文献类型：期刊文章

作　　者：贾迪[1] 朱宁丹[1] 杨宁华[1] 吴思[1] 李玉秀[1] 赵明远[1]

Jia Di;Zhu Ningdan;Yang Ninghua;Wu Si;Li Yuxiu;Zhao Mingyuan(School of Electronic and Information Engineering. Liaoing Technical University,Huludao 125105. China)

机构地区：[1]辽宁工程技术大学电子与信息工程学院,葫芦岛125105

出　　处：《中国图象图形学报》

基　　金：国家自然科学基金项目(61601213);中国博士后面上基金项目(2017M611252);辽宁省教育厅项目(LR2016045;LJYL017)~~

年　　份：2019

卷　　号：24

期　　号：5

起止页码：677-699

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的图像匹配作为计算机视觉的核心任务,是后续高级图像处理的关键,如目标识别、图像拼接、3维重建、视觉定位、场景深度计算等。本文从局部不变特征点、直线、区域匹配3个方面对图像匹配方法予以综述。方法局部不变特征点匹配在图像匹配领域发展中最早出现,对这类方法中经典的算法本文仅予以简述,对于近年来新出现的方法予以重点介绍,尤其是基于深度学习的匹配方法,包括时间不变特征检测器(TILDE)、Quad-networks、深度卷积特征点描述符(Deep Desc)、基于学习的不变特征变换(LIFT)等。由于外点剔除类方法常用于提高局部不变点特征匹配的准确率,因此也对这类方法予以介绍,包括用于全局运动建模的双边函数(BF)、基于网格的运动统计(GMS)、向量场一致性估计(VFC)等。与局部不变特征点相比,线包含更多场景和对象的结构信息,更适用于具有重复纹理信息的像对匹配中,线匹配的研究需要克服包括端点位置不准确、线段外观不明显、线段碎片等问题,解决这类问题的方法有线带描述符(LBD)、基于上下文和表面的线匹配(CA)、基于点对应的线匹配(LP)、共面线点投影不变量法等,本文从问题解决过程的角度对这类方法予以介绍。区域匹配从区域特征提取与匹配、模板匹配两个角度对这类算法予以介绍,典型的区域特征提取与匹配方法包括最大稳定极值区域(MSER)、基于树的莫尔斯区域(TBMR),模板匹配包括快速仿射模板匹配(FAs T-Match)、彩色图像的快速仿射模板匹配(CFASTMatch)、具有变形和多样性的相似性度量(DDIS)、遮挡感知模板匹配(OATM),以及深度学习类的方法 MatchNet、L2-Net、PN-Net、Deep CD等。结果本文从局部不变特征点、直线、区域3个方面对图像匹配方法进行总结对比,包括特征匹配方法中影响因素的比较、基于深度学习类匹配方法的比较等,给出�

关 键 词：图像匹配 局部不变特征匹配  直线匹配  区域匹配  语义匹配 深度学习  

分 类 号：TP391]