量子电子学报

作者：陈建明,,曾祥津,,钟丽云,,邸江磊,∗,秦玉文,∗

单位：( 1 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;2 广东省信息光子技术重点实验室, 广东 广州 510006 )

关键词：图像处理,图像配准,深度学习,卷积神经网络,

基金：Supported by National Natural Science Foundation of China (国家自然科学基金, 62075183, 62175041), Program for GuangdongIntroducing Innovative and Entrepreneurial Teams (广东省珠江人才计划引进创新创业团队项目, 2019ZTO8X340)

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，如何高精度、实时配准已成为该领域的研究重点。与此同时，近年来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基于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。

来源：2022年第6期

《量子电子学报》期刊编辑部

查看量子电子学报杂志2022年第6期