(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211505976.5 (22)申请日 2022.11.29 (71)申请人 南方科技大 学 地址 518055 广东省深圳市南 山区桃源街 道学苑大道1088号 (72)发明人 祝渊　黄皓恬　杨远航　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 周翀 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 图像特征匹配方法、 计算机设备和可读存储 介质 (57)摘要 本申请公开了一种图像特征匹配方法、 计算 机设备和可读存储介质， 涉及计算机视觉领域。 该方法包括获取待匹配图像， 所述待匹配图像为 成对的部分重合的图像； 利用预设的特征匹配模 型对所述待匹配图像进行特征提取处理， 得到多 对第一待匹配 关键点； 利用预设的几何密度模型 对所述待匹配图像进行特征提取处理， 得到多对 第二待匹配关键点； 对所述第一待匹配 关键点和 与所述第一待匹配关键点对应的第二待匹配关 键点进行特征融合处理， 得到多对第三待匹配关 键点； 对所述第三待匹配关键点进行匹配估计处 理， 得到预测基础矩阵。 本申请实施例能够有效 地提高图像匹配算法的匹配准确度， 提升了图像 匹配算法的性能， 节省了人力、 物力和财力。 权利要求书2页 说明书11页 附图5页 CN 115527050 A 2022.12.27 CN 115527050 A 1.一种图像特 征匹配方法， 其特 征在于， 包括： 获取待匹配图像， 所述待匹配图像为成对的部分重合的图像； 利用预设的特征匹配模型对所述待 匹配图像进行特征提取处理， 得到多对第 一待匹配 关键点； 利用预设的几何密度模型对所述待 匹配图像进行特征提取处理， 得到多对第 二待匹配 关键点； 对所述第一待匹配关键点和与所述第一待匹配关键点对应的第二待匹配关键点进行 特征融合处 理， 得到多对第三待匹配关键点； 对所述第三待匹配关键点进行匹配估计处 理， 得到预测基础矩阵。 2.根据权利要求1所述的图像特征匹配方法， 其特征在于， 所述利用预设的特征匹配模 型对所述待匹配图像进行 特征提取处 理， 得到多对第一待匹配关键点， 包括： 利用预设的特征匹配模型对所述待 匹配图像进行特征提取处理， 得到多对第四待 匹配 关键点； 对多对所述第四待 匹配关键点进行置信度计算， 选取置信度得分最高的前K1对所述第 四待匹配关键点， 得到多对所述第一待匹配关键点。 3.根据权利要求2所述的图像特征匹配方法， 其特征在于， 所述利用预设的几何密度模 型对所述待匹配图像进行 特征提取处 理， 得到多对第二待匹配关键点， 包括： 利用预设的几何密度模型对所述待 匹配图像进行特征提取处理， 得到多对第五待 匹配 关键点； 对多对所述第五待 匹配关键点进行置信度计算， 选取置信度得分最高的前所述K1对所 述第五待匹配关键点， 得到多对所述第二待匹配关键点。 4.根据权利要求1所述的图像特征匹配方法， 其特征在于， 在所述获取待匹配图像， 所 述待匹配图像为成对的部分重合的图像之前， 所述方法还 包括： 获取初始匹配图像， 所述初始匹配图像为成对的部分重合的图像； 对所述初始匹配图像进行图像增强处 理， 得到所述待匹配图像。 5.根据权利要求1所述的图像特征匹配方法， 其特征在于， 在所述对所述第 三待匹配关 键点进行匹配估计处理， 得到预测基础矩阵之后， 所述方法还包括： 对所述预测基础矩阵和 预设的真实基础矩阵进行准确率计算， 得到匹配准确率， 以对特 征匹配结果进行评价。 6.根据权利要求1所述的图像特征匹配方法， 其特征在于， 所述对所述第 三待匹配关键 点进行匹配估计处理， 得到预测基础矩阵， 包括： 利用预设的估算器对所述第三待匹配关键 点进行匹配估计处 理， 得到所述预测基础矩阵。 7.根据权利要求1所述的图像特征匹配方法， 其特征在于， 所述预设的特征匹配模型通 过以下步骤获取： 获取图像匹配数据集， 所述图像匹配数据集包括多对具有重 叠的图像数据； 获取初始特 征匹配模型； 利用所述初始特征匹配模型对每一对所述图像数据进行特征提取， 得到第 一提取特征 集； 基于所述第一 提取特征集计算损失函数， 得到第一损失函数的值； 基于所述第 一损失函数的值对所述初始特征匹配模型进行训练， 在所述第 一损失函数权　利　要　求　书 1/2 页 2 CN 115527050 A 2的值满足预设条件的情况 下， 得到所述特 征匹配模型。 8.根据权利要求7所述的图像特征匹配方法， 其特征在于， 所述预设的几何密度模型通 过以下步骤获取： 获取初始几何密度模型； 利用所述初始几何密度模型对每一对所述图像数据进行特征提取， 得到第 二提取特征 集； 基于所述第二 提取特征集计算损失函数， 得到第二损失函数的值； 基于所述第 二损失函数的值对所述初始几何密度模型进行训练， 在所述第 二损失函数 的值满足预设条件的情况 下， 得到所述几何密度模型。 9.一种计算机设备， 其特征在于， 所述计算机设备包括存储器和处理器， 所述存储器中 存储有计算机可读指令， 所述计算机可读指令被一个或多个所述处理器执行时， 使得一个 或多个所述处 理器执行如权利要求1至8中任一项所述方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质可被处理器读写， 所述存储 介质存储有计算机可读指令， 所述计算机可读指令被一个或多个处理器执行时， 使得一个 或多个处 理器执行如权利要求1至8中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115527050 A 3