一种基于图卷积神经网络的图像配准方法技术

本发明专利技术涉及一种基于图卷积神经网络的图像配准方法，包括步骤：获得图像对的关键点，并初始化关键点匹配；将初始匹配对输入到多层感知机获得每个匹配对的特征点信息；将初始匹配对输入到图卷积神经网络获得每个匹配点对的局部图空间特征信息；将匹配点对的特征点信息与局部图空间特征信息联合后输入到多层感知机学习联合特征，并输出最终特征；利用输出的最终特征计算损失值，并采用反向传播算法调整网络参数。本发明专利技术有效提高了配准精度。

【技术实现步骤摘要】
一种基于图卷积神经网络的图像配准方法
本专利技术涉及计算机视觉
，特别是一种基于图卷积神经网络的图像配准方法。
技术介绍
越来越多的计算机视觉产品融入到我们的日常生活中，而现实生活中复杂的数据对计算机视觉算法要求越来越高。估计两图像之间的几何关系是计算机视觉邻域的基础问题，在StructurefromMotion和SimultaneousLocalizationandMapping里扮演了重要的角色。在图像配准里，传统的外点去除算法比如有RANSAC(FischlerMA,BollesRC.Randomsampleconsensus:aparadigmformodelfittingwithapplicationstoimageanalysisandautomatedcartography.CommunicationsoftheACM.1981Jun1；24(6):381-95.)是标准算法，也是最流行的外点去除算法。GMS(BianJ,LinWY,MatsushitaY,YeungSK,NguyenTD,ChengMM.Gms:Grid-本文档来自技高网...

【技术保护点】
1.一种基于图卷积神经网络的图像配准方法，其特征在于，包括以下步骤：/n获得图像对的关键点，并初始化关键点匹配；/n将初始匹配对输入到多层感知机获得每个匹配对的特征点信息；/n将初始匹配对输入到图卷积神经网络获得每个匹配点对的局部图空间特征信息；/n将匹配点对的特征点信息与局部图空间特征信息联合后输入到多层感知机学习联合特征，并输出最终特征；/n利用输出的最终特征计算损失值，并采用反向传播算法调整网络参数。/n

【技术特征摘要】
1.一种基于图卷积神经网络的图像配准方法，其特征在于，包括以下步骤：
获得图像对的关键点，并初始化关键点匹配；
将初始匹配对输入到多层感知机获得每个匹配对的特征点信息；
将初始匹配对输入到图卷积神经网络获得每个匹配点对的局部图空间特征信息；
将匹配点对的特征点信息与局部图空间特征信息联合后输入到多层感知机学习联合特征，并输出最终特征；
利用输出的最终特征计算损失值，并采用反向传播算法调整网络参数。


2.根据权利要求1所述的一种基于图卷积神经网络的图像配准方法，其特征在于，所述获得图像对的关键点，并初始化关键点匹配对及数据集具体为：
采用特征提取算法提取2D配准图像中关键点坐标的假设匹配对，得到其中，N为匹配点对的个数，pi为其中的一个假设匹配对，与为一对匹配对的坐标。


3.根据权利要求1所述的一种基于图卷积神经网络的图像配准方法，其特征在于，所述将初始匹配对输入到多层感知机获得每个匹配对的特征点信息具体包括以下步骤：
步骤S21：采用一层共享感知机将初始匹配对的集合P＝[p1；p2；...；pi；...；pN]映射到其中，N为匹配点对的个数，M为特征通道数；
步骤S22：将N个匹配点对输入到基础残差网络结构中，获得每个匹配对的映射特征输出其中，C1为特征通道的维数。


4.根据权利要求3所述的一种基于图卷积神经网络的图像配准方法，其特征在于，所述基础残差网络结构包括一层共享感知机MLP、一个实例归一化层IN，一个批量归一化层BN，和一个矫正线性单元ReLU。


5.根据权利要求1所述的一种基于图卷积神经网络的...

【专利技术属性】
技术研发人员：肖国宝，郑伟，钟振，刘鑫，
申请(专利权)人：闽江学院，
类型：发明
国别省市：福建;35