摘要:传统的Superglue算法在图像匹配准确度上表现优异,但是在面对经过旋转变换后且纹理较复杂的图像时,仍具备优化空间。针对上述问题,提出一种基于置信度分数更新机制的Superglue特征匹配算法。首先通过引入Top-k注意力机制,帮助模型从大量的无关噪声中筛选出最重要的图像特征;其次,提出一个可变形注意力图像增强模块,对待匹配图像进行进一步的特征增强,将可变形卷积后的特征与更新后的特征拼接;最后,提出一种置信度分数更新机制,在分数高于阈值时考虑输出,在分数低于阈值时终止匹配,通过不断迭代优化匹配分数,最终提高匹配精度。经过实验验证,改进后的算法在5°、10°、20°的阈值条件下,在经过旋转变换后且纹理较复杂的图像中,位姿估计精度达到了34.57%、52.00%和72.59%,并取得了82.25%的平均精度。本算法的实现,为图像匹配问题提供了一种新的改进方法。