基于Unet的红外与可见光图像单应性估计方法

摘要

针对现有方法在深层网络中未能充分利用浅层特征,从而导致单应性估计性能受限的问题,提出了一种基于Unet的红外与可见光图像单应性估计方法。分别利用特征提取器和掩码预测器提取图像对的特征图和掩码。再分别把图像对的特征图和掩码进行相乘,以获取加权特征图,从而更好地突出特征图中对单应性估计有很大贡献的内容。把图像对的加权特征图进行通道级联以作为单应性估计器的输入,从而得到单应性矩阵。该单应性估计器的主干是Unet,它能有效地在深层网络中整合浅层低级特征。大量实验结果表明,Unet的引入可有效提升单应性估计性能,角点误差从5.25显著下降至5.17。