【技术实现步骤摘要】
本申请涉及图像处理，具体涉及一种单应性估计方法、装置、终端设备及存储介质。
技术介绍
1、图像的单应性估计可以应用在图像配准、图像矫正、图像拼接、视角转换等领域。目前，图像的单应性估计主要有以下两种：一是基于图像特征点匹配的间接法，通过在两张图像中找到至少4对匹配点来计算单应性矩阵；二是基于图像灰度差的直接法，以两张图像之间的像素亮度为损失，通过非线性优化的方式迭代求解单应性矩阵。
2、基于图像特征点的间接法高度依赖特征点的匹配效果，当两幅图像之间无法找到足够多的正确匹配对的时候便无法计算出单应矩阵，导致该间接法在弱纹理、重复纹理以及光照极端变化的场景下容易失败。基于图像灰度差的直接法比间接法在弱纹理下更加鲁棒，但对于复杂情况(比如，光照极端变化的图像，出现随机噪声的图像等)下的图像，单应性矩阵的计算精度较低。
技术实现思路
1、本申请实施例提供一种单应性估计方法、装置、终端设备及存储介质，可以提高单应性矩阵在复杂情况下的计算精度。
2、本申请实施例的第一方面提供了...
【技术保护点】
1.一种单应性估计方法，其特征在于，所述方法应用于深度学习网络，所述深度学习网络包括第一特征提取网络、第二特征提取网络、第一分割网络、第二分割网络和残差网络，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将第一灰度图像输入第一特征提取网络和第一分割网络，得到第一特征图和第一平面区域之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述第一灰度图像输入第一特征提取网络和第一分割网络，将所述第二灰度图像输入第二特征提取网络和第二分割网络，通过残差网络输出第一单应性矩阵，包括：
4.根据权利要求2所述...
【技术特征摘要】
1.一种单应性估计方法，其特征在于，所述方法应用于深度学习网络，所述深度学习网络包括第一特征提取网络、第二特征提取网络、第一分割网络、第二分割网络和残差网络，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将第一灰度图像输入第一特征提取网络和第一分割网络，得到第一特征图和第一平面区域之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述第一灰度图像输入第一特征提取网络和第一分割网络，将所述第二灰度图像输入第二特征提取网络和第二分割网络，通过残差网络输出第一单应性矩阵，包括：
4.根据权利要求2所述的方法，其特征在于，所述将所述第二灰度图像输入第一特征提取网络和第一分割网络，将所述第一灰度图像输入第二特征提取网络和第二分割网络，通过残差网络输出第二单应性矩阵，包括：
5.根据权利要求3所述的方法，其特征在于，所述计算所述第一变换灰度图像和所述第二灰度图像之间...
【专利技术属性】
技术研发人员：陆潇，郑志彤，刘海锋，
申请(专利权)人：北京欧珀通信有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。