[发明专利]内镜图像特征点提取方法

权利要求书

1.一种内镜图像特征点提取方法，其特征在于：包括

对于有重叠区域的两张图像，利用光流法找出两张图像的重叠区域，并将光流法获得的像素匹配关系作为卷积神经网络的参考；

分别将第一图像和第二图像输入卷积神经网络，从而检测出第一图像和第二图像中的特征点以及特征点对应的描述子；

在训练阶段，利用损失函数是否收敛或者是否达到设定的训练次数时，获得最终训练好的模型。

2.根据权利要求1所述的内镜图像特征点提取方法，其特征在于，所述对于有重叠区域的两张图像，利用光流法找出两张图像的重叠区域具体包括找出第一张图像中属于同一个场景点成的像在第二张图像中的位置。

3.根据权利要求1所述的内镜图像特征点提取方法，其特征在于，所述分别将第一图像和第二图像输入卷积神经网络，从而检测出第一图像和第二图像中的特征点以及特征点对应的描述子输出特征点的分支包括两个特征图，一个特征图关于特征点的可靠性，另一个特征图关于特征点重复性的。

4.根据权利要求1所述的内镜图像特征点提取方法，其特征在于，所述卷积神经网络结构包括依次连接的9层，并且在特定的卷积层中设置用于降低卷积神经网络的参数以及自由调整通道数的卷积核的卷积层。

5.根据权利要求1所述的内镜图像特征点提取方法，其特征在于，所述在训练阶段，利用损失函数是否收敛或者是否达到设定的训练次数时，获得最终训练好的模型具体包括判断卷积神经网络学习到的特征点及其描述子的匹配关系与光流法给出的匹配关系是否一致,若不一致，则需要更新卷积神经网络的参数。

6.根据权利要求1所述的内镜图像特征点提取方法，其特征在于，所述分别将第一图像和第二图像输入卷积神经网络，从而检测出第一图像和第二图像中的特征点以及特征点对应的描述子，具体包括提供相应的损失函数去提取特征点和学习描述子。

7.根据权利要求6所述的内镜图像特征点提取方法，其特征在于，所述相应的损失函数包括相似性损失函数。

8.根据权利要求6所述的内镜图像特征点提取方法，其特征在于，所述相应的损失函数包括学习重复性的损失函数。

9.根据权利要求6所述的内镜图像特征点提取方法，其特征在于，所述相应的损失函数包括学习检测的特征点的可靠性的损失函数。