特征描述子生成方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种特征描述子生成方法，包括：将获取的图像转化为预设大小的待处理图像，并对待处理图像的像素值进行归一化处理；利用预设残差网络对归一化处理后的待处理图像进行图像处理，获取图像对应的特征描述子；本发明专利技术通过利用预设残差网络对归一化处理后的待处理图像进行图像处理，获取图像对应的特征描述子，利用深度卷积神经网络中的残差网络生成特征描述子，使得生成的特征描述子鲁棒性更强，即对光照、旋转、尺度变换敏感度更低；并且可区分性更强，即匹配点的错误率与现有的技术相比更低，提高了用户体验。此外，本发明专利技术还公开了一种特征描述子生成装置、设备及计算机可读存储介质，同样具有上述有益效果。

【技术实现步骤摘要】
特征描述子生成方法、装置、设备及计算机可读存储介质
本专利技术涉及图像处理
，特别涉及一种特征描述子生成方法、装置、设备及计算机可读存储介质。
技术介绍
随着现代社会科技的发展，计算机得到了广泛的使用。局部图像特征描述是计算机视觉的一个基本研究问题，在寻找图像中的对应点以及物体特征描述中有着重要的作用。它是许多方法的基础，因此也是目前视觉研究中的一个热点。在利用多幅二维图像进行三维重建、恢复场景三维结构的应用中，其基本出发点是要有一个可靠的图像对应点集合，而自动地建立图像之间点与点之间的可靠对应关系通常都依赖于一个优秀的局部图像的特征描述子(局部特征描述子)。又比如在物体识别中，目前非常流行以及切实可行的方法之一是基于局部特征的，由于特征的局部性，使得物体识别可以处理遮挡、复杂背景等比较复杂的情况。现有技术中，往往是利用SIFT(Scale-invariantfeaturetransform，尺度不变特征变换)和SURF(Speeded-UpRobustFeatures)算法，生成图像的特征描述子，然而上述算法生成的特征描述子鲁棒性不够好，即对图像的光照，旋转，尺度比较敏感，而且生成的特征描述子区分性也不强，不利于图像检索、全景图拼接和三维重建过程中的使用。因此，如何能够生成鲁棒性更强且更容易区分的特征描述子，提高用户体验，是现今急需解决的问题。
技术实现思路
本专利技术的目的是提供一种特征描述子生成方法、装置、设备及计算机可读存储介质，以利用残差网络生成特征描述子，增强生成的特征描述子的鲁棒性和区分性，提升用户体验。为解决上述技术问题，本专利技术提供一种特征描述子生成方法，包括：将获取的图像转化为预设大小的待处理图像，并对所述待处理图像的像素值进行归一化处理；利用预设残差网络对归一化处理后的所述待处理图像进行图像处理，获取所述图像对应的特征描述子。可选的，所述预设残差网络的生成过程，包括：获取所述预设残差网络的训练数据集；其中，所述训练数据集包括n对匹配的待匹配训练图像和匹配训练图像，n为大于0的整数；将每个所述待匹配训练图像和每个所述匹配训练图像分别转化为所述预设大小的待处理训练图像，并对每个所述待处理训练图像的像素值进行归一化处理；判断是否达到预设迭代次数；若否，利用当前残差网络对归一化处理后的每个所述待处理训练图像进行图像处理，获取2n个当前特征描述子，并对每个所述当前特征描述子进行归一化处理；根据2n个归一化处理后的所述当前特征描述子对应的当前欧式距离集，获取当前目标损失函数；利用所述当前目标损失函数，通过随机梯度下降法和反向传播更新所述当前残差网络，并执行所述判断是否达到预设迭代次数的步骤；若是，则将所述当前残差网络作为所述预设残差网络。可选的，所述对每个所述待处理训练图像的像素值进行归一化处理，包括：通过利用2n个归一化处理前的所述待处理训练图像的像素值的平均值和方差，获取归一化处理后的每个所述待处理训练图像的像素值；其中，input和output分别为归一化处理前和归一化处理后的每个所述待处理训练图像的像素值，mean和std分别为2n个归一化处理前的所述待处理训练图像的像素值的平均值和方差。可选的，所述根据2n个归一化处理后的所述当前特征描述子对应的当前欧式距离集，获取当前目标损失函数，包括：通过计算2n个归一化处理后的所述当前特征描述子中每个所述待匹配训练图像对应的当前特征描述子与各自匹配和非匹配的所述匹配训练图像对应的当前特征描述子之间的欧氏距离，获取所述当前欧式距离集；其中，i和j均为大于0且小于等于n的正整数，i＝j时，d(ai，pj)为所述待匹配训练图像对应的当前特征描述子ai和与所述待匹配训练图像匹配的匹配训练图像对应的当前特征描述子pj之间的欧氏距离；通过利用所述当前欧式距离集计算获取所述当前目标损失函数；其中，jmin＝argminj＝1...n，j≠id(ai，pj)，kmin＝argmink＝1...n,k≠id(ak，pi)。可选的，所述预设大小具体为32*32，所述特征描述子和所述当前特征描述子均为128维特征向量。可选的，所述预设残差网络，包括：8个卷积层构成的3个残差单元。本专利技术还提供了一种特征描述子生成装置，包括：预处理模块，用于将获取的图像转化为预设大小的待处理图像，并对所述待处理图像的像素值进行归一化处理；图像处理模块，用于利用预设残差网络对归一化处理后的所述待处理图像进行图像处理，获取所述图像对应的特征描述子。可选的，该装置还包括：生成模块，用于生成所述预设残差网络；其中，所述生成模块，包括：获取子模块，用于获取所述预设残差网络的训练数据集；其中，所述训练数据集包括n对匹配的待匹配训练图像和匹配训练图像，n为大于0的整数；预处理子模块，用于将每个所述待匹配训练图像和每个所述匹配训练图像分别转化为所述预设大小的待处理训练图像，并对每个所述待处理训练图像的像素值进行归一化处理；判断子模块，用于判断是否达到预设迭代次数；图像子处理模块，用于若未达到预设迭代次数，利用当前残差网络对归一化处理后的每个所述待处理训练图像进行图像处理，获取2n个当前特征描述子；计算子模块，用于根据2n个所述当前特征描述子对应的当前欧式距离集，获取当前目标损失函数；更新子模块，用于利用所述当前目标损失函数，通过随机梯度下降法和反向传播更新所述当前残差网络，并向所述判断子模块发送启动信号；生成子模块，用于若达到预设迭代次数，则将所述当前残差网络作为所述预设残差网络。本专利技术还提供了一种特征描述子生成设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述任一项所述的特征描述子生成方法的步骤。此外，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的特征描述子生成方法的步骤。本专利技术所提供的一种特征描述子生成方法，包括：将获取的图像转化为预设大小的待处理图像，并对待处理图像的像素值进行归一化处理；利用预设残差网络对归一化处理后的待处理图像进行图像处理，获取图像对应的特征描述子；可见，本专利技术通过利用预设残差网络对归一化处理后的待处理图像进行图像处理，获取图像对应的特征描述子，利用深度卷积神经网络中的残差网络生成特征描述子，使得生成的特征描述子鲁棒性更强，即对光照、旋转、尺度变换敏感度更低；并且可区分性更强，即匹配点的错误率与现有的技术相比更低，提高了用户体验。此外，本专利技术还提供了一种特征描述子生成装置、设备及计算机可读存储介质，同样具有上述有益效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例所提供的一种特征描述子生成方法的流程图；图2为本专利技术实施例所提供的另一种特征描述子生成方法的预设残差网络的处理流程示意图；图3为本专利技术实施例所提供的另一种特征描述子生成方法的生成预设残差网络的流程图；图4为本专利技术实施例所提供的一种特征描述子生成装置的结构图。具体实本文档来自技高网...

【技术保护点】
1.一种特征描述子生成方法，其特征在于，包括：将获取的图像转化为预设大小的待处理图像，并对所述待处理图像的像素值进行归一化处理；利用预设残差网络对归一化处理后的所述待处理图像进行图像处理，获取所述图像对应的特征描述子。

【技术特征摘要】
1.一种特征描述子生成方法，其特征在于，包括：将获取的图像转化为预设大小的待处理图像，并对所述待处理图像的像素值进行归一化处理；利用预设残差网络对归一化处理后的所述待处理图像进行图像处理，获取所述图像对应的特征描述子。2.根据权利要求1所述的特征描述子生成方法，其特征在于，所述预设残差网络的生成过程，包括：获取所述预设残差网络的训练数据集；其中，所述训练数据集包括n对匹配的待匹配训练图像和匹配训练图像，n为大于0的整数；将每个所述待匹配训练图像和每个所述匹配训练图像分别转化为所述预设大小的待处理训练图像，并对每个所述待处理训练图像的像素值进行归一化处理；判断是否达到预设迭代次数；若否，利用当前残差网络对归一化处理后的每个所述待处理训练图像进行图像处理，获取2n个当前特征描述子，并对每个所述当前特征描述子进行归一化处理；根据2n个归一化处理后的所述当前特征描述子对应的当前欧式距离集，获取当前目标损失函数；利用所述当前目标损失函数，通过随机梯度下降法和反向传播更新所述当前残差网络，并执行所述判断是否达到预设迭代次数的步骤；若是，则将所述当前残差网络作为所述预设残差网络。3.根据权利要求2所述的特征描述子生成方法，其特征在于，所述对每个所述待处理训练图像的像素值进行归一化处理，包括：通过利用2n个归一化处理前的所述待处理训练图像的像素值的平均值和方差，获取归一化处理后的每个所述待处理训练图像的像素值；其中，input和output分别为归一化处理前和归一化处理后的每个所述待处理训练图像的像素值，mean和std分别为2n个归一化处理前的所述待处理训练图像的像素值的平均值和方差。4.根据权利要求2所述的特征描述子生成方法，其特征在于，所述根据2n个归一化处理后的所述当前特征描述子对应的当前欧式距离集，获取当前目标损失函数，包括：通过计算2n个归一化处理后的所述当前特征描述子中每个所述待匹配训练图像对应的当前特征描述子与各自匹配和非匹配的所述匹配训练图像对应的当前特征描述子之间的欧氏距离，获取所述当前欧式距离集；其中，i和j均为大于0且小于等于n的正整数，i＝j时，d(ai,pj)为所述待匹配训练图像对应的当前特征描述子ai和与所述待匹配训练图像匹配的匹配训练图像对应的当前特征描述子pj之间的欧氏...

【专利技术属性】
技术研发人员：彭国豪，李东，曾宪贤，王晓东，胡晓瑞，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44