典型文献
基于深度学习的图像配准方法研究进展
文献摘要：
近年来,图像采集设备的高速发展极大地丰富了图像种类和数量.图像配准技术作为图像分析和处理的关键,在图像融合、模式识别和计算机视觉等领域作用日益重要,如何实现高精度、实时配准已成为该领域的研究重点.与此同时,深度学习技术发展迅速,卷积神经网络在图像表示、特征提取等方面显示出独特优势.本文系统综述了基于深度学习技术实现图像配准的相关研究进展,深入讨论了基于深度迭代配准、全监督图像配准、弱/双重监督图像配准、无监督图像配准等典型的深度学习的图像配准方法,总结了相关领域研究人员所面临的共同挑战,并指出了未来可能的研究方向.
文献关键词：
图像处理;图像配准;深度学习;卷积神经网络
中图分类号：
作者姓名：
陈建明;曾祥津;钟丽云;邸江磊;秦玉文
作者机构：
广东工业大学信息工程学院,先进光子技术研究院, 广东 广州 510006;广东省信息光子技术重点实验室, 广东 广州 510006
文献出处：
引用格式：
[1]陈建明;曾祥津;钟丽云;邸江磊;秦玉文-.基于深度学习的图像配准方法研究进展)[J].量子电子学报,2022(06):899-926
A类：
B类：
图像配准,配准方法,图像采集,发展极,图像分析,图像融合,模式识别,计算机视觉,深度学习技术,系统综述,双重监督,无监督,未来可能
AB值：
0.221813
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
