[发明专利]一种基于深度特征的影像匹配方法及装置

权利要求书

1.一种基于深度特征的影像匹配方法，特征在于，该匹配方法包括以下步骤：

1)将待匹配的影像通过深度学习算法进行深度特征提取；

2)将提取出的深度特征与基准影像深度特征数据库中特征进行相似性计算，根据得到的相似性从基准影像深度特征数据库中找到相应的特征描述符，以实现对影像的匹配；

所述基准影像深度特征数据库的构建过程为：将训练图像输入到预训练卷积神经网络中进行训练，利用训练好的卷积神经网络对基准影像的特征进行提取，将提取的特征存入一个数据库，形成基准影像深度特征数据库。

2.根据权利要求1所述的基于深度特征的影像匹配方法，其特征在于，所述步骤2)中基准影像深度特征数据库中包括不同尺度因子下的基准影像的特征。

3.根据权利要求1所述的基于深度特征的影像匹配方法，其特征在于，所述步骤1)中的深度学习算法采用步骤2)中已训练好的卷积神经网络。

4.根据权利要求2所述的基于深度特征的影像匹配方法，其特征在于，不同尺度因子的基准影像特征的提取过程为：

将预训练卷积神经网络应用于金字塔每个层级，将获得的特征图作为特征的局部描述符，通过卷积层和池化层配置感受野进行特征点定位计算，使用感受野中心的像素点坐标作为特征位置，以此得到不同尺度下的图像局部区域特征。

5.根据权利要求1所述的基于深度特征的影像匹配方法，其特征在于，所述的预训练卷积神经网络采用预训练的残差神经网络RestNet50模型。

6.根据权利要求1-5中任一项所述的基于深度特征的影像匹配方法，其特征在于，所述的基准影像包括可见光影像和热红外影像，若待匹配影像为可见光影像，将其与基准影像深度特征数据库中的可见光特征进行匹配，若待匹配影像为热红外光影像，将其与基准影像深度特征数据库中的热红外特征进行匹配。

7.根据权利要求1所述的基于深度特征的影像匹配方法，其特征在于，所述步骤2)中的训练过程为：

将经过标注的训练图像输入到预训练卷积神经网络中提取当前参数下的特征，然后送入分类器中进行分类预测，将预测结果与标注的标签进行比对得到分类损失，根据分类损失通过反向传播算法对卷积神经网络的参数进行调整，直至分类损失达到设定要求。

8.一种基于深度特征的影像匹配装置，其特征在于，该装置包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的基于深度特征的影像匹配方法。