公开(公告)号：CN111768436A

公开(公告)日：2020-10-13

申请号：CN202010552569.4

申请日：2020-06-17

Applicant: 哈尔滨理工大学

Inventor： 王洋 ,  谢经凯 ,  张光岳

IPC: G06T7/33 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于Faster-RCNN改进的图像特征块配准方法。该方法可以应用在遥感、计算机视觉、医学影像等众多领域，是多种图像处理技术的基础，属于计算机视觉领域。本发明提出特征块匹配的思路，弥补传统的SIFT及其改进的配准算法在提取特征点过程中，特征点选取受限，检测特征点数目少等不足。利用卷积神经网络中的卷积层或池化层进行特征块的提取，利用提出的改进感知哈希算法对提取出来的特征块构成稀疏矩阵进行相似性计算，完成图像配准。本发明利用改进的RPN方法进行处理后自动获取图像中的特征区域，利用得到的特征区域，进行配准加快了图像配准的速度，提高了配准的鲁棒性。本发明对CNN卷积层输出的Feature Map使用改进的感知哈希算法进行特征匹配，简化了配准过程中的算法复杂度。

公开(公告)号：CN111768436B

公开(公告)日：2022-10-18

申请号：CN202010552569.4

申请日：2020-06-17

Applicant: 哈尔滨理工大学

Inventor： 王洋 ,  谢经凯 ,  张光岳

IPC: G06T7/33 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于Faster‑RCNN改进的图像特征块配准方法。该方法可以应用在遥感、计算机视觉、医学影像等众多领域，是多种图像处理技术的基础，属于计算机视觉领域。本发明提出特征块匹配的思路，弥补传统的SIFT及其改进的配准算法在提取特征点过程中，特征点选取受限，检测特征点数目少等不足。利用卷积神经网络中的卷积层或池化层进行特征块的提取，利用提出的改进感知哈希算法对提取出来的特征块构成稀疏矩阵进行相似性计算，完成图像配准。本发明利用改进的RPN方法进行处理后自动获取图像中的特征区域，利用得到的特征区域，进行配准加快了图像配准的速度，提高了配准的鲁棒性。本发明对CNN卷积层输出的Feature Map使用改进的感知哈希算法进行特征匹配，简化了配准过程中的算法复杂度。