(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 202210486424.8 (22)申请日 2022.05.06 (71)申请人 中国联合网络通信集团有限公司 地址 100033 北京市西城区金融大街21号 (72)发明人 刘学福　王建成　周必书　黄深能　 邓禹　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 贺财俊　刘芳 (51)Int.Cl. G06V 10/74(2022.01) G06K 9/62(2022.01) G06T 7/73(2017.01) (54)发明名称 图像处理方法、 装置、 设备及 介质 (57)摘要 本申请涉及图像处理领域， 提供一种图像处 理方法、 装置、 设备及介质。 该方法包括： 获取待 稽查图像以及待稽查图像对应的模板图像； 分别 对待稽查图像以及模板图像进行特征提取； 对提 取到的特征点以及描述子进行特征压缩； 根据压 缩后的特征点及其对应的描述子确定待稽查图 像与模板图像 之间的特征分配矩阵； 对特征分配 矩阵进行匹配筛选， 以得到筛选后的特征分配矩 阵； 根据筛选后的特征分配矩阵确定匹配度， 并 且根据匹配度确定待稽查图像和模板图像之间 的匹配结果。 本申请的方法， 可 以降低图像匹配 过程的计算 量， 提高图像匹配的效率和准确度。 权利要求书3页 说明书12页 附图4页 CN 115019070 A 2022.09.06 CN 115019070 A 1.一种图像处 理方法， 其特 征在于， 包括： 获取待稽查图像以及所述待稽查图像对应的模板图像； 分别对所述待稽查图像以及所述模板图像进行特征提取， 以得到所述待稽查图像的第 一特征点和所述第一特征点对应的第一描述子， 以及所述模板图像的第二特征点和所述第 二特征点对应的第二描述子； 对所述第一特征点以及所述第 一描述子进行特征压缩， 以得到压缩后的第 三特征点及 其对应的第三描述子， 并且对所述第二特征点以及所述第二描述子进行特征压缩， 以得到 压缩后的第四特 征点及其对应的第四描述子； 根据各第三特征点及其对应的第 三描述子、 各第四特征点及其对应的第四描述子确定 所述待稽查图像与所述模板图像之间的特 征分配矩阵； 对所述特 征分配矩阵进行匹配筛 选， 以得到 筛选后的特 征分配矩阵； 根据所述筛选后的特征分配矩阵确定匹配度， 并且根据 所述匹配度确定所述待稽查图 像和所述模板图像之间的匹配结果。 2.根据权利要求1所述的方法， 其特征在于， 所述分别对所述待稽查图像以及所述模板 图像进行 特征提取， 具体包括： 利用编码网络分别对所述待稽查图像以及所述模板图像进行降维处理， 以得到降维后 的待稽查图像以及降维后的模板图像； 利用特征点解码网络分别对所述降维后的待稽查图像以及所述降维后的模板图像进 行特征点提取， 以得到所述待稽查图像的第一特 征点和所述模板图像的第二特 征点； 利用描述子解码网络分别对所述降维后的待稽查图像以及所述降维后的模板图像进 行描述子提取， 以得到所述第一特征点对应的第一描述子以及所述第二特征点对应的第二 描述子。 3.根据权利要求2所述的方法， 其特征在于， 在所述利用特征点解码网络分别对所述降 维后的待稽查图像以及所述降维后的模板图像进行 特征点提取之后， 还 包括： 利用指数标准化函数的对数函数分别对所述第一特征点和所述第二特征点的特征点 坐标进行 校正。 4.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述根据 各第三特征点及其对 应的第三描述子、 各第四特征点及其对应的第四描述子确定所述待稽查图像与所述模板图 像之间的特 征分配矩阵， 具体包括： 分别对各第三特征点及其对应的第三描述子进行编码， 以得到第一初始向量， 并且对 各第四特 征点及其对应的第四描述子进行编码， 以得到第二初始向量； 依次利用图形神经网络模型中的自身注意力网络和 交互注意力网络对第一初始向量 进行增强， 以得到所述待稽查图像对应的第一特征匹配 向量， 并且依 次利用图形神经网络 模型中的自身注意力网络和交互注意力网络对第二初始向量进行增强， 以得到所述模板图 像对应的第二特 征匹配向量； 根据所述第一特征匹配向量和所述第二特征匹配向量确定所述待稽查图像与所述模 板图像之间的特 征分配矩阵。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述第 一特征匹配向量和所述第 二特征匹配向量确定所述待稽查图像与所述模板图像之间的特 征分配矩阵， 具体包括：权　利　要　求　书 1/3 页 2 CN 115019070 A 2计算各特征点坐标对应的第一特 征匹配向量以及第二特 征匹配向量的内积； 根据各特征点坐标对应的内积确定各特征点匹配的得分， 并且根据全部特征点对应的 得分生成特 征匹配得分矩阵； 利用下列公式计算总得分最大化时对应的特 征分配矩阵： max∑i， jSi， jPi， j 其中， 所述Si， j表示所述特 征匹配得分矩阵， 所述Pi， j表示所述特 征分配矩阵。 6.根据权利要求5所述的方法， 其特征在于， 所述特征分配矩阵是利用下列公式迭代求 解获得的： 其中， 所述L表示迭代计算过程中的损失值， 所述i， j∈C表示特征点i， j既属于所述待 稽查图像也属于所述模板图像， 所述i， j∈A表 示特征点i， j只属于所述待稽查图像， 所述i， j∈B表示特征点i， j只属 于所述模板图像； 所述M表示所述特征匹配得分矩阵的行个数， 所 述N表示所述特征匹配得分矩阵的列个数； 所述 表示所述特征匹配得分矩阵增加一 列后的特征分配矩阵， 所述 表示所述特征匹配得分矩阵增加一行后 的特征分配矩 阵， 所述||C||表示既属于所述待稽查图像也属于所述模板图像的特征点的得分矩阵的范 数， 所述||A||表示只属于所述待稽查图像的特征点的得分矩阵的范数， 所述||B||表示只 属于所述模板图像的特 征点的得分矩阵的范 数。 7.根据权利要求6所述的方法， 其特征在于， 所述对所述特征分配矩阵进行匹配筛选， 具体包括： 利用边缘样本共识估计模型对所述特征分配矩阵进行筛选， 去处所述特征分配矩阵中 的误匹配对。 8.一种图像处 理装置， 包括： 图像获取模块， 用于获取待稽查图像以及所述待稽查图像对应的模板图像； 特征提取模块， 用于分别对所述待稽查图像以及所述模板 图像进行特征提取， 以得到 所述待稽查图像的第一特征点和所述第一特征点对应的第一描述子， 以及所述模板图像的 第二特征点和所述第二特 征点对应的第二描述子； 特征压缩模块， 用于对所述第一特征点以及所述第一描述子进行特征压缩， 以得到压 缩后的第三特征点及其对应的第三描述子， 并且对所述第二特征点以及所述第二描述子进 行特征压缩， 以得到 压缩后的第四特 征点及其对应的第四描述子； 特征匹配模块， 用于根据各第三特征点及其对应的第三描述子、 各第 四特征点及其对 应的第四描述子确定所述待稽查图像与所述模板图像之间的特 征分配矩阵； 特征筛选模块， 用于对所述特征分配矩阵进行匹配筛选， 以得到筛选后的特征分配矩 阵； 结果输出模块， 用于根据所述筛选后的特征分配矩阵确定匹配度， 并且根据所述匹配权　利　要　求　书 2/3 页 3 CN 115019070 A 3