【技术实现步骤摘要】
本专利技术属于计算机视觉，具体的，涉及一种基于深度注意力网络的图像局部特征匹配优化方法和系统。
技术介绍
1、图像局部特征匹配，即寻找图像之间的对应关系，是许多计算机视觉任务的关键部分。以一个典型的稀疏匹配管道为例，其通常首先检测和描述关键点，然后执行匹配并拒绝离群值。尽管目前存在许多工作用于建立可靠的和准确的匹配，仍然有许多因素构成匹配过程中的挑战，并导致不同误差的匹配的产生，例如极端的光照，视角变化，运动模糊等。
2、一种重要的干扰因素是图像间的噪声，即图像间的变化，这可能会导致匹配效果的严重下降，通常地，简单的关键点描述符匹配可以采用最近邻匹配(nn)的方式，然而由于噪声的存在以及描述符的不完备性，这一方法可能会产生大量的离群值。为了保证匹配的性能，一种思路是过滤掉离群值本身(参见kwang moo yi,eduard trulls,yuki ono,vincent lepetit,mathieu salzmann,and pascal fua.learning to find goodcorrespondences....
【技术保护点】
1.一种基于深度注意力网络的图像局部特征匹配优化方法，其特征在于：包括：
2.根据权利要求1所述的基于深度注意力网络的图像局部特征匹配优化方法，其特征在于，所述给定的图像对和其带噪声的匹配集合，提取所述匹配集合中每一个匹配在两幅图像间对应的局部图像块，并进行拼接获得投影局部图像块f，包括：
3.根据权利要求1所述的基于深度注意力网络的图像局部特征匹配优化方法，其特征在于，所述将所述匹配集合中，每个匹配的绝对位置表达转化为相对位置表达，并得到总相对位置pos，包括：
4.根据权利要求1所述的基于深度注意力网络的图像局部特征匹配优化方法...
【技术特征摘要】
1.一种基于深度注意力网络的图像局部特征匹配优化方法，其特征在于：包括：
2.根据权利要求1所述的基于深度注意力网络的图像局部特征匹配优化方法，其特征在于，所述给定的图像对和其带噪声的匹配集合，提取所述匹配集合中每一个匹配在两幅图像间对应的局部图像块，并进行拼接获得投影局部图像块f，包括：
3.根据权利要求1所述的基于深度注意力网络的图像局部特征匹配优化方法，其特征在于，所述将所述匹配集合中，每个匹配的绝对位置表达转化为相对位置表达，并得到总相对位置pos，包括：
4.根据权利要求1所述的基于深度注意力网络的图像局部特征匹配优化方法，其特征在于，所述对投影局部图像块f和总相对位置pos，使用神经网络进行投影并相加，得到向量z，包括：
5.根据权利要求1所述的基于深度注意力网络的图像局部特征匹配优化方法，其特征在于，所述基于注意力的神经网络的网络架构为级联的n层，其输入为向量z，输出为特征...
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。