[发明专利]一种图像匹配方法、装置、电子设备和存储介质

权利要求书

1.一种图像匹配方法，其特征在于，包括：

获取待匹配图像；

通过神经网络中的多个特征提取块，分别提取所述待匹配图像的不同尺度下的特征图，其中，一个特征提取块对应提取一个尺度下的特征图；

对多个尺度下的特征图，分别进行降维操作；

对降维后的所有特征图按特征图的尺度大小，从大到小进行拼接，得到所述待匹配图像的特征向量；

获取所述特征向量的监督信息；对所述监督信息进行特征值计算，得到所述特征向量的映射矩阵；将所述映射矩阵与所述特征向量相乘，以对所述特征向量进行降维，其中，降维后的特征向量的维度数量低于预设数值；

基于迭代量化算法，学习所述降维后的特征向量的旋转矩阵；通过所述旋转矩阵对所述降维后的特征向量进行哈希编码，得到由0和1两种元素构成的匹配特征向量；

获取候选图像的匹配特征向量；

基于所述待匹配图像的匹配特征向量和所述候选图像的匹配特征向量，确定所述候选图像中，与所述待匹配图像相似的相似图像。

2.根据权利要求1所述的方法，其特征在于，所述对所述多个尺度下的特征图，分别进行降维操作，包括：

将各尺度下的特征图的通道维度，分别降低到相同的预设维度，所述通道维度为特征图的各通道的维度。

3.根据权利要求1所述的方法，其特征在于，所述获取待匹配图像之前，还包括：

获取训练数据，所述训练数据包括多个训练图像，其中，所述训练图像承载的对象的类别为多个；

基于所述训练数据对神经网络进行对象的分类训练；

通过训练后的所述神经网络中的特征提取块，对所述训练图像提取多个尺度下的特征图；

对所述训练图像的特征图进行处理，得到所述训练图像的特征向量；

基于各类对象的训练图像的特征向量，优化所述神经网络的参数，以使得同类对象中不同对象的训练图像所对应的特征向量差异满足预设要求。

4.根据权利要求1所述的方法，其特征在于，所述获取所述特征向量的监督信息，对所述监督信息进行特征值计算，得到所述特征向量的映射矩阵，将所述映射矩阵与所述特征向量相乘，以对所述特征向量进行降维，包括：

对所述特征向量进行归一化；

获取归一化后的所述特征向量的监督信息；对所述监督信息进行特征值计算，得到归一化后的所述特征向量的映射矩阵；将所述映射矩阵与归一化后的所述特征向量相乘，以对归一化后的所述特征向量进行降维；

对降维后的所述特征向量进行归一化。

5.根据权利要求1所述的方法，其特征在于，所述基于所述待匹配图像的匹配特征向量和所述候选图像的匹配特征向量，确定所述候选图像中，与所述待匹配图像相似的相似图像，包括：

计算所述待匹配图像的匹配特征向量和所述候选图像的匹配特征向量的汉明距离；

将所述候选图像中，所述汉明距离满足预设条件的候选图像，确定为与所述待匹配图像相似的相似图像。

6.根据权利要求1所述的方法，其特征在于，所述获取候选图像的匹配特征向量之前，还包括：

确定所述待匹配图像承载的对象的类别；

所述获取候选图像的匹配特征向量，包括：

确定候选图像，其中，所述候选图像承载的对象的类别，与所述待匹配图像承载的对象的类别相同；

获取所述候选图像的匹配特征向量。