【技术实现步骤摘要】
本专利技术涉及影像预处理，具体涉及一种基于深度学习的影像配准方法。
技术介绍
1、影像配准是一种实现影像几何校准的技术，它通过计算单应性矩阵来获得基准影像与待配准影像之间的映射关系。在影像配准中，单应性矩阵扮演着举足轻重的角色，通过在多幅影像中找到对应的特征点，并计算这些点对应的单应性矩阵，可以实现影像的配准和重构。
2、传统的影像配准方法主要有基于像素的方法和基于特征的方法在基于特征的影像配准方法中，在使用特征点检测算子检测影像时，往往会出现大量平凡且聚集的特征点，根据这些特征点计算得到的单应性矩阵，会出现对影像局部区域的过度描述，进而导致配准质量低。但是该方法不适合低纹理场景的影像。目前对低纹理、弱纹理和单一纹理场景下的影像配准方法的研究还较少。在基于像素的影像配准方法中，主要利用影像中的像素点的像素值直接估计影像之间的变换关系，首先，初始化影像之间的单应性矩阵；然后，利用单应性矩阵对每幅影像进行影像变换，并计算变换后的影像中的像素点的像素值误差；最后，使用优化技术最小化误差函数实现影像配准，该方法对低纹理场景的影像具有...
【技术保护点】
1.一种基于深度学习的影像配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，步骤S3中所述深度单应性估计模型包括特征提取网络、特征增强网络、特征融合网络和单应性估计网络；所述特征增强网络包括自注意力机制单元和交叉注意力机制单元；其中，特征提取网络与特征增强网络连接，特征增强网络与特征融合网络连接，特征融合网络与单应性估计网络连接。
3.根据权利要求2所述的方法，其特征在于，步骤S4进一步包括：
4.根据权利要求3所述的方法，其特征在于，步骤S42中所述计算多头注意力矩阵的方法为：
5.根据权...
【技术特征摘要】
1.一种基于深度学习的影像配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，步骤s3中所述深度单应性估计模型包括特征提取网络、特征增强网络、特征融合网络和单应性估计网络；所述特征增强网络包括自注意力机制单元和交叉注意力机制单元；其中，特征提取网络与特征增强网络连接，特征增强网络与特征融合网络连接，特征融合网络与单应性估计网络连接。
3.根据权利要求2所述的方法，其特征在于，步骤s4进一步包括：
4.根据权利要求3所述的方法，其特征在于，步骤s42中所述计算多头注意力矩阵的方法为：
5.根据权利要求4所述的方法，其特征在于，步骤s43中所述
6.根据权利要求5所述的方法，其特征在于，步骤s44中所述通过交叉注意力机制单元计算每对影像瓦片对经交叉结构信息增强后参考影像瓦片的第三特征图和待配准影像瓦片的第三...
【专利技术属性】
技术研发人员：舒位恒，高小花，张玥珺，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
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。