[发明专利]一种层次化的图像匹配方法

权利要求书

1.一种层次化的图像匹配方法，其特征在于：包括以下步骤：

步骤S1：针对输入的两幅图像，即查询图像I_l和参考图像I_r，分别对其使用局部特征点检测方法和局部特征描述子计算方法，来计算出查询图像I_l和参考图像I_r中各自包含的局部特征点和对应的特征描述子；

其中，从查询图像I_l的检测出来的局部特征点为K_l＝k(x_i，y_i)，对应的特征描述子为D_l＝d(k(x_i，y_i))；i∈[1，M]，M表示从查询图像I_l中检测出来的局部特征点数量；

从参考图像I_r中的检测出来的局部特征点为K_r＝k(x′_j，y′_j)，对应的特征描述子为D_r＝d(k(x′_j，y′_j))；j∈[1，N]，N表示从参考图像I_r中检测出来的局部特征点数量；

步骤S2：从参考图像包含的局部特征点中，为查询图像中的每个局部特征点k(x_i，y_i)寻找两个最相似的候选匹配特征点，即为k(x′_j，y′_j)和k(x′_j+1，y′_j+1)；

步骤S3：计算两个候选匹配特征点k(x′_j，y′_j)和k(x′_j+1，y′_j+1)与特征点k(x_i，y_i)之间的距离差异比值ρ，进而根据距离差异比值ρ确定初始特征匹配结果Matches₁；

步骤S4：对于初始特征匹配结果Matches₁，使用交叉验证法消除由于特征描述子歧义性产生的错误特征匹配，进而获得特征匹配结果为Matches₂；

步骤S5：对于特征匹配结果Matches₂，消除其中所有因为不满足几何一致性导致的错误特征匹配点，获得特征匹配结果Matches₃；

步骤S6：对于特征匹配结果Matches₃，使用基于聚类的方法消除受噪声数据的影响所导致的错误特征匹配点，从而获得最终的特征匹配结果，即为Matches_Final。

2.根据权利要求1所述的层次化的图像匹配方法，其特征在于：所述步骤S1采用基于深度学习的局部特征检测法来计算局部特征点和对应的特征描述子的具体方法为：

步骤S1.1、局部特征点的预训练：通过制作相应三维物体并对这些物体进行一个视角的图片截取得到二维图像，将这些二维图像中所有已知的局部特征点用于网络训练；

步骤S1.2、特征点自标注：采用ImageNet作为训数据集和测试数据集；使用合成场景进行训练得到基础特征点检测网络模型，同时利用基础特征点检测网络模型在ImageNet数据集上进行特征点的提取，即为特征点自标注；

步骤S1.3、联合训练：针对上一步骤中使用的图片进行几何变换，若干图片对，将相应图片对输入基础特征点检测网络，提取特征点和描述子，进行联合训练获得基于深度学习的局部特征，从而进行局部特征点的检测和计算特征描述子。