首页 / 资料库 / 文献详情

基于无监督学习的风洞压敏漆图像配准算法

刘康 Liu Kang、孙熊伟 Sun Xiongwei、施海亮 Shi Hailiang、王先华 Wang Xianhua、叶函函 Ye Hanhan、程晨 Cheng Chen、朱锋 Zhu Feng、吴时超 Wu Shichao

2024Acta Optica SinicaEngineering被引 2开放获取

摘要

为满足压强敏感涂料（简称“压敏漆”）图像准确、快速的配准需求，提出一种基于无监督学习的压敏漆图像配准方法——PIR-Net。首先，针对风洞环境中零件的大程度形变问题，构造多尺度的网络框架，实现压敏漆图像由粗到细的配准；其次，构造类似U-Net结构的卷积网络，实现图像宏观结构特征和局部细节特征的融合；最后，设计基于结构相似性的损失函数并引入梯度场约束，以提高特征稀疏图像的配准精度。实验结果表明，相较于领域内的典型配准方法，所提方法的归一化互相关指标提高了16.4%，均方误差提高了19.1%。

引用本文（GB/T 7714）

DOI：https://doi.org/10.3788/aos231885