轻量级无监督深度学习水下图像拼接算法
来源：电子测量技术杂志2025年第19期北京时间：
作者：胡帅晨，张鹏，崔敏
单位：1.中北大学仪器与电子学院 太原 030051; 2.中北大学电子测量技术国家重点实验室 太原 030051; 3. 中北大学半导体与物理学院 太原 030051
摘要：传统拼接方法在复杂场景下表现不佳，且有监督方法标注数据困难，现有的无监督图像拼接方法模型参数大，拼接时间长。因此，提出了一种轻量级无监督深度学习的图像拼接框架，分为无监督图像变形网络和无监督图像融合网络两个阶段。在图像变形网络中，使用MobileNetV2作为网络主干，结合ECA模块得到图像的变形信息。图像融合模块使用UNeXt作为主干网络得到图像重叠区域的接缝线进行无缝拼接，通过添加AG模块以及改进Tokenized MLP模块来提高精度。此外，由于缺乏水下图像拼接的数据集，本文还构建了真实场景下的无监督水下图像拼接的数据集，并在该数据集以及公开数据集UDIS-D上比较了SIFT+Ransac、ORB+Ransac、UDIS算法和UDIS++算法，实验结果表明，本文算法在保证拼接精确度的同时将模型的参数量下降了74%，拼接速度提升了46%。
关键词：水下图像;图像拼接;MobileNetV2;UNeXt
基金资助：国家国防基金(2023-JCJQ-JJ-0353)项目资助
