大尺度变化鲁棒的图像特征匹配方法及装置制造方法及图纸

本发明专利技术提供一种大尺度变化鲁棒的图像特征匹配方法及装置，方法包括：获得原始图像对，将所述原始图像对输入尺度估计模型，获得所述原始图像对的尺度比值；根据所述尺度比值对所述原始图像对进行缩放，获得缩放图像对；对所述缩放图像对进行特征点提取和匹配，获得特征点对；将所述特征点对的坐标根据所述尺度比值进行恢复后与所述原始图像对结合，获得包含特征点对的原始图像对。在大尺度差异情况下，本发明专利技术提出的图像特征匹配方法能大幅提升图像局部特征的表现。局部特征的表现。局部特征的表现。

【技术实现步骤摘要】
大尺度变化鲁棒的图像特征匹配方法及装置


[0001]本专利技术涉及计算机视觉
，尤其涉及一种大尺度变化鲁棒的图像特征匹配方法及装置。

技术介绍

[0002]在两幅图像之间建立像素级的对应是三维重建、增强现实、视觉定位、同时定位和地图构建等任务中的关键步骤之一。建立像素级对应最经常采用的方法是提取和匹配图像局部特征点。所谓特征点，是图像里的一些特别的或显著的地方。特征点由关键点和描述子两部分组成。关键点是指特征点在图像里的位置，有些特征点还具有朝向、大小等信息。描述子通常是一个向量，按照某种人为设计的规则生成，描述该关键点邻域的信息。对于描述子的要求是，在视角变化和尺度变化的情况下，对应于同一空间三维点的不同图像中的关键点，它们的描述子应相似或互为描述子各维张成的向量空间中的最近邻。两幅图像的特征点匹配，就是认为描述子向量足够相似的两个特征点是一个空间三维点在两个二维图像平面上的投影。
[0003]尽管特征点提取和描述的方法层出不穷，但现有技术更多地关注特征点对于光照和视角变化的鲁棒性，对于特征点的尺度问题关注不多。然而，尺度变化在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大尺度变化鲁棒的图像特征匹配方法，其特征在于，包括：获得原始图像对，将所述原始图像对输入尺度估计模型，获得所述原始图像对的尺度比值；根据所述尺度比值对所述原始图像对进行缩放，获得缩放图像对；对所述缩放图像对进行特征点提取和匹配，获得特征点对；将所述特征点对的坐标根据所述尺度比值进行恢复后与所述原始图像对结合，获得包含特征点对的原始图像对。2.根据权利要求1所述的大尺度变化鲁棒的图像特征匹配方法，其特征在于，所述尺度估计模型包括特征提取和融合层、匹配层和回归层；所述特征提取和融合层用于提取原始图像对的多尺度特征并分别进行加权融合，获得原始图像对的多尺度融合特征图对；所述匹配层用于根据所述原始图像对的多尺度融合特征图对获得经过共视注意力机制增强后的相关图；所述回归层用于对所述经过共视注意力机制增强后的相关图进行降维，获得第一原始图像和第二原始图像的尺度比值。3.根据权利要求2所述的大尺度变化鲁棒的图像特征匹配方法，其特征在于，所述根据所述原始图像对的多尺度融合特征图对获得经过共视注意力机制增强后的相关图，包括：根据原始图像对的多尺度融合特征图对获得所述原始图像对的相关图；根据所述原始图像对的相关图提取原始图像对的共视区域概率图；将所述原始图像对的共视区域概率图和所述原始图像对的相关图相乘，获得经过共视注意力机制增强后的相关图。4.根据权利要求1至3中任一所述的大尺度变化鲁棒的图像特征匹配方法，其特征在于，所述尺度估计模型是基于训练数据集训练得到的。5.根据权利要求4所述...

【专利技术属性】
技术研发人员：傅禹杰，吴毅红，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：