基于LoFTR算法的图像拼接算法研究与实现

摘要：

针对传统算法图像匹配准方法提取特征点不精确、鲁棒性低、低纹理下很难识别到特征点等问题,提出了一种新的局部图像特征匹配方法,替代传统的顺序执行图像特征检测,描述和匹配的步骤.首先在原图像提取分辨率为1/8的粗略特征,然后平铺为一维向量,并为其添加位置编码,将组合结果输入Transformers模块中的自注意力层和交叉注意力层,最后输入可微分匹配层后得到置信矩阵,为该矩阵设置阈值和相互最近标准,从而得到粗略的匹配预测.其次是在精细层次上细化良好的匹配,在建立精匹配之后,通过变换矩阵到统一的坐标下,实现图像重叠区域对齐,最后通过加权平局融合算法对图像进行融合,实现对图像的无缝拼接.使用Transformers中的自注意力层和交叉注意力层来获取图像的特征描述符.实验结果表明,在特征点提取方面,LoFTR算法比传统的SIFT算法,无论在低纹理区域还是纹理比较丰富的区域提取的都更精确,同时使用此方法得到的拼接效果比传统经典算法拼接的效果更好.

关键词：图像拼接、图像特征匹配、LoFTR算法、加权平均融合

所属期刊栏目：22

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;山东省自然科学基金项目;山东省博士后创新项目

在线出版日期：2022-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：13363-13369