主題: image registration 圖像配準(zhǔn)
針對多時段、多視角、多傳感器采集的圖像，比較兩幅圖像特征求解對應(yīng)關(guān)系進(jìn)而進(jìn)行相互對齊。alignment
主流方法：
1）基于區(qū)域的對齊；
2）基于特征的對齊。
本文主要針對方向2進(jìn)行研究
主流的SIFT特征描述子（及先關(guān)改進(jìn)方法）：
優(yōu)點：對圖像旋轉(zhuǎn)和尺度變化有很強大的魯棒性
缺點：當(dāng)圖像表面分布發(fā)生變化時（如多個時段拍攝的圖像，樹木河流植被環(huán)境光等都會發(fā)生變化），誤匹配多，有效匹配個數(shù)不足、分布不均。
問題：
1）SIFT匹配到大量outliers；
2）SIFT無法檢測到足夠數(shù)目的特征點、或者匹配對，或者inliers的分布非常不均勻。
主要工作
非剛性圖像配準(zhǔn) image registration
主要貢獻(xiàn)
- 通過預(yù)訓(xùn)練的VGG 來提取多尺度特征 （實現(xiàn)：卷積的high-level信息提取+保留一定程度的精細(xì)定位信息）
- 點集配準(zhǔn)方法
- 使用最可靠的匹配點信息來估計粗略的變換關(guān)系，然后通過逐步的對局部的點進(jìn)行細(xì)化，逐步增加inliers剔除outliers
- 點的對應(yīng)關(guān)系通過卷積特征和幾何結(jié)構(gòu)信息共同來估計
