基于卷积神经网络的直线描述方法研究

• 作者: 霍占强 刘玉洁 付苗苗 乔应旭
• 来源期刊: 计算机工程
• 关键词: 直线匹配 直线特征描述子 深度学习 大规模直线数据集 卷积神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 251-259
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057686

摘要

为提高直线特征匹配的可靠性,提出一种基于卷积神经网络(CNN)学习的直线特征描述方法.构建用于网络学习的大规模直线数据集,该数据集包含约20.8万对匹配直线对,每条直线用其周围的局部图像块表征.将图像块输入CNN,利用HardNet网络结构提取特征,使用三元组损失函数进行训练,输出强鲁棒性的直线特征描述子.实验结果表明,与手工设计的描述子MSLD和IOCD相比,该描述子在视角、模糊、尺度和旋转变化下均具有较好的区分性,在图像拼接应用中同样表现出良好的描述性能.