[发明专利]基于卷积神经网络进行特征提取的图像匹配方法

摘要

本发明涉及深度学习和图像领域，为取得较好的匹配效果。为此，本发明采取的技术方案是，基于卷积神经网络进行特征提取的图像匹配方法，步骤如下：1)图像预处理。2)深度学习卷积神经网络；3)图像块特征匹配；4)对图像块进行特征点选取与匹配，采用由后向前的策略依次推断每层的特征点位置，并根据匹配点坐标的位置对两幅图片进行匹配。本发明主要应用于图像处理场合。

主权项

1.一种基于卷积神经网络进行特征提取的图像匹配方法，其特征是，步骤如下：1)图像预处理首先对准备进行特征匹配的两幅图像进行图像分割处理，将图片分割成多个正方形图片；2)深度学习卷积神经网络将第一步中选取的第一幅图分割后的图片与第二幅图所有的分割图片作为输入，输入至训练后的卷积神经网络中，保存每幅输入图片在卷积神经网络第二层、第四次以及第六层的输出信号，并以卷积神经网络第二层、第四次以及第六层的输出信号为分割后图片的特征，进行进一步匹配，寻找特征点；3)图像块特征匹配将第2)步的输出信号转换为向量形式，对两幅图片分割出的图像块之间的同层图片特征向量进行比对，首先用如下公式计算第一幅图片与第二幅图片分割后的所有图片同网络层输出向量之间的相关系数其中，E(x)为求X的均值运算，X为第一幅图片经过网络层的输出向量，D(x)为求X的方差运算，Y为第二幅图片经过网络层的输出向量，选出第二幅图分割后的与第一个图片中随机选取三幅分割后的图片A₁，A₂，A₃在三层网络相关系数总和最大的分割图片为B₁，B₂，B₃，得到与原始图片相匹配的第二幅图片的图像块；4)对图像块进行特征点选取与匹配采用由后向前的策略依次推断每层的特征点位置，以最后一层的相关滤波响应值最大的位置为初始位置，即其中r限定了搜索范围，γ为最后一层的权重调节参数，依次反向传播至前一层，特征点最终位置通过公式中的相关滤波响应矩阵取得最大值的位置决定，对卷积特征贡献最大的点被认为两幅图片中的匹配点，对第三步选出的六个图像块分别进行操作获得a₁，a₂，a₃，b₁，b₂，b₃六个图像块对应的六个特征点，由图像块之间的对应关系得知，a₁b₁，a₂b₂，a₃b₃，为三组匹配点，并根据匹配点坐标的位置对两幅图片进行匹配。