[发明专利]图像特征点的提取方法和装置

说明书

本发明公开了一种图像特征点的提取方法和装置。其中，该方法包括：获取特征点提取模型和待提取图像，其中，特征点提取模型为通过多张训练图像和每张训练图像所包括的特征点进行训练得到的模型；通过特征点提取模型对待提取图像中的特征点进行提取。本发明解决了相关技术中的图像特征点的提取方法能够识别的特征点的种类单一的技术问题。

技术领域

本发明涉及图像处理领域，具体而言，涉及一种图像特征点的提取方法和装置。

背景技术

图像中的特征点的提取是图像处理领域中的一个重要的研究方向，从广义上来说，特征点是图像中具有某一种特征的像素点，例如，角点。角点的检测一直是计算机视觉的难点及研究方向，就目前而言，角点还没有明确的数学定义，通常来讲角点指示了与周围的邻域点有着明显差异的像素点。传统计算图像角点的方法主要是人工通过观察精心构造一些函数(例如Harris角点)或者设计一些规则(例如Fast角点)对图像中的每个点计算一个响应，然后设定阈值将响应较大的位置作为检测的角点。这类方法主要存在以下缺点：

1、每种算法只能提取特定类型的角点；

2、想要获取用户指定类型的角点非常困难；

3、算法在速度及精度上很难协调。

针对相关技术中的图像特征点的提取方法能够识别的特征点的种类单一的技术问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像特征点的提取方法和装置，以至少解决相关技术中的图像特征点的提取方法能够识别的特征点的种类单一的技术问题。

根据本发明实施例的一个方面，提供了一种图像特征点的提取方法，该方法包括：获取特征点提取模型和待提取图像，其中，特征点提取模型为通过多张训练图像和每张训练图像所包括的特征点进行训练得到的模型；通过特征点提取模型对待提取图像中的特征点进行提取。

进一步地，获取特征点提取模型包括：获取对神经网络模型的结构参数的设置；获取多张训练图像；获取每张训练图像所包括的特征点的位置标签；通过多张训练图像和每张训练图像所包括的特征点的位置标签对结构参数的神经网络模型进行训练，将训练后的结构参数的神经网络模型作为特征点提取模型。

进一步地，每张训练图像所包括的特征点的位置标签通过特征点标签图像表示，其中，特征点标签图像与对应的训练图像长宽相同，且在特征点标签图像中与对应的训练图像中的所有特征点位置相对应的位置通过像素值进行标记。

进一步地，通过多张训练图像和每张训练图像所包括的特征点的位置标签对结构参数的神经网络模型进行训练包括：将每张训练图像输入神经网络模型；以每张训练图像输入神经网络模型所得到的输出与对应的特征点的位置标签相同作为训练目标，训练结构参数的神经网络模型。

进一步地，神经网络模型包括输入层、输出层、至少一个中间层，其中，每个中间层为一个带有修正线性单元ReLU激活函数的卷积层。

进一步地，特征点为角点。

根据本发明实施例的另一方面，还提供了一种图像特征点的提取装置，该装置包括：获取单元，用于获取特征点提取模型和待提取图像，其中，特征点提取模型为通过多张训练图像和每张训练图像所包括的特征点进行训练得到的模型；提取单元，用于通过特征点提取模型对待提取图像中的特征点进行提取。

进一步地，获取单元包括：第一获取模块，用于获取对神经网络模型的结构参数的设置；第二获取模块，用于获取多张训练图像；第三获取模块，用于获取每张训练图像所包括的特征点的位置标签；训练模块，用于通过多张训练图像和每张训练图像所包括的特征点的位置标签对结构参数的神经网络模型进行训练，将训练后的结构参数的神经网络模型作为特征点提取模型。