[发明专利]一种基于SIFT融合ResNet50的图像匹配方法

权利要求书

1.一种基于SIFT融合ResNet50的图像匹配方法，其特征在于：其包括以下步骤：

S1.输入显示区域的两幅图像作为参考图像和待匹配图像；

S2.采用SIFT算法对参考图像与待匹配图像构建高斯金差分字塔，基于高斯金差分字塔确定尺度空间；

S3.在构建的尺度空间中定位极值点，将极值点作为关键点；

S4.计算各关键点的主方向和梯度值，根据主方向和梯度值确定SIFT特征点；

S5.采用深度残差网络ResNet50对SIFT特征点进行特征描述，获取特征描述子；

S6.计算参考图像与待匹配图像的特征描述子的欧式距离作为特征描述子的相似度，基于相似度判定参考图像与待匹配图像中的区域是否属于同一区域。

2.根据权利要求1所述的基于SIFT融合ResNet50的图像匹配方法，其特征在于：所述的步骤S1中输入两幅图像后，对两幅图像进行去噪处理。

3.根据权利要求1所述的基于SIFT融合ResNet50的图像匹配方法，其特征在于：所述的步骤S2中建立图像多尺度空间的具体步骤为：

对于参考图像和待匹配图像，分别通过卷积运算获得尺度空间，计算公式为：

L(x,y,σ)＝G(x,y,σ)*I(x,y) (1)

公式中，L(x,y,σ)为尺度空间，x，y为空间坐标，σ为高斯函数的尺度因子，I(x,y)为二维图像，G(x,y,σ)为高斯核函数；

高斯核函数G(x,y,σ)的表达式为：

高斯差分金字塔由相邻的高斯金字塔相减可得，高斯差分金字塔的表达式为：

D(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*I(x,y) (3)

公式中，D(x,y,σ)为高斯差分金字塔，G(x,y,kσ)和G(x,y,σ)表示两个相邻的高斯金字塔，k为相邻两个尺度因子的比值；

通过改变尺度因子σ的数值构建多尺度的图像表现形式，建立图像多尺度空间。

4.根据权利要求3所述的基于SIFT融合ResNet50的图像匹配方法，其特征在于：所述的步骤S3在图像多尺度空间中定位极值点，将极值点作为关键点的具体步骤为：

S3.1.将高斯金字塔内的每一个像素点与平面相邻的8个点、上下层2*9个像素点进行对比，取这些点中的极大值或极小值的点作为局部的极值点；

S3.2.去除对比度低和边缘不稳定的极值点，得到关键点。

5.根据权利要求1所述的基于SIFT融合ResNet50的图像匹配方法，其特征在于：所述的步骤S4计算各关键点的主方向和梯度值，根据主方向和梯度值确定SIFT特征点的具体步骤为：

S4.1.计算各关键点的方向和梯度值，计算公式为：

公式中，m(x,y)为梯度值，θ(x,y)为关键点的方向；

S4.2.统计关键点邻域的像素，建立统计直方图，以0～360度为界，将直方图分为8个方向，每组方向相差45度，直方图横纵坐标分别表示梯度方向与同梯度方向关键点邻域像素的数量，令直方图的峰值为主方向，将同时具备位置、尺度、方向的点定义为SIFT特征点。

6.根据权利要求1所述的基于SIFT融合ResNet50的图像匹配方法，其特征在于：所述的步骤S5中采用深度残差网络ResNet50对SIFT特征点进行特征描述，获取特征描述子的具体方式为：取参考图像和待匹配图像中的SIFT特征点为终点，从四周截取灰度图像块，再通过降采样输入到ResNet50网络中进行学习和特征描述，获取特征描述子。

7.根据权利要求1所述的基于SIFT融合ResNet50的图像匹配方法，其特征在于：所述的步骤S6中参考图像与待匹配图像的特征描述子的欧式距离的计算公式为：

公式中，f¹为原图像的特征描述子，f²为待匹配图像的特征描述子，128表示128维度特征描述子，i表示第i个特征描述子，i的范围为0～128。

8.根据权利要求7所述的基于SIFT融合ResNet50的图像匹配方法，其特征在于：所述的步骤S6中计算参考图像的每个特征描述子和待匹配图像的每个特征描述子的欧拉距离，按照公式(7)的匹配条件进行匹配

其中，d_i为参考图像的每个特征描述子与待匹配图像的每个特征描述子的欧式距离，i表示第i个特征描述子，i的范围为0～128，e为匹配阈值，取0.6。