[发明专利]一种基于深度学习的图像匹配方法

权利要求书

1.基于深度学习的图像匹配方法，其特征在于：包括如下步骤，

步骤1，预先训练VGG-16网络；

步骤2，使用预先训练的VGG-16网络中卷积层的输出来构建卷积特征描述符；

步骤3，基于构建好的卷积特征描述符进行特征匹配：

步骤4，根据匹配的结果，设定阈值，选定出匹配对；

步骤5，当选出匹配对以后，计算出仿射矩阵；

步骤6，根据匹配对和反射矩阵，剔除掉不符合的匹配对，从而得到最终的结果。

2.根据权利要求1所述的基于深度学习的图像匹配方法，其特征在于：步骤2中，基于卷积滤波器的可视化和以单层输出为特征进行试错实验，使用pool3、pool4和pool5_1来构建特征描述符。

3.根据权利要求2所述的基于深度学习的图像匹配方法，其特征在于：特征描述符的构建具体为：

(1)pool3层输出直接形成pool3特征图F1，其中pool3的大小为28*28*256；

(2)使用Kronecker product获取pool4特征图F2，其中pool4的大小为14*14*512

(3)每个pool5_1描述符由16个特征点共享，获得特征图F3，其中pool5_1的大小为7*7*512。

(4)在获得F1、F2和F3后，将特征映射归一化为单位方差：

(3) 。

4.根据权利要求3所述的基于深度学习的图像匹配方法，其特征在于：步骤3中，特征匹配具体为：

定义特征的距离度量，两个特征点x和y之间的特征距离是三个距离值的加权和

各分量距离值为各特征描述符之间的欧式距离。

d_i(x,y)＝Euclidean-dis tance(D_i(x),D_i(y)) (5)。

5.根据权利要求1所述的基于深度学习的图像匹配方法，其特征在于：步骤4中，阈值设定成0.6，当相似度在0.6-0.85之间时则保留匹配对，选定出四组匹配对。

6.根据权利要求5所述的基于深度学习的图像匹配方法，其特征在于：步骤6中根据匹配对和反射矩阵，剔除掉误差大于4个像素点的匹配对。