1.一种基于内容感知的图像特征匹配方法，其特征在于，首先，提出改进的两阶段特征匹配方法，在第一阶段使用最先进的模型拟合方法对图像对进行预对齐，预对齐后的图像用作第二阶段的输入；其次，在特征提取器之前使用一个由完全卷积网络和掩膜预测器组成的块，对输入图像的特征进行加权。

2.根据权利要求1所述的基于内容感知的图像特征匹配方法，其特征在于，第一阶段具体实现方式为：首先，使用预训练的特征提取器VGG‑19从输入图像IA和IB中提取特征；其次，在最后一层的特征图上使用密集最近邻搜索DNNS来进行初始匹配；最后，将初始匹配用于单应矩阵估计以进行预对齐。

3.根据权利要求2所述的基于内容感知的图像特征匹配方法，其特征在于，第二阶段具体实现方式为：首先，将预对齐的结果输入到由内容感知块和VGG‑19组成的特征提取器中，用于提取特征；其次，使用密集最近邻搜索DNNS进行特征匹配。

4.根据权利要求2所述的基于内容感知的图像特征匹配方法，其特征在于，使用鲁棒模型拟合方法MAGSAC++估计单应矩阵HBA，HBA用于扭曲图像IB得到图像IBwarped。

5.根据权利要求3所述的基于内容感知的图像特征匹配方法，其特征在于，所述内容感知块由第二特征提取器和掩膜预测器组成，第二特征提取器用于初步提取输入图像的特征图，掩膜预测器用于预测概率图，即有效内容更多的位置具有更高的概率，然后概率图被用来对输入图像的特征图进行加权。

6.根据权利要求5所述的基于内容感知的图像特征匹配方法，其特征在于，所述第二特征提取器使用一个完全卷积网络来组成，它接受一个大小为H*W*1的输入，并生成一个大小为H*W*C的特征图；对于输入图像IA和IB，第二特征提取器共享权重，生成特征图FA和FB，即：Fi＝f(Ii),i∈{A,B}

其中，f(·)表示第二特征提取器。

7.根据权利要求6所述的基于内容感知的图像特征匹配方法，其特征在于，所述掩膜预测器，通过建立一个网络来自动学习有效特征的位置，该网络m(·)生成一个内点概率图，突出显示特征图中有更多贡献的位置；概率图的大小与特征图FA和FB的大小相同，通过概率图对f(·)提取的特征进一步加权，然后将两个加权后的特征图GA和GB输入VGG‑19，即：Mi＝m(Ii),Gi＝FiMI，i∈{A,B}。