基于深度学习的图像配准方法研究进展OA北大核心CSTPCD
近年来,图像采集设备的高速发展极大地丰富了图像种类和数量。图像配准技术作为图像分析和处理的关键,在图像融合、模式识别和计算机视觉等领域作用日益重要,如何实现高精度、实时配准已成为该领域的研究重点。与此同时,深度学习技术发展迅速,卷积神经网络在图像表示、特征提取等方面显示出独特优势。本文系统综述了基于深度学习技术实现图像配准的相关研究进展,深入讨论了基于深度迭代配准、全监督图像配准、弱/双重监督图像配准、无监督图像配准等典型的深度学习的图像配准方法…查看全部>>
陈建明;曾祥津;钟丽云;邸江磊;秦玉文
广东工业大学信息工程学院先进光子技术研究院,广东广州510006 广东省信息光子技术重点实验室,广东广州510006广东工业大学信息工程学院先进光子技术研究院,广东广州510006 广东省信息光子技术重点实验室,广东广州510006广东工业大学信息工程学院先进光子技术研究院,广东广州510006 广东省信息光子技术重点实验室,广东广州510006广东工业大学信息工程学院先进光子技术研究院,广东广州510006 广东省信息光子技术重点实验室,广东广州510006广东工业大学信息工程学院先进光子技术研究院,广东广州510006 广东省信息光子技术重点实验室,广东广州510006
信息技术与安全科学
图像处理图像配准深度学习卷积神经网络
《量子电子学报》 2022 (6)
P.899-926,28
评论