摘要
本发明提供一种基于改进向量场一致性的误匹配剔除方法,该方法通过剔除在图像立体重建过程中错误匹配的特征点,达到提高特征匹配的准确性和重建算法稳定性的目的,为后续的立体重建任务提供更准确的参数信息。且该剔除方法结合了视觉Transformer模型提取到的全局语义信息与表征局部细节的特征描述符,构成了含有局部和全局信息的高维特征向量。在贝叶斯框架下,改进的VFC算法将插值问题转化为最大后验概率估计的求解过程。对于每个向量场样本都关联一个隐变量,用以标识该样本为内点还是离群点,并通过贝叶斯公式进行匹配扩展,尽可能保留正确的特征匹配对,并寻找潜在的正确匹配对。
技术关键词
剔除方法
局部特征描述符
关键点
EM算法
图像
标识特征
特征点
核密度估计方法
渐进式策略
语义向量
后验概率
高维特征向量
贝叶斯准则
空间结构
贝叶斯框架
解码器
样本
系统为您推荐了相关专利信息
卵子
像素点
卷积神经网络模型
标签
辅助生殖技术
亚像素边缘提取
阈值分割方法
边缘检测算法
图像灰度值
相机曝光
预测网络模型
DBSCAN算法
解码网络
关键点
时序
带电作业监护
实时视频图像
电力设备
接地体
深度学习模型
非织造纤维网
在线检测方法
在线检测装置
滤波模块
神经网络模型构建