[发明专利]基于深度学习的异源图像匹配方法

摘要

本发明提供的基于深度学习的异源图像匹配方法，首先制作异源图像块数据集；图像预处理；获取图像块特征图；通过特征图得到特征向量；特征图的融合并归一化；训练图像匹配网络；预测匹配概率；本发明有效克服了现有技术中异源图像块匹配过拟合的问题，极大的提高了网络的性能，提升了网络的训练效率，增强了网络的鲁棒性。本发明可应用于异源图像配准、图像追踪、多视角重建等领域。

主权项

1.基于深度学习的异源图像匹配方法，其特征在于，包括以下步骤：步骤1)，采用VIS‑NIR数据集将所需匹配的异源图像制作数据集，得到一组训练集和八组测试集；步骤2)，将所有需要匹配的异源图像进行预处理，得到预处理后的异源图像；步骤3)，获取图像块特征图：将预处理后的每对异源图像中的图像块A和图像块B进行左右拼接，拼接后采用改进的VGG网络提取特征，得到输入图像的特征图；接着将所得的特征图左右均分，则分别得到与图像块A对应的特征图V和与图像块B对应的特征图N；步骤4)，特征图融合：将步骤3)所得的特征图V和特征图N进行做差运算，并将做差后的特征图进行归一化处理，得到融合后的特征图；步骤5)，训练图像匹配网络：用全连接层和交叉熵损失函数对步骤4)中所得的融合后的特征图进行二分类，得到匹配网络的权重；步骤6)，预测匹配概率：将步骤5)中训练好的匹配网络权重载入到模型中，并依次读取所有测试集数据，得到softmax分类器输出的异源图像匹配和不匹配的预测值。