来源：期刊VIP网 时间：
作者：肖宇;李泽昊;王超;
单位：华中科技大学机械科学与工程学院;
摘要：岩体孔壁全景展开图像拼接时采用传统方法时存在相邻图像间建立特征对应关系的鲁棒性不足，提取的图像特征点质量差、数量少等问题，采用有监督学习方法无法获取足够精确标注的匹配点对。针对上述问题，提出了一种基于无监督学习的岩体孔壁全景展开图像拼接方法。通过基于分组卷积改进的ResNet网络对相邻2幅待拼接的岩体孔壁全景展开图像进行多尺度特征提取；引入匹配度交叉相关计算模块识别和对齐特征图中的特征，进而确定对应特征图间的空间关系；通过全局和局部变形偏移量计算网络模块对图像进行精确的空间特征对齐；通过单应性变形模块与图像网格变形模块，有效消除相邻图像间的特征变形，实现图像间的整体对齐和精细的局部调整，精准配准局部特征和变形。实验结果表明：该方法能有效克服图像特征偏移、内容错位、细节特征丢失和拼接失败等问题，拼接处几乎没有明显的拼接痕迹，提高了拼接图像的整体质量和视觉效果；在均方根误差（RMSE）、重叠区域的峰值信噪比（PSNR）和结构相似性（SSIM）指标上均优于其他主流的图像拼接方法，显著提升了岩体孔壁全景展开图像拼接精度。
关键词：岩体孔壁全景展开图像;图像拼接;无监督学习;全局和局部变形偏移量;单应性变形
基金资助：国家自然科学基金面上项目（51875224）
