基于卷积神经网络的直线描述方法研究

来源：计算机工程杂志2021年第5期北京时间：

作者：霍占强, 刘玉洁, 付苗苗, 乔应旭

单位：河南理工大学 计算机科学与技术学院, 河南 焦作 454000

摘要：为提高直线特征匹配的可靠性，提出一种基于卷积神经网络（CNN）学习的直线特征描述方法。构建用于网络学习的大规模直线数据集，该数据集包含约20.8万对匹配直线对，每条直线用其周围的局部图像块表征。将图像块输入CNN，利用HardNet网络结构提取特征，使用三元组损失函数进行训练，输出强鲁棒性的直线特征描述子。实验结果表明，与手工设计的描述子MSLD和IOCD相比，该描述子在视角、模糊、尺度和旋转变化下均具有较好的区分性，在图像拼接应用中同样表现出良好的描述性能。

关键词：直线匹配,直线特征描述子,深度学习,大规模直线数据集,卷积神经网络

基金资助：河南省高校科技创新团队支持计划（19IRTSTHN012）。