典型深度学习算法在地图图像特征点匹配上的适用性分析

为探究不同地图要素对典型深度学习图像特征点匹配算法的影响,分析不同算法在地图图像特征点匹配任务中的适用性,该文基于标准地图数据,选择地理要素、地图比例尺、地图符号、制图区域为研究变量,使用单一变量原则构建地图特征点匹配样本库,分别应用典型深度学习算法SuperGlue、GlueStick、Patch2Pix进行地图图像特征点匹配,使用地图匹配率、平均正确匹配对数、平均匹配正确率3个指标进行结果评价。结果表明,SuperGlue算法适用于较小制图区域中具有地图符号差异的地图图像特征点匹配;GlueStick算法适用于中等和较大制图区域中具有地图比例尺差异的地图图像特征点匹配,以及具有制图区域差异的地图图像特征点匹配;Patch2Pix算法适用于较小制图区域中具有地图比例尺差异的地图图像特征点匹配,中等和较大制图区域中具有地图符号差异的地图图像特征点匹配,以及具有地理要素差异的地图图像特征点匹配。