首页|期刊简介|投稿指南|分类索引|刊文选读|订阅指南|证明资料|样刊邮寄查询|常见问题解答|联系我们
张卡,宿东,王蓬勃,等. 深度学习技术在影像密集匹配方面的进展与应用[J]. 科学技术与工程, 2020, 20(30): 12268-12278.
张卡,sudong,王蓬勃,et al.Progress and application of deep learning in image dense matching[J].Science Technology and Engineering,2020,20(30):12268-12278.
深度学习技术在影像密集匹配方面的进展与应用
Progress and application of deep learning in image dense matching
投稿时间:2020-02-09  修订日期:2020-08-03
DOI:
中文关键词:  密集匹配  计算机视觉  深度学习  视差估计
英文关键词:dense matching  computer vision  deep learning  disparity prediction
基金项目:国土资源部城市土地资源监测与仿真重点实验室开放基金资助课题;江苏省研究生科研与实践创新计划项目;国家自然科学基金;国家重点研发计划;江苏省海洋科技创新专项项目;江苏高校优势学科建设工程资助项目
                    
作者单位
张卡 南京师范大学
宿东 南京师范大学
王蓬勃 南京师范大学地理科学学院
陈辉 南京师范大学地理科学学院
张珊 南京师范大学地理科学学院
叶龙杰 南京师范大学地理科学学院
赵娜 南京师范大学地理科学学院
摘要点击次数: 373
全文下载次数: 116
中文摘要:
      在计算机视觉及摄影测量领域中,影像的密集匹配一直是研究的重点与难点之一。它在影像三维重建、数字表面模型生产中都具有不可或缺的作用。近几年来,随着深度学习的快速发展,基于深度学习的影像密集匹配算法也是层出不穷。本文通过对目前具有代表性的技术方法进行回顾,按照基于图像块的相似性度量学习和端对端生成视差图两类研究思路,叙述了深度学习在影像密集匹配中的研究进展与趋势,总结了现有方法的优点与不足,以期为影像匹配的研究提供具有参考价值的文献综述。
英文摘要:
      In the field of computer vision and photogrammetry, image dense matching has always been one of the key and difficult point of research. It plays an indispensable role in the three-dimentional reconstruction and digital surface model production. In recent years, with the rapid development of the deep learning, image dense matching algorithms based on deep learning have also emerged endlessly. This article reviews the current representative technical methods, and describes the research progress and trends of deep learning in image-dense matching based on two types of research ideas: image block-based similarity measurement learning and end-to-end disparity map generation. The advantages and disadvantages of the existing methods are presented in order to provide a literature review with reference value for the research of image matching.
查看全文  查看/发表评论  下载PDF阅读器
关闭
你是第34873400位访问者
版权所有:科学技术与工程编辑部
主管:中国科学技术协会    主办:中国技术经济学会
Tel:(010)62118920 E-mail:stae@vip.163.com
京ICP备05035734号-4
技术支持:本系统由北京勤云科技发展有限公司设计

京公网安备 11010802029091号