【技术实现步骤摘要】
本专利技术属于计算机视觉与图像处理领域，尤其涉及基于浅层特征增强的局部特征匹配方法及系统。
技术介绍
1、局部特征匹配是计算机视觉中的关键任务，其核心目标是在两幅或多幅图像中识别出来自同一三维场景点的图像投影之间的对应关系。该技术广泛应用于三维重建、视觉slam、图像拼接、姿态估计等视觉系统中，是实现图像间几何关系推理与空间结构恢复的重要基础。
2、随着深度学习的发展，学习型的特征提取与匹配方法逐渐替代传统的人工设计算法。近年来，引入注意力机制的匹配框架在特征表达和匹配精度方面取得了显著提升，一些方法通过引导特征在跨图像之间进行交互建模，有效增强了匹配鲁棒性。然而，此类方法通常对计算资源要求较高，训练复杂，且在实际部署中存在效率瓶颈。
3、此外，为规避关键点检测过程中的不稳定性，近年来也发展出无需显式检测关键点的特征匹配方法，通过构建图像间的稠密对应关系，实现更加稳定的匹配效果。这类方法尽管在精度和鲁棒性方面具有优势，但其大多依赖密集计算，计算开销大，难以兼顾效率与性能。
4、而半稠密匹配结合了稠密匹...
【技术保护点】
1.基于浅层特征增强的局部特征匹配方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于浅层特征增强的局部特征匹配方法，其特征在于，所述风车掩码卷积的卷积核权重通过将标准卷积核的权重与风车形状掩码相乘得到；
3.如权利要求2所述的基于浅层特征增强的局部特征匹配方法，其特征在于，所述风车形状掩码为包括中心密集区域、轴向稀疏带和边缘轴向单元的三层结构，在所述中心密集区域、轴向稀疏带和边缘轴向单元的取值为1，其他位置取值为0，其中：
4.如权利要求3所述的基于浅层特征增强的局部特征匹配方法，其特征在于，所述风车掩码卷积分支采用风车形...
【技术特征摘要】
1.基于浅层特征增强的局部特征匹配方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于浅层特征增强的局部特征匹配方法，其特征在于，所述风车掩码卷积的卷积核权重通过将标准卷积核的权重与风车形状掩码相乘得到；
3.如权利要求2所述的基于浅层特征增强的局部特征匹配方法，其特征在于，所述风车形状掩码为包括中心密集区域、轴向稀疏带和边缘轴向单元的三层结构，在所述中心密集区域、轴向稀疏带和边缘轴向单元的取值为1，其他位置取值为0，其中：
4.如权利要求3所述的基于浅层特征增强的局部特征匹配方法，其特征在于，所述风车掩码卷积分支采用风车形状的稀疏卷积，具体实现为：
5.如权利要求1所述的基于浅层特征增强的局部特征匹配方法，其特征在于，基于增强的浅层特征，对两张对齐后的图像进行匹配，具体包括：
6.如权利要求5所述的基于浅层特征增强...
【专利技术属性】
技术研发人员：李彬，郝子鑫，张明亮，段培永，刘丽霞，张瑜，张友梅，
申请(专利权)人：齐鲁工业大学山东省科学院，
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。