The invention provides a method of matching the Terracotta Army image using the invariant feature transformation of learning, which includes the following steps: Step 1, select any Terracotta Army image as the input Terracotta Army image, extract all the feature points of the image of an image, step 2, get the feature point distribution curve, and divide the distribution curve of the feature point. For the head area and the trunk area; step 3, the feature point set of the head area and the feature point set of the trunk region are obtained. The feature points of the head region and the trunk region are matched in each two views respectively. In feature extraction, the training data set is large, and the space invariant network model is added to get more robust features and overcome the similarity between the features of the surface of the Terracotta Army. In the image matching, the extracted features are divided into two regions of the head and trunk, reducing the matching time and reducing the matching time. Less mismatch rate.
【技术实现步骤摘要】
一种利用学习不变特征变换的兵马俑图像匹配方法
本专利技术属于图像匹配领域,具体涉及一种利用学习不变特征变换的兵马俑图像匹配方法。
技术介绍
兵马俑图像的结构复杂,不仅表面具有丰富的纹理信息,而且很多特征点间具有相似性,这使得使用现有的特征点匹配方法可能会产生较多错误匹配。现阶段对兵马俑图像的匹配方法仍采用传统的SIFT、SURF等方法,这些方法在自然图像上适应性较强,但是应用在兵马俑图像上仍存在特征点可重复率较低、特征匹配时存在大量误匹配点集等问题,从而导致正确匹配率不高。
技术实现思路
针对现有技术存在的不足,本专利技术的目的在于,提供一种利用学习不变特征变换的兵马俑图像匹配方法,根据兵马俑自身特有的铸造结构进行研究,将兵马俑分为头部、躯干两部分,有效提高了兵马俑图像匹配的准确率,较大程度上减少了错误匹配点集的同时减少了匹配时间,使兵马俑图像的视觉匹配效果更好。为了解决上述技术问题,本专利技术采用如下技术方案予以实现:一种利用学习不变特征变换的兵马俑图像匹配方法,包括以下步骤:步骤1,选择任意一幅兵马俑图像作为输入兵马俑图像,提取输入兵马俑图像的所有特征点;其中,包括:步骤11,构建输入兵马俑图像的尺度空间,得到多个尺度空间下的输入兵马俑图像;步骤12,将多个尺度空间下的输入兵马俑图像输入训练好的特征检测卷积神经网络,输出分数金字塔,在所述分数金字塔的尺度域和图像域中搜索局部极大值,并抑制非极大值元素筛选出输入兵马俑图像的特征点;步骤13,将输入兵马俑图像的特征点划分为多个图像块,计算每个图像块中特征点的方向;步骤14,根据每个图像块中特征点的方向,提取出每 ...
【技术保护点】
1.一种利用学习不变特征变换的兵马俑图像匹配方法,其特征在于,包括以下步骤:步骤1,选择任意一幅兵马俑图像作为输入兵马俑图像,提取输入兵马俑图像的所有特征点;其中,包括:步骤11,构建输入兵马俑图像的尺度空间,得到多个尺度空间下的输入兵马俑图像;步骤12,将多个尺度空间下的输入兵马俑图像输入训练好的特征检测卷积神经网络,输出分数金字塔,在所述分数金字塔的尺度域和图像域中搜索局部极大值,并抑制非极大值元素筛选出输入兵马俑图像的特征点;步骤13,将输入兵马俑图像的特征点划分为多个图像块,计算每个图像块中特征点的方向;步骤14,根据每个图像块中特征点的方向,提取出每个图像块中特征点的128维特征描述子,即得到输入兵马俑图像的所有特征点的特征描述子;步骤2,根据提取到的输入兵马俑的所有特征点,得到特征点分布曲线,将特征点分布曲线划分为头部区域和躯干区域;步骤3,根据特征点分布曲线中的头部区域和躯干区域,得到头部区域的特征点集合和躯干区域的特征点集合,在每两个视图中分别对头部区域和躯干区域的特征点进行匹配。
【技术特征摘要】
1.一种利用学习不变特征变换的兵马俑图像匹配方法,其特征在于,包括以下步骤:步骤1,选择任意一幅兵马俑图像作为输入兵马俑图像,提取输入兵马俑图像的所有特征点;其中,包括:步骤11,构建输入兵马俑图像的尺度空间,得到多个尺度空间下的输入兵马俑图像;步骤12,将多个尺度空间下的输入兵马俑图像输入训练好的特征检测卷积神经网络,输出分数金字塔,在所述分数金字塔的尺度域和图像域中搜索局部极大值,并抑制非极大值元素筛选出输入兵马俑图像的特征点;步骤13,将输入兵马俑图像的特征点划分为多个图像块,计算每个图像块中特征点的方向;步骤14,根据每个图像块中特征点的方向,提取出每个图像块中特征点的128维特征描述子,即得到输入兵马俑图像的所有特征点的特征描述子;步骤2,根据提取到的输入兵马俑的所有特征点,得到特征点分布曲线,将特征点分布曲线划分为头部区域和躯干区域;步骤3,根据特征点分布曲线中的头部区域和躯干区域,得到头部区域的特征点集合和躯干区域的特征点集合,在每两个视图中分别对头部区域和躯干区域的特征点进行匹配。2.如权利要求1所述的利用学习不变特征变换的兵马俑图像匹配方法,其...
【专利技术属性】
技术研发人员:冯筠,延瑜瑜,赵妍,崔磊,刘晓宁,
申请(专利权)人:西北大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。