【课题推荐发表期刊】

【课题背景】

图像匹配作为图像处理领域中的一个核心且关键的技术，其基本原理是通过寻找图像之间的相似性来建立不同图像之间的关联。这种技术在多个领域中都具有广泛的应用价值，并在许多复杂任务中起到了关键的支撑作用。例如，在自动驾驶技术中，图像匹配被用于识别道路标志、跟踪车道线、检测障碍物以及识别交通信号灯，从而保证自动驾驶系统的稳定运行，确保行驶安全性和精准性。

本课题将基于深度学习的特征，运用图像匹配技术探索特征匹配、点云配准的算法构建和在多个领域的应用。

【课题方向参考】

• 基于深度学习的特征匹配

• 基于深度学习的点云配准

【适合人群】

本科生、硕士、博士均可，需熟悉研究方向并有初步想法与创新；会使用python、latex和简单的制图工具；具备基本的英语读写能力；具有服务器，3090及以上。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

Nancy，211高校在读博士，QS排名前50高校访问学者

• 长期担任多个CCF-A和SCI一区期刊和会议编委或审稿人，包括CVPR、TIP、TCSVT等；

• 发表论文12篇，其中CCF-A三篇（CVPR，AAAI和ACM MM），SCI一区一篇（TGRS），SCI二区三篇（Neurocomputing）；

• 曾指导多名学生发表SCI一区、二区一作论文；具备丰富的英文写作经验和论文指导经验；

• 熟练使用python和各类画图工具，基本掌握Matlab。

【课题安排】

研究周期预估六个月左右，具体视学员情况调整。

【推荐阅读】

• 2021 Image matching from handcrafted to deep features: A survey（International Journal of Computer Vision，IJCV）

• 2022 MS2DG-Net: Progressive correspondence learning via multiple sparse semantics dynamic graph（Computer Vision and Pattern Recognition，CVPR）

• 2024 TrGa: Reconsidering the Application of Graph Neural Networks in Two-View Correspondence Pruning （Proceedings of the 32nd ACM International Conference on Multimedia，ACM MM)