基于人工智能的红外图像特征点匹配研究.pdfVIP

IT技术TECHNOLOGYANDINFORMATION

基于人工智能的红外图像特征点匹配研究

1,23

吴昊 刘继承

1. 合肥美的洗衣机有限公司 安徽 合肥 230093；

2. 合肥工业大学 安徽 合肥 230009；

3. 合肥通用职业技术学院 安徽 合肥 230088

摘 要 本文研究了基于人工智能的深度学习的红外图像特征点匹配方法。通过选择合适的数据集和预处理技术，

设计了卷积神经网络（CNN）架构，并采用特征点匹配算法和特征转换方法进行匹配。通过实验评估和性能比较，

结果表明，基于深度学习的方法在红外图像特征点匹配方面取得了显著的性能提升。本研究的成果对于红外图像处

理和特征点匹配领域具有重要意义。

关键词 红外图像；特征点匹配；深度学习；卷积神经网络；特征转换

ResearchonInfraredImageFeaturePointMatchingBasedonArtificialIntelligence

WuHao1,2,LiuJi-cheng3

1.MideaWashingMachineCo.,Ltd.,Hefei230093,AnhuiProvince,China;

2.HefeiUniversityofTechnology,Hefei230009,AnhuiProvince,China;

3.HefeiVocationalandTechnicalCollegeofGeneralTechnology,Hefei230088,AnhuiProvince,China

AbstractThispaperinvestigatesamethodforinfraredimagefeaturepointmatchingbasedonartificialintelligenceand

deeplearning.Byselectingappropriatedatasetsandpreprocessingtechniques,aConvolutionalNeuralNetwork(CNN)

architecturewasdesigned,andfeaturepointmatchingalgorithmsandfeaturetransformationmethodswereemployedfor

matching.Experimentalevaluationandperformancecomparisondemonstratethatthedeeplearning-basedapproachachieves

significantperformanceimprovementsininfraredimagefeaturepointmatching.Theresultsofthisstudyareofgreat

significancetothefieldofinfraredimageprocessingandfeaturepointmatching.

KeywordsInfraredImage;FeaturePointMatching;DeepLearning;ConvolutionalNeuralNetwork;FeatureTransformation

引言选择对研究的结果和可行性具有重要影响，数据集的选择应考

随着红外成像技术的快速发展和广泛应用，红外图像处虑以下因素。

理成为计算机视觉领域的重要研究方向之一。红外图像中蕴1.数据集内容。选择包含红外图像对的数据集，其中每对

含着丰富的目标信息，但由于其特殊的成像方式和特性，红外图像都包含匹配和非匹配的特征点，这样的数据集有助于训练

图像的处理和分析面临