研究场景图像的地理定位问题在室外定位、目标搜寻、军事侦察等领域具有重要意义。针对街景影像与鸟瞰影像之间的交叉视角场景图像匹配与定位问题，本文提出了一种融合可训练局部聚集描述子向量NetVLAD（Net Vector of locally aggregated descriptors）和全连接层的三元神经网络（Triplet Network）定位方法（Tri-NetVLAD）。三元神经网络由三组卷积神经网络CNN（Convolutional Neural Networks）构成，能同时处理3张影像，通过增大不匹配像对间的距离，减小匹配像对间的距离，实现图像检索与匹配；NetVLAD和全连接层的融合可以加强特征间的关联性。本文将CNN提取的局部卷积特征分别通过NetVLAD层和全连接层得到全局描述符与特征向量，并将二者融合，有效地提升了局部特征间的关联性，并保留了不同局部特征之间的差异性，提升了模型的定位精度；改进了DBL loss（Distance-based layer loss），通过加入参数λ增强函数判别困难样本的能力，在提升模型的收敛速度和稳定性的同时也提升了模型的定位精度。在美国Vo and Hays公开数据集上的实验结果表明，Tri-NetVLAD取得了优于MCVPlaces、Triplet eDBL-Net和CVM-Net等现有方法的定位精度，在测试集上的精度高于63%。

PDF全文下载地址:

http://www.ygxb.ac.cn/rc-pub/front/front-article/download?id=10350574