[发明专利]一种基于旋转不变性的影像匹配方法

权利要求书

1.一种基于旋转不变性的影像匹配方法，其特征在于，该方法包括以下步骤：

1)获取待匹配的第一影像和第二影像，对第一影像进行旋转，得到各个方向的第一影像，利用深度学习算法对各个方向的第一影像分别进行特征的提取，得到各个方向的方向特征；利用深度学习算法对第二影像进行特征提取，得到第二影像的局部特征；

2)对提取的各个方向的方向特征进行聚合得到聚合特征，聚合特征通过关键点和描述符来描述；

3)利用图神经网络对聚合特征进行搜索，确定各个方向的第一影像与第二影像的匹配点对的数量，将匹配点对数量最多的方向作为主方向；

4)根据主方向以及主方向上的匹配点对第一影像和第二影像进行匹配。

2.根据权利要求1所述的基于旋转不变性的影像匹配方法，其特征在于，所述步骤4)在进行匹配时利用主方向以及与主方向相邻两个方向上的匹配点的组合。

3.根据权利要求1或2所述的基于旋转不变性的影像匹配方法，其特征在于，所述步骤1)中深度学习算法采用SuperPoint模型，提取出的特征采用关键点和描述符来表征。

4.根据权利要求1或2所述的基于旋转不变性的影像匹配方法，其特征在于，所述步骤1)中进行旋转的方向个数为4-8。

5.根据权利要求3所述的基于旋转不变性的影像匹配方法，其特征在于，所述步骤1)中进行旋转的方向个数由SuperPoint模型进行特征提取时的旋转适应性确定。

6.根据权利要求5所述的基于旋转不变性的影像匹配方法，其特征在于，所述步骤1)中进行旋转的方向个数的确定公式为：

其中，n为方向个数；int为取整操作，加0.5表示向上取整；k为SuperPoint模型提取特征的角度差异，单位为弧度。

7.根据权利要求3所述的基于旋转不变性的影像匹配方法，其特征在于，所述步骤1)采用SuperPoint模型对第二影像进行特征提取。

8.根据权利要求3所述的基于旋转不变性的影像匹配方法，其特征在于，所述步骤3)采用SuperGlue图神经网络模型进行特征匹配，所述SuperGlue图神经网络模型包括注意力图神经网络和最佳匹配层，所述注意力图神经网络用于利用关键点编码器对影像对的关键点位置进行编码，将编码结果与各自的特征向量求和；将求和结果先后经过自注意力机制和交叉注意力机制，分别聚合图像内和图像间的上下文信息，得到匹配描述符；所述最佳匹配层用于以匹配描述符为输入，得到第二影像与第一影像各方向上特征之间的相似性，根据特征之间的相似性确定匹配点对。

9.根据权利要求1或2所述的基于旋转不变性的影像匹配方法，其特征在于，该方法还包括在对第一影像进行多方向特征提取时，先对第一影像进行降采样处理，以得到第一影像的缩略图。