基于内容感知的图像特征匹配方法组成比例

本发明专利技术涉及一种基于内容感知的图像特征匹配方法。首先，提出改进的两阶段特征匹配方法，在第一阶段使用最先进的模型拟合方法对图像对进行预对齐；预对齐后的图像用作第二阶段的输入；其次，在特征提取器之前使用了一个由完全卷积网络和掩膜预测器组成的块，对输入图像的特征进行加权，以加强对局部有效特征的提取；本发明专利技术方法提升了匹配准确率。本发明专利技术方法提升了匹配准确率。本发明专利技术方法提升了匹配准确率。

【技术实现步骤摘要】
基于内容感知的图像特征匹配方法


[0001]本专利技术属于图像处理
，具体涉及一种基于内容感知的图像特征匹配方法。

技术介绍

[0002]特征匹配是指在两幅图像中找到正确对应关系，如图1所示。它也是计算机视觉领域中更高级任务的基础(例如，三维重建、图像拼接、SLAM以及车道线检测等)，提高正确匹配的概率可以使这些高级任务得到更好的发展。
[0003]经典的特征匹配方法通常包括三个步骤：特征检测、特征描述和特征匹配。在深度学习方法出现之前，大部分的方法都是基于上述流程的。这些方法通常通过改进流程中的某一步来提高性能。例如，Sadder检测器[1]、基于亮度比较的FAST检测器[2]及其扩展版本FAST
‑
ER[3]，这些方法提高了特征检测步骤的性能。另外一些方法[4,5]则专注于改进特征描述步骤。此外，SIFT[6]、SURF[7]、KAZE[8]、AKAZE[9]等著名的传统方法同时改进了前两个步骤。对于最后一个步骤，RANSAC[10]及其改进算法DSAC[11]等经典模型拟合方法通过估计几何变换(如极几何和单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于内容感知的图像特征匹配方法，其特征在于，首先，提出改进的两阶段特征匹配方法，在第一阶段使用最先进的模型拟合方法对图像对进行预对齐，预对齐后的图像用作第二阶段的输入；其次，在特征提取器之前使用一个由完全卷积网络和掩膜预测器组成的块，对输入图像的特征进行加权。2.根据权利要求1所述的基于内容感知的图像特征匹配方法，其特征在于，第一阶段具体实现方式为：首先，使用预训练的特征提取器VGG
‑
19从输入图像I
A
和I
B
中提取特征；其次，在最后一层的特征图上使用密集最近邻搜索DNNS来进行初始匹配；最后，将初始匹配用于单应矩阵估计以进行预对齐。3.根据权利要求2所述的基于内容感知的图像特征匹配方法，其特征在于，第二阶段具体实现方式为：首先，将预对齐的结果输入到由内容感知块和VGG
‑
19组成的特征提取器中，用于提取特征；其次，使用密集最近邻搜索DNNS进行特征匹配。4.根据权利要求2所述的基于内容感知的图像特征匹配方法，其特征在于，使用鲁棒模型拟合方法MAGSAC++估计单应矩阵H
BA
，H
BA
用于扭曲图像I
B
得到图像I
Bwarped
。5.根据权利要求3所述的基于内容感知的图像特征匹配方法，其特征在于，所述内容感知块由第二特征提取器和掩膜预测器组成，第二特征提取器用于初步提取输入图像的特征图，掩膜预测器用于预...

【专利技术属性】
技术研发人员：李佐勇，王伟策，许惠亮，刘伟霞，赖桃桃，
申请(专利权)人：闽江学院，
类型：发明
国别省市：