欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022105056192
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于场景显著性区域一致性的航拍图像匹配方法,其特征在于:包括以下步骤:S1、计算查询航拍图像Il中的局部特征点以及对应特征描述子,记为{k(xi,yi),d(k(xi,yi))};i∈[1,M],M表示从查询航拍图像Il中检测出来的特征点数量;

计算参考航拍图像Ir中的局部特征点以及对应特征描述子,记为{k(xj,yj),d(k(xj,yj))}},j∈[1,N],N表示从参考航拍图像Ir中检测出来的局部特征点数量;

S2、提取查询航拍图像Il中的显著性目标区域:先计算查询航拍图像Il的显著性图,然后对显著性图使用图割法提取出显著性目标区域,即为Q表示显著性目标区域的数量;k表示提取的第k个显著性目标区域;(cx,cy)表示第k个显著性目标区域的中心坐标;(w,h)表示第k个显著性目标区域的宽度和长度;

S3、从参考航拍图像Ir中为查询航拍图像Il的显著性目标区域Regionl寻找一个匹配区域Regionr;详细过程为:S3.1、计算查询航拍图像Il中的显著性区域的梯度方向直方图,记为S3.2、以参考航拍图像Ir的左上角作为起点,在X轴方向上以宽度w为步长以及在Y轴方向上以宽度h为步长,进行搜索,找出参考航拍图像中的候选匹配区域;

S3.3、计算步骤S3.2所得候选匹配区域的梯度方向直方图;

S3.4、计算显著性区域的梯度方向直方图与候选匹配区域对应的梯度方向直方图之间的绝对差之和SAD;

S3.5、将参考航拍图像Ir中绝对误差之和最小的区域作为最终的匹配区域其中,表示第f个匹配区域的中点坐标、宽度和长度;P表示从参考航拍图像Ir中寻找到的匹配区域的数量;

S4、计算查询航拍图像Il中的显著性目标区域Regionl与对应的匹配区域Regionr之间的特征匹配结果Matches1;

S5、计算查询航拍图像Il中显著性区域以外的区域与参考航拍图像Ir中非显著性区域之间的特征匹配结果Matches2;

S6、合并步骤S4和步骤S5的匹配结果,即可获得查询航拍图像Il和参考航拍图像Ir之间的特征匹配结果Matches。

2.根据权利要求1所述的基于场景显著性区域一致性的航拍图像匹配方法,其特征在于: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。

3.根据权利要求1所述的基于场景显著性区域一致性的航拍图像匹配方法,其特征在于:步骤S2中获得显著性图的详细步骤为:S2.1、使用全连接的卷积神经网络FCNN计算粗粒度显著图,并作为前景信息;

S2.2、将原始查询航拍图像的边界区域的超像素作为背景种子样本,使用基于非线性回归的传播方式计算出参考航拍图像中的显著图;

S2.3、使用基于图拉普拉斯正则化非线性回归,对粗粒度前景和背景显著性图进行组合和优化,从而检出精确的显著性图。

4.根据权利要求1所述的基于场景显著性区域一致性的航拍图像匹配方法,其特征在于:步骤S4计算每一个显著性目标区域与对应的匹配区域之间的特征匹配结果的具体过程为:先使用最近邻方法计算出初始的特征匹配,进而消除错误的特征匹配即可获得最终的匹配结果Matches1,即为其中,表示查询航拍图像Il中非显著性区域内的特征点,表示参考航拍图像Ir中非显著性区域内的特征点。

5.根据权利要求1所述的基于场景显著性区域一致性的航拍图像匹配方法,其特征在于:步骤S5中计算显著性区域以外的特征匹配方法为:先使用最近邻方法计算出初始的特征匹配,进而消除错误的特征匹配即可获得最终的匹配结果Matches2,即为:其中,表示查询航拍图像Il中非显著性区域内的特征点,表示参考航拍图像Ir中非显著性区域内的特征点。