子窗口尺度空间的Attention-HardNet特征匹配算法研究

作     者：冯一帆 

作者单位：辽宁工程技术大学 

学位级别：硕士

导师姓名：齐向明

授予年度：2021年

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

主      题：特征匹配 Sub-window尺度空间 圆形非极大值抑制算法 HardNet SENet注意力机制 

摘      要：基于特征的图像匹配算法是计算机视觉领域的核心任务,如何准确有效地进行图像特征匹配是推动图像与视觉计算深度学习的重要课题。传统特征匹配算法存在着图像边角信息丢失严重、耗时较长,并且严重影响着后续特征提取、特征描述以及特征匹配步骤的稳定性和准确性。特征提取一般会进行浮点型计算,导致提取特征点效率低,特征描述子算法兼容性较差等。针对上述问题本文提出一种子窗口尺度空间的Attention-Hard Net特征匹配算法。首先,通过Sub-window box filter构建尺度空间,Sub-window box filter在图像内容上执行自适应子窗口滤波,使用盒子滤波结合子窗口回归在不消耗大量计算量的情况下充分保留边角,增加构建尺度空间效率,为特征提取和特征描述保留更多细节信息;其次,通过FAST算法进行尺度空间特征点提取,圆形非极大值抑制算法对其优化,通过设置不同抑制半径和点响应强度筛选稳定性较强的特征点;再次,对Hard Net添加SENet注意力机制,构成Attention-Hard Net,通过学习获得每个通道的重要程度,使网络可以提取鲁棒性更强的128维浮点型特征描述子;最后,利用L2距离衡量不同描述子相似性完成图像特征点匹配。在Oxford数据集上对匹配算法做抗尺度、压缩、光照等性能测试结果表明所提算法能够保护尺度空间边缘和角点信息,提高特征点提取速度,增加描述子唯一性和特征匹配算法可靠性。本算法相较于L2net、Hard Net等深度学习方法,匹配正确率提高约3%,速度提高约10%。该论文有图29幅,表4个,参考文献53篇。