[发明专利]一种基于精细配准的图像同源鉴别平台及其实现方法

权利要求书

1.基于精细配准的图像同源鉴别平台，其特征在于，包括待测图像接收模块、数字图像精细配模块、深度学习训练系统模块、基于深度学习的图像同源鉴别模块、在线鉴别模块，所述数字图像精细配模块与基于深度学习的图像同源鉴别模块第一端相连接，将通过网络接收的待测图像输入，深度学习训练系统模块与基于深度学习的图像同源鉴别模块第二端相连接，通过样本训练与学习自动设置系统工作参数，在线鉴别模块与基于深度学习的图像同源鉴别模块第三端相连接，将系统在线鉴别结果输出并保存到数据库中供用户随时访问查询。

2.根据权利要求1所述的基于精细配准的图像同源鉴别平台，其特征在于，所述图像精细配准模块包括图像特征提取模块、图像特征匹配模块和图像重构模块。

3.一种图像精细配准方法，其特征在于，该方法包括图像配准技术框架，所述图像配准技术包括特征空间、搜索空间、相似性度量和搜索策略的组合，其中，特征空间指的是从参考图像中和待配准图像中提取的可用于配准的特征的集合，搜索空间是指在图像配准过程中对图像进行变换的范围及变换的方式，通常要寻找图像间最佳变换的一个变换函数集合，相似性度量是衡量每次变换结果优劣的准则，用来对变换结果进行评估，为搜索策略的下一步动作提供依据，搜索策略是指在搜索空间中寻找到最优变换时所采用的搜索方法。

4.根据权利要求3所述的图像精细配准方法，其特征在于，图像精细配准方法构造参考图像和待配准图像的尺度空间，在尺度空间中应用 Hessian 矩阵提取具有尺度不变特征的特征点。

5.根据权利要求3所述的图像精细配准方法，其特征在于，确定特征点的主方向，根据主方向进行坐标轴旋转。

6.根据权利要求3所述的图像精细配准方法，其特征在于，取一对靠近图像中心的同名点，并截取相同大小的一小块区域；区域范围为图像大小的一半左右。

7.根据权利要求3所述的图像精细配准方法，其特征在于，将待配准截取图像进行旋转和缩放的初步补偿，再次用 Fourier-Mellin 算法求取精细的缩放因子和旋转角度。

8.根据权利要求3所述的图像精细配准方法，其特征在于，将两步迭代后求得的缩放因子和旋转角度融合，并根据图像的大小以及缩放因子和旋转角度的不同计算两幅图像的中心区域并提取。