基于深度卷积特征的非线性强度声纳图像匹配

随着水下视觉技术的不断发展，可获取的遥感图像越来越多。在水下场景中，声纳传感器是目前最有效的远程感知设备，其捕获的声纳图像可提供丰富的环境信息。为分析某一场景，常需融合来自不同时期、不同声纳频率及不同视角的声纳图像。然而，上述场景会给声纳图像带来非线性强度差异，使传统匹配方法几乎失效。本文提出一种结合局部特征点与深度卷积特征的非线性强度声纳图像匹配方法。该方法有两个关键优势：(i) 基于自学习思想生成与局部特征点相关的数据样本；(ii) 使用卷积神经网络（CNN）与孪生网络架构度量声纳图像对中局部位置的相似性。我们的方法将特征提取与特征匹配阶段封装于一个模型中，直接学习从图像块对到匹配标签的映射函数，并以近端到端方式完成匹配任务。在自主水下航行器（AUV）于真实水下环境获取的声纳图像上进行了特征匹配实验。实验结果表明，本方法具有更好的匹配效果与强鲁棒性。