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: 2024112343256
申请人: 浙江工业大学
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:

1.一种基于图像特征点裁剪区域重排列的图像匹配的方法,其特征在于,包括以下步骤:

1)获取原始图像,将原始图像进行随机旋转得到旋转图像,将原始图像进行随机模糊得到模糊图像,再将原始图像、旋转图像和模糊图像进行拼接得到增强数据集;

2)使用尺度不变特征变换方法从增强数据集中的原始图像中获取特征点位置,根据特征点位置从增强数据集的原始图像、旋转图像和模糊图像中获取特征点位置周围局部区域,作为特征描述图像;

3)将特征描述图像裁剪重排列,得到重新排列的裁剪区域;

4)将重新排列的裁剪区域,输入到Vision Transformer模型中,得到各个裁剪区域对应的描述子,将各个裁剪区域对应的描述子进行拼接和降序,得到特征点局部图像的最终描述向量,完成特征描述网络的构建;

将特征描述图像裁剪重排列,具体包括:

3.1)先将得到的特征描述图像进行裁剪,得到多块裁剪区域,并进行编号;

3.2)根据裁剪区域的中心点坐标,找到距离图像中心点最近的裁剪区域,标记为1,然后再在裁剪图像外一圈的裁剪区域顺时针标记为2至4,再外一圈标记为6-9,将裁剪区域根据编号由小到大进行重新排列;

其中,裁剪区域的中心点坐标,通过公式确定:

;

其中,为裁剪区域的中心点坐标,i为裁剪区域编号为1至9,(,)为裁剪区域的左上角坐标,w,h为裁剪区域的两个边长,w,h均为8个像素,特征描述图像的大小为24*24个像素;

5)通过损失函数对特征描述网络进行优化,得到优化后的特征描述模型;

损失函数如下:

; (1)

(2)

(3);

公式(1)中,Loss为用于反向传播的最终损失函数值;

公式(2)中,n为原始图像的特征点数量;j为图像类型;为特征点局部图像的最终描述向量; 表示求取均值;

公式(3)中,n为原始图像的特征点数量;j为图像类型;为对应特征点局部图像的最终描述向量;Max为修正损失值;表示求取均值;

6)通过优化后的特征描述模型对待匹配的两张图像匹配。

2.根据权利要求1所述的基于图像特征点裁剪区域重排列的图像匹配的方法,其特征在于,步骤1)中,将原始图像进行随机旋转得到旋转图像,具体包括:将原始图像进行随机顺时针50度至逆时针50度范围内旋转得到旋转图像。

3.根据权利要求1所述的基于图像特征点裁剪区域重排列的图像匹配的方法,其特征在于,步骤1)中,将原始图像进行随机模糊得到模糊图像,具体包括:将原始图像进行随机卷积核大小为3*3或5*5的高斯模糊得到模糊图像。

4.根据权利要求1所述的基于图像特征点裁剪区域重排列的图像匹配的方法,其特征在于,步骤2)中,特征点位置周围局部区域是指特征点位置范围的(20~28)*(20~28)像素区域。