NobleBlocks

Research indexJournal article

视差信息引导的光场特征匹配度量方法(特邀)

Meng, Haiyan, Zhaolin and 1 other

Laser & Optoelectronics Progress1 Jan 2024

NobleIDark:/48914/w1/20260525/2C358EFADOI10.3788/lop241287

Paywalled

The full text is at the publisher

You can read the abstract here, or open it at the publisher.

Read at the publisher

Abstract

现有图像特征匹配方法在应对光照变化、几何形变等复杂场景时仍具有较大局限性,原因在于特征匹配的度量缺乏深度信息与全局约束。针对该问题,提出一种视差信息引导的光场特征匹配度量方法。对光场数据应用傅里叶视差层分解以构建尺度-视差空间,从而提取包含视差信息的光场特征。依据不同视角光场特征的投影变换关系模型,构建了一种依赖光场深度线索的特征匹配度量模型。采用人工神经网络学习投影变换模型参数的求解方法以重投影误差最小化为目标函数,采用迭代优化方式实现最优投影变换模型的高精度求解,并最终实现对特征点匹配的精确度量。在光场特征匹配数据集上的实验结果表明,相较于现有主流特征匹配方法,针对存在光照变化、几何变形、非朗伯反射表面、重复纹理且具有显著深度变化的场景,所提视差信息引导的光场特征匹配度量模型取得了更优的匹配准确度与鲁棒性。

Discussion

Citations

Topics

More

Suggest a correction or report