[发明专利]特征描述子生成方法、装置、设备及计算机可读存储介质

说明书

本发明公开了一种特征描述子生成方法，包括：将获取的图像转化为预设大小的待处理图像，并对待处理图像的像素值进行归一化处理；利用预设残差网络对归一化处理后的待处理图像进行图像处理，获取图像对应的特征描述子；本发明通过利用预设残差网络对归一化处理后的待处理图像进行图像处理，获取图像对应的特征描述子，利用深度卷积神经网络中的残差网络生成特征描述子，使得生成的特征描述子鲁棒性更强，即对光照、旋转、尺度变换敏感度更低；并且可区分性更强，即匹配点的错误率与现有的技术相比更低，提高了用户体验。此外，本发明还公开了一种特征描述子生成装置、设备及计算机可读存储介质，同样具有上述有益效果。

技术领域

本发明涉及图像处理技术领域，特别涉及一种特征描述子生成方法、装置、设备及计算机可读存储介质。

背景技术

随着现代社会科技的发展，计算机得到了广泛的使用。局部图像特征描述是计算机视觉的一个基本研究问题，在寻找图像中的对应点以及物体特征描述中有着重要的作用。它是许多方法的基础，因此也是目前视觉研究中的一个热点。在利用多幅二维图像进行三维重建、恢复场景三维结构的应用中，其基本出发点是要有一个可靠的图像对应点集合，而自动地建立图像之间点与点之间的可靠对应关系通常都依赖于一个优秀的局部图像的特征描述子(局部特征描述子)。又比如在物体识别中，目前非常流行以及切实可行的方法之一是基于局部特征的，由于特征的局部性，使得物体识别可以处理遮挡、复杂背景等比较复杂的情况。

现有技术中，往往是利用SIFT(Scale-invariant feature transform，尺度不变特征变换)和SURF(Speeded-Up Robust Features)算法，生成图像的特征描述子，然而上述算法生成的特征描述子鲁棒性不够好，即对图像的光照，旋转，尺度比较敏感，而且生成的特征描述子区分性也不强，不利于图像检索、全景图拼接和三维重建过程中的使用。因此，如何能够生成鲁棒性更强且更容易区分的特征描述子，提高用户体验，是现今急需解决的问题。

发明内容

本发明的目的是提供一种特征描述子生成方法、装置、设备及计算机可读存储介质，以利用残差网络生成特征描述子，增强生成的特征描述子的鲁棒性和区分性，提升用户体验。

为解决上述技术问题，本发明提供一种特征描述子生成方法，包括：

将获取的图像转化为预设大小的待处理图像，并对所述待处理图像的像素值进行归一化处理；

利用预设残差网络对归一化处理后的所述待处理图像进行图像处理，获取所述图像对应的特征描述子。

可选的，所述预设残差网络的生成过程，包括：

获取所述预设残差网络的训练数据集；其中，所述训练数据集包括n对匹配的待匹配训练图像和匹配训练图像，n为大于0的整数；

将每个所述待匹配训练图像和每个所述匹配训练图像分别转化为所述预设大小的待处理训练图像，并对每个所述待处理训练图像的像素值进行归一化处理；

判断是否达到预设迭代次数；

若否，利用当前残差网络对归一化处理后的每个所述待处理训练图像进行图像处理，获取2n个当前特征描述子，并对每个所述当前特征描述子进行归一化处理；

根据2n个归一化处理后的所述当前特征描述子对应的当前欧式距离集，获取当前目标损失函数；

利用所述当前目标损失函数，通过随机梯度下降法和反向传播更新所述当前残差网络，并执行所述判断是否达到预设迭代次数的步骤；

若是，则将所述当前残差网络作为所述预设残差网络。

可选的，所述对每个所述待处理训练图像的像素值进行归一化处理，包括：