.png){kind=icon}
返回
Deep Learning-Based Feature Matching Algorithm for Multi-Beam and Side-Scan Images
.png){kind=icon}
OA
AI
DOI：10.3390/rs17040675.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
侧扫声呐和多波束测深系统（MBES）是当今海洋测绘中应用最广泛的水下测绘工具。MBES在深度测量方面具有高精度，但受限于波束密度约束，成像分辨率较低。相反，侧扫声呐提供高分辨率的反向散射强度图像，但缺乏精确的位置信息，且常伴有畸变。因此，MBES和侧扫图像在深度精度和成像分辨率方面相互补充。为了在实际中获得高质量的海底地形图像，MBES与侧扫图像之间的匹配是必要的。然而，由于MBES深度图像与侧扫反向散射图像在内容和分辨率上存在显著差异，它们代表了异构图像的典型例子，使得传统图像匹配方法难以进行特征匹配。为解决此问题，本文提出了一种基于LoFTR算法的特征匹配网络，利用ResNet-50网络的中层提取两种图像类型之间的共享特征。通过利用自注意力机制和交叉注意力机制，结合了MBES和侧扫图像的特征，并计算两种模态的相似度矩阵以实现相互匹配。实验结果表明，与传统的匹配方法相比，所提出的模型对噪声干扰具有更强的鲁棒性，并能有效抑制噪声。该模型还克服了MBES与侧扫图像之间存在的非线性差异大、几何畸变显著以及匹配难度高等挑战，显著提升了优化后的图像匹配效果。匹配误差的均方根误差（RMSE）已降低至6个像素以内，实现了多波束与侧扫图像的精确匹配。
Keyword:
multi-beam system
side-scan system
image registration
feature matching
期刊
IF:
4.1
论文数:
7.4K
被引数:
15.1W
机构
暂无机构信息
引用论文
WLIB-SIFT: A Distinctive Local Image Feature DescriptorWLIB-SIFT：一种独特的局部图像特征描述符.png)
2019 IEEE 2nd International Conference on Information Communication and Signal Processing (ICICSP)
2019 IEEE 2nd International Conference on Information Communication and Signal Processing (ICICSP)IF0
PREAI
分享收藏Advanced superconducting gradiometer/Magnetometer arrays and a novel signal processing technique
PREAI
分享收藏The Drosophila CPEB Protein Orb Specifies Oocyte Fate by a 3′UTR-Dependent Autoregulatory LoopGENETICS
OAAI
GENETICSIF5.1
OAAI分享收藏Characterisation of Terrain Variations of an Underwater Ancient Town in Qiandao Lake千岛湖水下古城镇地形变化的特征分析OAAI
OAAI分享收藏Advanced Object Detection in Multibeam Forward-Looking Sonar Images Using Linear Cross-Attention Techniques基于线性交叉注意力技术的多波束前视声纳图像高级目标检测
PREAI
分享收藏The Nippon Foundation—GEBCO Seabed 2030 Project: The Quest to See the World’s Oceans Completely Mapped by 2030GeosciencesOAAI
GeosciencesIF0
OAAI分享收藏
查看更多内容