[发明专利]基于深度学习的组合图像特征精确匹配方法

权利要求书

1.基于深度学习的组合图像特征精确匹配方法，其特征在于，包括如下步骤：

步骤1：将两幅待匹配图像分别进行基于CenterNet神经网络的目标提取；对提取目标进行非极大值抑制，合并重叠面积大的目标，具体步骤包括：分别计算两个目标互相遮挡的目标框面积I和J，当它们的交并比满足

时，合并两个目标，将两个目标视作一个目标，目标标签取置信度大的标签值，目标中心为合并后的几何中心，δ取0.3，经过以上方法分别得到两幅待匹配图像中目标和目标数量；

步骤2：如果两幅待匹配图像之一的目标数量小于等于5，则对两幅待匹配图像进行局部ORB算子匹配，否则构造Delaunay三角剖分网络，计算特征三角形进行目标点匹配；

步骤2中局部ORB算子匹配的步骤包括：

步骤a.1：将两幅待匹配图像分别按照各自提取出的目标框进行图像分割，对图像中每个目标框内的图像进行ORB特征提取，并统计特征数目；

步骤a.2：遍历待匹配图像中的目标，对两幅图像中分类标签相同的目标进行ORB特征匹配，对于每个目标，只保留与之匹配特征点对数最多的目标作为匹配结果；

步骤a.3：根据分割出的目标，将匹配对索引回原图位置，完成图像匹配；

步骤2中构造Delaunay三角剖分网络，计算特征三角形进行目标点匹配的步骤包括：

步骤b.1：对图像中所有置信度高于阈值的目标中心点进行delaunay三角剖分；

步骤b.2：设计相似性度量，根据相似性度量构建相似度矩阵；

步骤b.3：遍历相似度矩阵进行特征三角形匹配，筛选出匹配特征三角形；

步骤b.4：遍历特征三角形中的目标点，进行自适应精匹配，完成最终的图像匹配。

2.根据权利要求1所述的基于深度学习的组合图像特征精确匹配方法，其特征在于，步骤a.2中，对于属于同一类别的目标a_u和b_v，如果

则对目标a_u和b_v进行ORB特征匹配，p_au和p_bv分别表示目标a_u和b_v的特征数量。

3.根据权利要求1所述的基于深度学习的组合图像特征精确匹配方法，其特征在于，步骤b.2中，所述相似性度量为delaunay三角形顶角的角度。

4.根据权利要求1所述的基于深度学习的组合图像特征精确匹配方法，其特征在于，步骤b.4中，对于位于剖分网络边缘且作为三个以上三角形的共同顶点的目标点进行射影不变判定。

5.根据权利要求1所述的基于深度学习的组合图像特征精确匹配方法，其特征在于，步骤b.4中，对于除位于剖分网络边缘且作为三个以上三角形的共同顶点的目标点以外的其他顶点进行相邻三角形相似度判定。