基于深度学习的高速列车图像配准算法
Information Technology(2021)
Abstract
列车车底部件检测通常采用对应区域比对策略,模板图像和当前图像因抖动造成差异,产生图像配准偏差直接影响检测结果.提出一种基于深度学习的图像快速配准算法,通过图像块的四角点单应性参数化,完成一幅图像至另一幅图像的映射,构成动车车底图像数据集,其中通过均方误差回归局部区域的角点的形变量,获得单应性矩阵,同时在预处理阶段,对图像进行直方图均衡化,放大特征,最后利用单应性矩阵对待配准图像进行仿射变换.为了验证模型的有效性,在动车车底图像上进行了测试,并对比几种经典模型,结果证明文中所提模型具有很好的性能.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined