一种基于无监督学习的大视差下图像拼接方法技术

本发明专利技术公开了一种基于无监督学习的大视差下图像拼接方法，通过网络监控摄像头采集大视差场景下目标周围环境的图像信息，并对图像信息进行处理，制作数据集；构建用于图像对配准对齐的特征提取融合网络，并引入了CGC模块；所述CGC模块用于聚焦图像三通道间特征的关联，进行不同通道间特征的交互和融合；将数据集输入所构建的特征提取融合网络，通过训练得到预训练权重，再对场景图像对进行图像拼接。上述方法解决了传统拼接的鲁棒性问题和深度拼接中目标信息提取匹配程度不好的问题，实现了对大视差监控视角下的图像拼接。

【技术实现步骤摘要】

本专利技术涉及目标检测，尤其涉及一种基于无监督学习的大视差下图像拼接方法。

技术介绍

1、图像拼接是一项关键且具有挑战性的计算机视觉任务，其在过去几十年中已经得到了很好的研究，其目的是从不同观看位置捕获的不同图像构建具有更宽视场的全景图。这项技术可以在不同领域发挥巨大作用，如生物、医疗、监控视频、自动驾驶和虚拟现实(vr)。随着信息科学技术的快速发展，各种摄像设备被广泛应用于人们的生产和生活，例如常见的视频监控摄像头。

2、然而每个相机或摄像头都有其视角范围，因此在一定的焦距下，所拍摄的图像视野是有限的。在某些场景下，人们希望获取更大的视野范围，因此采用图像拼接的方法，对同一相机拍摄的不同视角图像或不同摄影设备拍摄的图像进行拼接，已经成为常见的解决方案，通过图像拼接可以获得更广阔的视野范围，具有重要的研究意义和应用价值。

技术实现思路

1、本专利技术的目的是提供一种基于无监督学习的大视差下图像拼接方法，该方法解决了传统拼接的鲁棒性问题和深度拼接中目标信息提取匹配程度不好的问题，实现了对大视差监控视本文档来自技高网...

【技术保护点】

1.一种基于无监督学习的大视差下图像拼接方法，其特征在于，所述方法包括：

2.根据权利要求1所述基于无监督学习的大视差下图像拼接方法，其特征在于，在步骤1中，首先基于所获取的图像对数据集，将数据集输入DP数据集处理模块，通过输入两段具有交叉信息的视频，第一步将视频根据对应场景拆解成相应帧，其中可自定义帧数；

3.根据权利要求1所述基于无监督学习的大视差下图像拼接方法，其特征在于，在步骤2中，

4.根据权利要求1所述基于无监督学习的大视差下图像拼接方法，其特征在于，在步骤3中，首先使用CCSG特征提取融合网络使用合成数据集上训练深度单应性网络150轮次；...

【技术特征摘要】

1.一种基于无监督学习的大视差下图像拼接方法，其特征在于，所述方法包括：

2.根据权利要求1所述基于无监督学习的大视差下图像拼接方法，其特征在于，在步骤1中，首先基于所获取的图像对数据集，将数据集输入dp数据集处理模块，通过输入两段具有交叉信息的视频，第一步将视频根据对应场景拆解成相应...

【专利技术属性】
技术研发人员：王华锋，刘洋，郭可信，刘伦莹，李志强，高皓琪，韩雨，巨红伟，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：