基于 AlexNet 的特征图像配准中距离度量的评估
计算机视觉与模式识别
2019-07-31 v1 分布式、并行与集群计算
图像与视频处理
摘要
图像配准是计算机视觉的经典问题，在国防、遥感、医学等领域有若干应用。基于特征的图像配准方法传统上使用手工特征提取算法，检测图像中的关键点并用点周围区域描述之。此类特征通过使用基于特征描述子间计算的距离或距离比的阈值进行匹配。深度学习尤其是卷积神经网络的发展，使研究者能解决识别、跟踪、定位等若干视觉问题。针对视觉识别等应用训练的 CNN 的卷积层或全连接层输出，被证明用作检索等其他应用中的特征时行之有效。本工作中，在图像配准第一阶段以深度 CNN AlexNet 替代手工特征进行特征提取。然而，为获有效结果，需确定合适的距离度量与匹配方法。使用基准数据集，在最近邻与最近邻比值匹配方法框架下评估了若干距离度量。评估通过比较由真值计算的指标下的匹配与配准性能完成。关键词：距离度量；深度学习；特征检测；特征描述子；图像匹配
引用
@article{arxiv.1907.12921,
title = {Evaluation of Distance Measures for Feature based Image Registration using AlexNet},
author = {K. Kavitha and B. Thirumala Rao},
journal= {arXiv preprint arXiv:1907.12921},
year = {2019}
}