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 HUO Zhanqiang;LIU Yujie;FU Miaomiao;QIAO Yingxu

作者机构：河南理工大学计算机科学与技术学院河南焦作454000 

基　　金：河南省高校科技创新团队支持计划(19IRTSTHN012) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2021年第47卷第5期

页      码：251-259页

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。

主 题 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 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19678/j.issn.1000-3428.0057686

馆 藏 号：203103152...