买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈工大郑州研究院;哈尔滨工业大学

摘要：本发明属于图像特征匹配领域，具体涉及一种适用大尺度场景下基于特征匹配网络的特征识别方法。针对现有技术中无法将全局特征、局部特征和多尺度特征进行有效的提取和整合的问题。本发明设计一种适用大尺度场景下基于特征匹配网络的特征识别方法，使用基于ResNet18的特征金字塔网络提供粗、细两种级别的特征。粗级别特征生成同时具有多尺度、全局和局部信息的特征。利用局部调节分支和全局调节分支从局部和全局两个角度来有效地校准丰富的特征表示。将输出的特征传入粗匹配模块得到粗匹配坐标。最后通过细匹配模块生成细匹配位置偏差来得出最终的匹配点。实现将全局特征、局部特征和多尺度特征进行有效的提取和整合。

主权项：1.一种适用大尺度场景下基于环境特征匹配网络的特征识别方法，其特征在于，所述方法具体过程为：一、建立环境特征匹配网络MRMatcher，获得训练好的环境特征匹配网络MRMatcher；二、将待匹配的环境图像对输入训练好的环境特征匹配网络MRMatcher，完成环境特征匹配；所述步骤一中建立环境特征匹配网络MRMatcher；获得训练好的环境特征匹配网络MRMatcher；具体过程为：步骤一、随机采样环境图像；环境图像训练集表示为I；步骤二、建立环境特征匹配网络MRMatcher；获得训练好的环境特征匹配网络MRMatcher；所述步骤二中建立环境特征匹配网络MRMatcher；获得训练好的环境特征匹配网络MRMatcher；具体过程为：所述环境特征匹配网络MRMatcher依次包括：特征提取模块，多特征表示模块、特征调节模块、粗匹配模块、细匹配模块；所述特征提取模块为ResNet18特征金字塔网络；S1：取图像训练集I中的图像对IA和IB；将IA输入特征提取模块，特征提取模块输出12下采样的细级别特征图以及18下采样的粗级别特征图将IB输入特征提取模块，特征提取模块输出12下采样的细级别特征图以及18下采样的粗级别特征图其中，H和W分别表示图像的高度和宽度，和分别表示细特征通道数和粗特征通道数，表示张量；所述粗级别特征图中的每个像素对应于输入图像IA的一个8×8网格，并将粗级别特征图中的每个像素对应于输入图像IA的一个8×8网格的中心像素标识为粗级别关键点所述粗级别特征图中的每个像素对应于输入图像IB的一个8×8网格，并将粗级别特征图中的每个像素对应于输入图像IB的一个8×8网格的中心像素标识为粗级别关键点所述细级别特征图中的每个像素对应于输入图像IA的一个2×2网格；所述细级别特征图中的每个像素对应于输入图像IB的一个2×2网格；其中N表示粗级别关键点的数量，N＝H8×W8，N×2表示N个粗级别关键点的二维坐标；S2：将S1获得的粗级别特征图进行图转序列操作，输出粗级别特征序列和具体过程为：Img2Seq表示图转序列操作；S3：将S2获得的粗级别特征序列作为第一次进行多特征提取与调节操作的输入，每一次进行多特征提取与调节操作得到提取与调节后的多特征作为下一次多特征提取与调节操作输入，进行L1次多特征提取与调节操作，得到完整的提取与调节的多特征和S4：将S1获得的细级别特征图与S3获得的和输入至粗匹配模块进行粗匹配处理，得到粗匹配对；S5：根据将S4获得的粗匹配对在细级别特征图中裁剪两个边长大小为w，以粗匹配对作为中心的方形窗口特征图，将方形窗口特征图输入至细匹配特征模块进行细匹配处理，得到细匹配对；S6：采用粗、细两个指标作为损失函数进行训练；获得训练好的环境特征匹配网络MRMatcher。

全文数据：

权利要求：

百度查询： 哈工大郑州研究院 哈尔滨工业大学 一种适用大尺度场景下基于特征匹配网络的特征识别方法