基于双神经网络的多源图像匹配算法研究

基于双神经网络的多源图像匹配算法研究
迁西南
[概述]大型多源图像匹配问题主要集中在配对图像匹配和几何验证计算上。该问题已成为图像处理领域的热门话题。
对于大多数图像处理,具有匹配关系的图像很重要,您需要查找图像之间的关系。
但是,随着照相技术的发展,越来越多的图像被获取,并且实际需要的图像在全部获取的图像中所占的比例越来越小,使得越来越难以获得有用的信息。
当前,对于大型多源图像匹配,基于手动设计功能的传统算法使用监视的深度功能和配对方法来降低准确性,鲁棒性和训练要求。不能基于双神经网络提取局部相似度。
因此,基于先前的工作,本文提出了一种改进的基于双神经网络的方法,用于匹配来自多个源的图像。
主要研究内容如下:1。
一种基于堆栈自动编码器的无监督提取深度函数的方法。
图像功能的质量直接影响图像算法的最终效果。
相比于手动设计的局限性和缺乏通用性,深度功能具有更好的通用性和多级语义,并在图像匹配中提供了更好的性能。
同时,为了减少深度特征训练和大量依赖样本的计算成本,本文档设计了适用于图像匹配以进行特征提取的堆叠卷积自动编码器模型。深无监督。
使用多层网络实现堆叠式自动编码器,并执行无监督的特征学习以获得高阶分布方程。
2)
基于改进的双神经网络结构的图像匹配算法研究。
本文指出了双神经网络的传统结构不能很好地度量局部相似性,改善目标函数,改善内积相对差的结构的问题。提议权重:总体相似性度量成为设计相似性度量。
实验是使用牛津大学视觉几何小组提供的图像集数据进行的,该数据集经过验证并与现有的传统方法进行了比较。
实验表明,该文献记载的方法可以有效提高图像匹配的准确性和效率。
[学位单位]:中国地形科学研究院[等级]:硕士学位[特许经营年]:2019[类别编号]:TP391。
41; TP183
下载全文
更多类似的文献


新闻排行

精华导读