[发明专利]一种基于VGG16网络模型的影像特征匹配方法

权利要求书

1.一种基于VGG16网络模型的影像特征匹配方法，其特征在于，包括如下步骤：

1)获取带有特征点信息的待匹配影像对；

2)对待匹配影像对中的两幅影像分别进行处理；所述处理为：将影像裁切为N个设定大小且带有特征点的影像块，N＞1，并将所有影像块输入至训练好的改进VGG16网络模型中，得到各个影像块的特征描述；所述改进VGG16网络模型的改进点在于使用的全连接层为1层；

3)根据待匹配影像对中所有影像块的特征描述，进行待匹配影像对的影像块匹配；所述影像块匹配的手段为：对于其中一幅影像中的一个影像块，记为待匹配影像块，将待匹配影像块与另一幅影像中的所有影像块均进行相似性比较，选出最相似的影像块，并与所述待匹配影像块形成影像块对；

4)根据影像块对，得到影像块对中相互匹配的正确匹配点。

2.根据权利要求1所述的基于VGG16网络模型的影像特征匹配方法，其特征在于，步骤1)中，利用特征检测算子对原始待匹配影像对进行特征点提取，从而得到带有特征点信息的待匹配影像对。

3.根据权利要求2所述的基于VGG16网络模型的影像特征匹配方法，其特征在于，所述特征检测算子为SIFT或Harris。

4.根据权利要求1所述的基于VGG16网络模型的影像特征匹配方法，其特征在于，步骤2)中，改进VGG16网络模型在模型训练时通过交叉熵损失函数进行模型的优化。

5.根据权利要求4所述的基于VGG16网络模型的影像特征匹配方法，其特征在于，交叉熵损失函数用于将训练样本输入改进VGG16网络模型的输出结果经过Softmax分类器后转化为概率分布，根据概率分布得到训练样本经改进VGG16网络判别为正确类别的概率函数，并将概率函数经最大似然函数后取对数得到交叉熵损失函数结果。

6.根据权利要求5所述的基于VGG16网络模型的影像特征匹配方法，其特征在于，交叉熵损失函数的表达式为：

其中，M为输入图像数量；N为图像类别数量；x⁽ⁱ⁾为输入图像；y⁽ⁱ⁾为图像真值标签；α为网络模型参数。

7.根据权利要求1所述的基于VGG16网络模型的影像特征匹配方法，其特征在于，所述待匹配影像对为同一地点的不同源的影像。

8.根据权利要求1所述的基于VGG16网络模型的影像特征匹配方法，其特征在于，步骤2)中，影像裁切为N个设定大小且带有特征点的影像块的方法为：以检测到的特征点为中心构建设定大小的影像块。