基于粗到细的非刚性配准的侧扫描声纹拼贴
地球物理
2025-12-02 v1 计算机视觉与模式识别
摘要
侧扫描声纹拼贴在大规模海床映射中发挥着关键作用，但因多样化的声呐获取条件导致复杂的非线性、空间变化性失真，成为主要挑战。现有的刚性或仿射配准方法无法建模此类复杂变形，而传统的非刚性技术则容易过拟合，且在稀疏纹理声纹数据上缺乏鲁棒性。为解决这些挑战，我们提出了一种针对大规模侧扫描声纹图像的粗到细层次非刚性配准框架。该方法首先从稀疏对应点进行全局薄板样条（TPS）初始化，随后采用基于超像素的分割方法，将图像划分为保持地形完整性的结构一致性区域。每个区域随后通过预训练的SynthMorph网络进行无监督细化，实现密集且灵活的对齐，无需特定任务的训练。最后，融合策略将全局与局部变形整合为平滑、统一的变形场。广泛的定量和可视化评估表明，在挑战性的声纹数据集上，我们的方法在精度、结构一致性和变形平滑性方面显著优于最先进的刚性、经典非刚性和基于学习的方法。
关键词
引用
@article{arxiv.2512.00052,
title = {Coarse-to-Fine Non-Rigid Registration for Side-Scan Sonar Mosaicking},
author = {Can Lei and Nuno Gracias and Rafael Garcia and Hayat Rajani and Huigang Wang},
journal= {arXiv preprint arXiv:2512.00052},
year = {2025}
}