基于改进CNN-RANSAC的水下图像特征配准方法

• 作者: 万磊 唐松奇 李俊 盛明伟 秦洪德
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 水下图像 图像配准 卷积神经网络 特征提取 特征匹配
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 图形与图像
• 页码范围: 859-868
• 页数: 10页
• 分类号: TP391.4
• 字数: 7050字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.05.013

摘要

水对光的吸收和散射效应降低了水下图像的质量,水下图像的可视范围受到限制,复杂水下场景下的鲁棒性和精确性问题使得特征提取与匹配成为一项具有挑战性的任务.为了更好地配准水下图像,提出了一种改进CNN-RANSAC的水下图像特征配准方法,首先通过基于深度卷积神经网络的水下图像增强方法对水下图像进行增强预处理,通过水下图像分类数据集迁移学习训练VGGNet-16网络框架,利用修改后的网络框架进行特征提取,生成鲁棒的多尺度特征描述符与特征点,经过特征粗匹配与动态内点选择,使用改进的RANSAC方法剔除误匹配点.在大量水下图像数据集上进行了充分的特征提取和特征匹配实验,与基于SIFT和SURF的配准方法相比,该方法能够检测到更多的特征点,实现了匹配正确率的大幅度提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊	哈尔滨工程大学水下机器人技术重点实验室	11	97	6.0	9.0
2	秦洪德	哈尔滨工程大学水下机器人技术重点实验室	24	143	8.0	10.0
3	万磊	哈尔滨工程大学水下机器人技术重点实验室	96	1473	22.0	32.0
4	盛明伟	哈尔滨工程大学水下机器人技术重点实验室	15	70	5.0	8.0
5	唐松奇	哈尔滨工程大学水下机器人技术重点实验室	4	10	2.0	3.0