Ứng dụng kỹ thuật so khớp trong ghép nối ảnh toàn cảnh phục vụ xây dụng hệ thống du lịch ảo ở thanh hóa

BỘ GIÁO DỤC VÀ ĐÀO TẠO UBND TỈNH THANH HÓA TRƢỜNG ĐẠI HỌC HỒNG ĐỨC NGUYỄN THỊ ĐÀO ỨNG DỤNG KỸ THUẬT SO KHỚP TRONG GHÉP NỐI ẢNH TOÀN CẢNH PHỤC VỤ XÂY DỤNG HỆ THỐNG DU LỊCH ẢO Ở THANH HĨA LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH THANH HÓA, NĂM 2020 BỘ GIÁO DỤC VÀ ĐÀO TẠO UBND TỈNH THANH HÓA TRƢỜNG ĐẠI HỌC HỒNG ĐỨC NGUYỄN THỊ ĐÀO ỨNG DỤNG KỸ THUẬT SO KHỚP TRONG GHÉP NỐI ẢNH TOÀN CẢNH PHỤC VỤ HỆ THỐNG DU LỊCH ẢO Ở THANH HÓA LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Chun ngành: Khoa học máy tính Mãsố: 8480101 Ngƣời hƣớng dẫn khoa học: PGS TS HOÀNG VĂN DŨNG THANH HĨA, NĂM 2020 LỜI CAM ĐOAN Tơi xin cam đoan: Những nội dung luận văn thực dƣới hƣớng dẫn trực tiếp PGS.TS Hoàng Văn Dũng Mọi tham khảo dùng luận văn đƣợc trích dẫn rõ ràng tên tác giả, tên cơng trình, thời gian, địa điểm cơng bố Mọi chép không hợp lệ, vi phạm quy chế đào tạo, hay gian trá, tơi xin chịu hồn tồn trách nhiệm Thanh Hóa, tháng năm 2020 Ngƣời cam đoan Nguyễn Thị Đào i LỜI CẢM ƠN Trƣớc tiên em xin gửi lời cảm ơn sâu sắc đến Thầy hƣớng dẫn, PGS.TS Hồng Văn Dũng tận tình hƣớng dẫn, truyền đạt kiến thức, kinh nghiệm cho em suốt trình thực luận văn Xin gửi lời cảm ơn đến quý thầy cô Khoa Công nghệ thông tin truyền thông, Trƣờng đại học Hồng Đức, ngƣời truyền đạt kiến thức quý báu cho em suốt thời gian học tập vừa qua Tôi xin gửi lời cảm ơn tới đồng chí lãnh đạo đơn vị trƣờng THPT Nông Cống I – Huyện Nông Cống – Thanh Hóa tạo điều kiện thời gian để tơi hồn thành chƣơng trình học Sau xin gửi lời cảm ơn đến gia đình, bạn bè bạn học viên lớp thạc sĩ khoa học máy tính khóa 2018-2020 ln động viên, giúp đỡ trình học tập làm luận văn Mặc dù thân cố gắng nghiên cứu nhƣng với khả kiến thức có hạn nên khơng tránh khỏi thiếu sót Rất mong nhận đƣợc góp ý quý báu từ Quý Thầy, Cơ để luận văn đƣợc hồn chỉnh Một lần em xin chân thành cảm ơn! ii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC TỪ VIẾT TẮT vi DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ vii MỞ ĐẦU 1 Tính cấp thiết đề tài Mục đích đề tài Đối tƣợng phạm vi nghiên cứu Phƣơng pháp nghiên cứu Dự kiến kết đạt đƣợc Nội dung nghiên cứu CHƢƠNG 1: TỔNG QUAN VỀ CƠ SỞ LÝ THUYẾT 1.1 Một số kỹ thuật xử lý ảnh 1.1.1 Các khái niệm 1.1.2 Nhận dạng xử lý ảnh 1.1.3 Các phép biến đổi ảnh 1.1.4 Ứng dụng xử lý ảnh thực tế 12 1.2 Trí tuệ nhân tạo học máy 15 1.2.1 Khái niệm trí tuệ nhân tạo (AI) 15 1.2.2 Các chủ đề học máy 16 1.3 Phƣơng pháp trích xuất biểu diễn đặc trƣng 19 1.3.1 Phƣơng pháp trích xuất đặc trƣng dựa vào đốm (blob) 19 1.3.2 Cách tiếp cận học sâu trích xuất đặc trƣng 20 1.4 Tƣơng tác thực ảo du lịch thông minh 24 1.4.1 Nền tảng thực tế ảo website 3D cho du lịch 24 1.4.2 Công nghệ Scan 3D 24 1.4.3 Công nghệ dựng vật thể 3D từ máy ảnh 29 iii 1.4.4 Thực tế ảo 30 1.4.5 Thực tế tăng cƣờng 30 1.4.6 Du lịch ảo 32 CHƢƠNG KỸ THUẬT SO KHỚP VÀ GHÉP NỐI ẢNH 33 2.1 Phát biểu toán ứng dụng kỹ thuật so khớp ghép nối ảnh 33 2.2 Bài tốn xây dựng ảnh tồn cảnh 33 2.2.1 Ảnh toàn cảnh 33 2.2.2 So khớp hình ảnh xử lý ảnh 34 2.3 Trích xuất biểu diễn đặc trƣng để ghép nối ảnh 35 2.3.1 Đặc trƣng ảnh 35 2.3.2 Một số phƣơng pháp trích chọn đặc trƣng 36 2.4 Một số kỹ thuật so khớp ảnh truyền thống 39 2.4.1 So khớp ảnh kỹ thuật SIFT 40 2.4.2 So khớp ảnh kỹ thuật SURF 41 2.4.3 So khớp ảnh kỹ thuật Harris 43 CHƢƠNG GIẢI PHÁP VÀ THỰC NGHIỆM 46 3.1 Tìm hiểu chung khảo sát thực trạng quảng bá du lịch 46 3.1.1 Đánh giá lợi nhu cầu quảng bá du lịch 46 3.1.2 Một số khó khăn, thách thức ứng dụng cơng nghệ vào du lịch 47 3.1.3 Một số giải pháp phát triển ứng dụng công nghệ du lịch 49 3.2 Giải pháp ghép nối ảnh kỹ thuật học máy 50 3.2.1 Tổng quan giải pháp 50 3.2.2 Trích xuất đặc trƣng ảnh phƣơng pháp học máy 51 3.3 Thực nghiệm đánh giá kết 56 3.3.1 Thu thập liệu 56 3.3.2 Xây dựng ảnh toàn cảnh 61 3.3.3 Đánh giá kết thực nghiệm 62 3.4 Du lịch ảo Thanh Hóa 66 3.5 Xây dựng mơ hình tƣơng tác ảo 3D-Panoramic 66 iv 3.5.1 Sơ đồ luồng xử lý 67 3.5.2 Biến đổi ảnh toàn cảnh thành dạng lập thể 67 3.5.3 Xây dựng hệ thống tƣơng tác ảo đóng gói 68 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 70 TÀI LIỆU THAM KHẢO 71 v DANH MỤC TỪ VIẾT TẮT Diễn giải Ký hiệu Tiếng Anh Tiếng Việt AI Artificial Intelligence Trí tuệ nhân tạo AR Augmented Reality Thực tế tăng cƣờng VR Virtual Reality Thực tế ảo vi DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1 Sơ đồ tổng quát hệ thống biến đổi ảnh Hình Lƣợc đồ ảnh đa mức xám Hình Cân Histogram Hình Điều chỉnh độ sáng ảnh Hình Điều chỉnh độ tƣơng phản ảnh 10 Hình Chuyển đổi hệ màu từ RGB thành grayscale 10 Hình Ảnh gốc 13 Hình Ảnh phóng to 13 Hình Ảnh làm mờ 14 Hình 10 Ảnh nét 14 Hình 11 Lấy biên ảnh 14 Hình 12 Mơ hình học có giám sát 17 Hình 13 Mạng học sâu1 20 Hình 14 Cách thức hoạt động deep learning 21 Hình 15 Mơ hình mạng neural tích chập 21 Hình 16 Mẫu máy scan 3D 27 Hình 17 Hình ảnh đƣợc Scan 3D TP Hội An, Quảng Nam 28 Hình 18 Trải nghiệm thực tế tăng cƣờng Augmented Reality 32 Hình Ảnh tồn cảnh biểu diễn kiểu ảnh hình cầu 34 Hình 2 Ảnh minh họa vector liên kết hệ số gốc liên kết biên cạnh 38 Hình Các keypoint đốm sáng đóm tối khơng khớp với 42 Hình So khớp ảnh mô tả SURF, cặp điểm tƣơng ứng ảnh 43 Hình So khớp ảnh dùng đặc trƣng điểm góc theo thuật tốn Harris, cặp điểm tƣơng ứng đƣợc thể qua đƣờng xanh nối chúng 45 Hình Lƣợc đồ trình stitching ảnh 51 vii Hình Kiến trúc học sâu dựa mơ hình ResNet để so sánh kết nối ảnh 53 Hình 3 Trực quan hƣớng, giá trị biến đổi theo pixel điểm đăc trƣng 54 Hình So sánh kết trích chọn điểm đặc trƣng so khớp cặp ảnh 54 Hình Minh họa ghép nối hai ảnh liền kề 55 Hình Tập ảnh gồm 70 ảnh ảnh vị trí biển Sầm Sơn 56 Hình Tập ảnh gồm 50 ảnh ảnh vị trí bãi biển Sầm Sơn 57 Hình Tập ảnh gồm 40 ảnh vị trí khu du lịch FLC 57 Hình Tập ảnh gồm 40 ảnh sân golf khu du lịch FLC 58 Hình 10 Tập ảnh gồm 48 ảnh vị trí khu du lịch FLC 58 Hình 11 Tập ảnh gồm 40 ảnh khu du lịch FLC – bãi biển Sầm Sơn 59 Hình 12 Tập ảnh gồm 35 vị trí địa điểm du lịch FLC 59 Hình 13 Tập ảnh gồm 40 ảnh vƣờn hoa biển Sầm Sơn 60 Hình 14 Tập ảnh gồm 50 ảnh FLC - biển Sầm Sơn 60 Hình 15 Ảnh tồn cảnh panoramic vị trí tham quan cách sử dụng kỹ thuật stitching 62 Hình 16 Ảnh tồn cảnh gồm 70 ảnh vƣờn hoa Sầm Sơn từ Hình 3.6 63 Hình 17 Ảnh tồn cảnh gồm 50 ảnh bãi biển Sầm Sơn Hình 3.7 63 Hình 18 Ảnh tồn cảnh gồm 40 ảnh từ Hình 3.8 63 Hình 19 Ảnh toàn cảnh gồm 40 ảnh sân golf từ Hình 3.9 64 Hình 20 Ảnh tồn cảnh gồm 48 ảnh từ Hình 3.10 64 Hình 21 Ảnh tồn cảnh từ 40 ảnh từ Hình 3.11 64 Hình 22 Ảnh tồn cảnh gồm 35 ảnh từ Hình 3.12 65 Hình 23 Ảnh tồn cảnh gồm 40 ảnh vƣờn hoa Sầm Sơn từ Hình 3.13 65 Hình 24 Ảnh tồn cảnh gồm 50 ảnh từ Hình 3.14 65 Hình 25 Một số hình ảnh đƣợc cắt từ chuyến tham quan du lịch ảo 66 Hình 26 Sơ đồ mơ hình xử lý tƣơng tác ảo 67 Hình 27 Các mơ hình quan sát 68 Hình 28 Giao diện thƣ viện mã nguồn mở dùng đóng gói tƣơng tác ảo 3D 69 viii Hình Tập ảnh gồm 40 ảnh sân golf khu du lịch FLC Hình 10 Tập ảnh gồm 48 ảnh vị trí khu du lịch FLC 58 Hình 11 Tập ảnh gồm 40 ảnh khu du lịch FLC – bãi biển Sầm Sơn Hình 12 Tập ảnh gồm 35 vị trí địa điểm du lịch FLC 59 Hình 13 Tập ảnh gồm 40 ảnh vƣờn hoa biển Sầm Sơn Hình 14 Tập ảnh gồm 50 ảnh FLC - biển Sầm Sơn 60 3.3.2 Xây dựng ảnh tồn cảnh - Để trích xuất tính khớp điểm chính, hình ảnh đầu vào đƣợc xếp chồng lên đƣợc đƣa vào mạng để trích xuất, tập hợp điểm đặc trƣng để ƣớc tính chuyển đổi tham số - Để việc so khớp điểm đặc trƣng cặp ảnh liền kề đảm bảo xác, q trình chụp đƣợc thực cho ảnh liền kề có mức độ chồng lấp khoảng ½ ảnh [12] (a) Ví dụ số ảnh chụp vị trí (b) Stitching ghép ảnh ảnh hình a 61 (c) Ảnh toản cảnh đầy đủ vị trí địa điểm du lịch Hình 15 Ảnh tồn cảnh panoramic vị trí tham quan cách sử dụng kỹ thuật stitching 3.3.3 Đánh giá kết thực nghiệm Luận văn trình bày cách tiếp cận học sâu để tạo tranh tồn cảnh có độ phân giải cao Hệ thống phƣơng pháp tiếp cận thiết yếu máy tính để ƣớc tính ma trận cho lựa chọn đồng cặp hình ảnh dựa học sâu - Trong phƣơng pháp sử dụng kiến trúc CNN thực nhiệm vụ phát điểm chính, mơ tả tính để khớp ảnh chọn điểm tƣơng ứng cặp hình ảnh - Tạo tập liệu lớn hình ảnh có độ phân giải cao từ ảnh riêng lẻ cảnh du lịch tự nhiên - Kết thực nghiệm cho thấy trích xuất tính học sâu phù hợp để trích xuất đến điểm chính, để ƣớc tính biến đổi tham số, hỗ trợ việc đăng kí hình ảnh, trích xuất hình ảnh - Q trình đƣợc thực cho ảnh liền kề có mức độ chồng lấp khoảng ½ ảnh, trƣờng hợp ghép ảnh bị lỗi ảnh khơng có độ chồng lấp - Với liệu thu thập, phƣơng pháp học máy để trích xuất đặc trƣng ảnh tạo nên ảnh toàn cảnh khu du lịch FLC – Sầm Sơn: 62 Hình 16 Ảnh tồn cảnh gồm 70 ảnh vƣờn hoa Sầm Sơn từ Hình 3.6 Hình 17 Ảnh tồn cảnh gồm 50 ảnh bãi biển Sầm Sơn Hình 3.7 Hình 18 Ảnh tồn cảnh gồm 40 ảnh từ Hình 3.8 63 Hình 19 Ảnh toàn cảnh gồm 40 ảnh sân golf từ Hình 3.9 Hình 20 Ảnh tồn cảnh gồm 48 ảnh từ Hình 3.10 Hình 21 Ảnh tồn cảnh từ 40 ảnh từ Hình 3.11 64 Hình 22 Ảnh tồn cảnh gồm 35 ảnh từ Hình 3.12 Hình 23 Ảnh tồn cảnh gồm 40 ảnh vƣờn hoa Sầm Sơn từ Hình 3.13 Hình 24 Ảnh tồn cảnh gồm 50 ảnh từ Hình 3.14 65 3.4 Du lịch ảo Thanh Hóa Ở Thanh Hóa có nhiều di sản thiên nhiên Quốc gia, nhiều địa điểm du lịch tiếng: Vƣờn Quốc gia Bến En, Biển Sầm Sơn, Thành Nhà Hồ, di tích Lam Kinh, Suối Cá Thần… Từ tập ảnh đơn lẻ chụp khu du lịch, sử dụng giải pháp ghép nối ảnh kĩ thuật học máy để tạo thành ảnh toàn cảnh panorama Đây đầu vào cho hệ thống tƣơng tác ảo 3D vitual tour (tham quan ảo) Từ thay trực tiếp tới địa điểm khu du lịch, ta có chuyến tham quan ảo để ngƣời xem khắp góc nhìn, chọn vị trí, tự thu phóng ảnh… Hình 25 Một số hình ảnh đƣợc cắt từ chuyến tham quan du lịch ảo 3.5 Xây dựng mơ hình tƣơng tác ảo 3D-Panoramic Mơ hình tƣơng tác ảo 3D-Panoramic hay cịn gọi lại du lịch ảo (virtual tour) thuật ngữ để hệ thống phần mềm có khả hiển thị hình ảnh video cho phép ngƣời dùng tƣơng tác theo hƣớng 360 độ có khả “đi” khung cảnh Trong nghiên cứu này, chúng tơi tập trung vào tạo mơ hình du lịch ảo từ tập ảnh tồn cảnh Nhƣ vậy, du khách thực chuyến “tham quan” ảo với góc nhìn 3D tồn cảnh Hệ thống cho phép ngƣời dùng nhìn vào hình ảnh quang cảnh vị trí điểm du lịch, tƣơng tác để quan sát hƣớng nhìn khác để trải nghiệm giống nhƣ di chuyển thực tế địa điểm du lịch tham quan Dữ liệu hình ảnh đƣợc tạo cách chụp không gian ống kính camera tồn cảnh ảnh chụp máy ảnh DSLR theo tất hƣớng quan sát 66 địa điểm sau sử dụng kỹ thuật tin học để tự động ghép hình ảnh lại với phần mềm đặc biệt để tạo ảnh toàn cảnh Trong nghiên cứu chúng tơi chọn cách tiếp cận thứ hai chi phí giá thiết bị vừa phải 3.5.1 Sơ đồ luồng xử lý Quá trình xây dựng hệ thống du lịch ảo gồm nội dung sau: Ảnh tồn cảnh Bộ biến đổi Đóng gói Máy hiển thị Hiển thị tƣơng tác Bộ điều khiển Hình 26 Sơ đồ mơ hình xử lý tƣơng tác ảo 3.5.2 Biến đổi ảnh tồn cảnh thành dạng lập thể Để hiển thị giúp cho ngƣời quan sát xem khung cảnh nhƣ thực tế đứng xem cảnh vị trí chụp hình theo hƣớng khác phần mềm điều khiển khung nhìn, trƣớc hết hình ảnh dạng toàn cảnh panoramic phải đƣợc chuyển dạng hình cầu dạng phép chiếu lập thể Trong hình học, phép chiếu lập thể hay phép chiếu phép ánh xạ chiếu hình cầu lên mặt phẳng Phép chiếu đƣợc xác định toàn mặt cầu Khi trƣờng nhìn dọc đạt tới 180 độ, biểu diễn dƣới dạng hình chiếu hình trụ ngày hiệu Khi phạm vi nhìn rộng (FOV) theo chiều dọc việc sử dụng 67 phép chiếu hình cầu phù hợp đạt hiệu cao Việc ánh xạ cho pixel ảnh toàn cảnh dạng hình trụ từ vị trí xác khối mặt thích hợp làm cho q trình biển đổi hiển thị tƣơng đối đơn giản Các điểm ảnh theo trục ngang đƣợc ánh xạ tuyến tính lên góc hình trụ Trục dọc ảnh tồn cảnh ánh xạ lên trục dọc hình trụ theo mối quan hệ lƣợng giác hàm tan (Tangent) Ví dụ (i, j) vị trí điểm ảnh ảnh tồn cảnh đƣợc chuẩn hóa miền xác định [-1, + 1] vectơ phƣơng đƣợc tính nhƣ sau: x = cos (i*pi); y = j*tan (v/ 2); z = sin (i*pi) (a) Hình ảnh dạng tồn cảnh (b) Quan sát dạng hình trụ Hình 27 Các mơ hình quan sát 3.5.3 Xây dựng hệ thống tương tác ảo đóng gói Chúng tơi xây dựng khai thác hệ thống thƣ viện hỗ trợ đóng gói tƣơng tác ảo mã nguồn mở đồng thời thử nghiệm phần mềm chuyên dụng trả 68 phí 3DVista Việc nghiên cứu thử nghiệm sử dụng hai loại phần mềm mã nguồn miễn phí phần mềm trả phí cho thấy tiếp cận nhiều cách đóng tạo lập hệ thống tƣơng tác ảo đóng gói Phần mềm mã nguồn mở đƣợc thiết kế để đóng gói sản phẩm tƣơng tác ảo làm việc với môi trƣờng tiêu chuẩn web khác Hệ thống thƣ viện hỗ trợ cơng cụ kiểm sốt ngƣời xem API Javascript hoạt động mạnh mẽ ngôn ngữ tƣơng tác CSS tiêu chuẩn hoạt động tốt HTML tiêu chuẩn Thƣ viện đƣợc xây dựng công nghệ đại WebGL, nhƣng tất thiết bị hiển thị trình duyệt thơng thƣơng hoạt động tốt Hình 28 Giao diện thƣ viện mã nguồn mở dùng đóng gói tƣơng tác ảo 3D 69 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Kết luận Sau trình học tập, nghiên cứu với dẫn tận tình giáo viên hƣớng dẫn vấn đề: kỹ thuật xử lý ảnh, kỹ thuật học máy ghép nối ảnh, so khớp ghép nối ảnh, luận văn hoàn thành đạt đƣợc kết quả: - Về lý thuyết: + Luận văn nghiên cứu, trình bày tổng quan lý thuyết kỹ thuật xử lý ảnh, học máy, tƣơng tác thực ảo du lịch thông minh + Các kỹ thuật truyền thống: SIFT, SURF, Harris; kỹ thuật học máy - Về thực tiễn: + Luận văn xây dựng liệu gồm vị trí địa điểm du lịch, địa điểm khoảng 40- 70 ảnh có độ phân giải cao + Từ tập ảnh có độ phân giải cao, tạo đƣợc ảnh toàn cảnh độ phân giải chất lƣợng cao Từ phục vụ xây dựng hệ thống du lịch ảo Thanh Hóa Hƣớng phát triển - Luận văn tập trung việc tìm hiểu kỹ thuật trích chọn đặc trƣng học sâu để đạt hiệu cao hơn, cải thiện để phát triển nhiều tính mơ tả chúng - Hoàn thành xây dựng hệ thống du lịch ảo Thanh Hóa với tƣơng tác ảnh 3D từ ảnh toàn cảnh, nhiều địa điểm du lịch, di tích tiếng Thanh Hóa 70 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Phạm Thế Anh (Chủ biên), Nguyễn Mạnh An, Đỗ Năng Toàn (2017), Giáo trình xử lí ảnh, Nhà xuất giáo dục Việt Nam [2] Hoàng Văn Dũng (2018), Nhận dạng xử lý ảnh, Nhà xuất khoa học kỹ thuật Tiếng Anh [3] Altwaijry, H., Veit, A., Belongie, S.J., Tech, C (2016) Learning to Detect and Match Keypoints with Deep Architectures BMVC, Cornell University [4] Bay, H., Tuytelaars, T., Gool, L.V (2006), “Proceedings of the 9th European conference on Computer Vision” - Volume Part I, pp 404-417 Springer-Verlag, Graz, Austria [5] Fischer, P., Dosovitskiy, A., Brox, T (2014) “Descriptor matching with convolutional neural networks” arXiv preprint arXiv:1405.5769 [6] Harris, C., Stephens, M (1998), “A combined corner and edge detector” In: Alvey vision conference, pp 147-151 [7] Hartley, R., Zisserman, A, (2004), Multiple view geometry in computer vision Cambridge University Press [8] He, K., Zhang, X., Ren, S., Sun, J (2016), “Deep residual learning for image recognition” Proceedings of the IEEE conference on computer vision and pattern recognition 770-778 [9] Van-Dung Hoang, My-Ha Le, and Kang-Hyun Jo, (2014) “Hybrid cascade boosting machine using variant scale blocks based HOG features for pedestrian detection, Neurocomputing”, vol 135, pp 357-366 [10] Van-Dung Hoang, Diem-Phuc Tran, Gia Nhu Nguyen, The Anh Pham, Van-Huy Pham, (2020) “Deep Feature Extraction for Panoramic Image Stitching” ACIIDS (2), 141-151 71 [11] Le, M.-H., Trinh, H.-H., Hoang, V.-D., Jo, K.-H, (2016) “Automated architectural reconstruction using reference planes under convex optimization” International Journal of Control, Automation and Systems 14, 814-826 [12] David G Lowe, (1999) “Object recognition from local scale-invariant features” Proceedings of the Seventh IEEE International Conference on Computer Vision, DOI: 10.1109/ICCV [13] David Lowe (2004), Distinctive Image Features from Scale-Invariant Keypoints Computer Science Department University of British Columbia Vancouver, B.C., Canada [14] Moo Yi, K., Trulls, E., Ono, Y., Lepetit, V., Salzmann, M., Fua, P (2017) “Learning to find good correspondences” In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp 2666-2674 [15] Ono, Y., Trulls, E., Fua, P., Yi, K.M (2018) “learning local features from images” Advances in Neural Information Processing Systems 6234-6244 [16] Rublee, E., Rabaud, V., Konolige, K., Bradski, G.R, (2011) “An efficient alternative to SIFT or SURF”, International Conference on Computer Vision 11, 2-10 [17] Ufer, N., Ommer, B (2017) “Deep semantic feature matching” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 6914-6923 [18] Yang, Z., Dan, T., Yang, Y (2018) “Multi-temporal remote sensing image registration using deep convolutional features” IEEE Access 6, 3854438555 72