[發明專利]一種提高特征點匹配精度的方法

有效

• 申請號: 201910485720.4
• 申請日: 2019-06-05
• 公開（公告）號: CN110390336B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 張宏;代壯;朱蕾;陳煒楠;何力;管貽生
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/75;G06V10/80;G06V10/82;G06N3/0464;G06N3/0455;G06N3/048
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 杜鵬飛

本發明公開了一種提高特征點匹配精度的方法，包括下述步驟：(1)通過SIFT檢測出圖像中的特征點；(2)提取特征點64*64領域的圖像塊；(3)分別計算該圖像塊的訓練卷積描述符和預訓練卷積描述符；(4)將預訓練描述符通過一個編碼器進行降維；(5)采用典型相關分析融合卷積描述符和降維后的預訓練描述符；本發明將光照和視角變化采用兩種描述符分別表示，可以有效降低特征點匹配的難度；采用典型相關分析方法來融合兩種類型，可以有效提取兩類描述符之間的互補信息，提高融合后描述符對光照和視角變化的魯棒性；描述符融合系統是一個可升級系統，以后隨著不同類型的描述符被提出，都可以應用到本系統中。

技術領域

本發明涉及計算機視覺技術領域，具體涉及一種提高特征點匹配精度的方法。

背景技術

特征點匹配是許多計算機視覺和機器人應用中非常關鍵的一步，比如運動獲取，多視角立體，圖像檢索，以及視覺導航都依賴于特征點匹配。特征點匹配主要包括四個部分：(1)檢測圖像中的特征點；(2)計算特征點描述符；(3)計算兩幅圖像特征點描述符之間的距離，(4)通過最近鄰搜索，找出兩幅圖像中的特征點匹配對。特征點匹配的好壞非常依賴于特征點描述符的設計，一個好的特征點描述符可以讓特征點具有很高的區分度；尤其是兩幅圖像之間存在明顯的光照和視角變化時，一個好的特征點描述符對光照和視角變化應該比較魯棒。但是，現有特征點匹配中，當匹配的兩幅圖像存在光照和視角變化的時候，特征點匹配精度較低，不能夠很好的滿足在計算機視覺和機器人中的應用。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種提高特征點匹配精度的方法，該方法通過融合訓練卷積神經網絡模型和預訓練卷積神經網絡模型來提高描述符對光照和視角變化的魯棒性。

本發明的目的通過下述技術方案實現：

一種提高特征點匹配精度的方法，包括下述步驟：

(1)通過SIFT檢測出圖像中的特征點；

(2)提取特征點64*64領域的圖像塊；

(3)分別計算該圖像塊的訓練卷積描述符和預訓練卷積描述符；

(4)將預訓練描述符通過一個編碼器進行降維；

(5)采用典型相關分析融合卷積描述符和降維后的預訓練描述符。

優選地，所述步驟(3)中的訓練卷積描述符選擇HardNet模型生成的描述符；而預訓練卷積描述符選擇在ImageNet數據集上訓練好的DenseNet169的第三層卷積作為圖像的描述符。

優選地，所述步驟(4)中的編碼器即自編碼器訓練好的模型的編碼器部分；所述自編碼器主要包括兩個部分：編碼器部分和解碼器部分；而整個模型通過最小化輸入與輸出的誤差來優化模型，模型訓練好后，可以使用編碼器的輸出作為圖像壓縮后的描述符。

優選地，所述編碼器部分和解碼器部分都包括三個塊；其中編碼器部分的每個塊都包括一個卷積層CL、一個批正則化層BN和一個參數化修正線性單元PReLU激活函數；其中解碼器部分每個塊都包括一個反卷積層DCL、一個批正則化層BN和一個參數化修正線性單元PReLU。

本發明與現有技術相比具有以下的有益效果：

(1)本發明將光照和視角變化采用兩種描述符分別表示，可以有效降低特征點匹配的難度；

(2)本發明采用典型相關分析方法來融合兩種類型，可以有效提取兩類描述符之間的互補信息，提高融合后描述符對光照和視角變化的魯棒性；

(3)本發明的描述符融合系統是一個可升級系統。

附圖說明

圖1為本發明自編碼器的流程示意圖；

圖2為本發明卷積自編碼模型示意圖。