SYYJSYC-2392)~~ 

主　　题：特征点提取 特征点匹配 轻量化 注意力机制 渐进式多尺度特征融合 

摘      要：针对基于SuperPoint网络的特征匹配方法在光照、姿态、角度等挑战下，特征点提取准确率低、计算参数量大的问题，提出了一种融合渐进式策略的轻量化特征点提取与匹配方法。首先，利用深度可分离卷积对SuperPoint网络进行结构调整，以降低模型参数计算量；其次，在特征提取部分搭建注意力模块增强网络在空间上的特征提取能力，并设计渐进式多尺度特征融合模块捕获目标细节，增强特征的表达能力；最后，利用SuperGlue算法对所得到的特征点进行匹配。在Hpatches数据集上进行实验分析，实验结果表明，所提算法在光照变换场景下匹配平均准确率（mAP）和特征点重复度（Rep）达到了86%和70%，在视角变换场景下mAP和Rep达到了78%和68%。所提算法不仅在特征匹配中表现出一定的优势，同时将其应用于视频拼接中也获得了较好的效果。