一种用于图像匹配、识别、检索的点集合匹配的校正方法
【专利摘要】本发明属于模式识别、图像处理、计算机视觉【技术领域】，具体为一种用于图像匹配、识别、检索的点集合匹配的校正方法。本发明根据两个点集合的初始匹配关系建立邻接矩阵，并提出一种图论中最大团问题的近似求解方法以获得近似服从同一几何变换的点集合匹配关系。将一个点集合经过几何变换投影到另一个点集合所在的空间就可以求得两个点集合之间的相似度，并作为图像相似度实现图像匹配、识别、检索。实验表明，所发明的点集合匹配的校正方法与多种形状特征提取方法中的任意一种相结合都可以获得较好的图像匹配与识别效果。
【专利说明】—种用于图像匹配、识别、检索的点集合匹配的校正方法
【技术领域】
[0001]本发明属于模式识别、图像处理、计算机视觉【技术领域】，具体涉及一种点集合匹配的校正方法，可以用于图像匹配、识别、检索。
【背景技术】
[0002]图像包括形状、纹理、颜色信息，其中，形状是图像识别、检索所依赖的主要信息，形状特征描述对于图像识别、检索非常重要，而形状之间的相似性和差异性往往反映在图像的特征点上，因此图像匹配的一种主要解决方案是将其作为点集合匹配来解决。[S.Belogie, J.Malik, J.Puzicha: “Shape matching and object recognitionusing shape contexts,IEEE Transactions on Pattern Analysis and MachineIntelligence” , Volume 24, pp.509-52，2002】论文中提出了一种称为形状上下文(ShapeContexts)的形状描述方法，在形状描述子相似度计算的基础上采用图论中的二部图匹配方法对点集合进行匹配，但是其计算复杂度较高，其求解二部图匹配的算法的复杂度大约为 0(N4)。【David G.Lowe: " Distinctive Image Features from Scale-1nvariantKeypoints " , International Journal of Computer Vision, Volume 60, Issue2，pp.91-110，2004】中提出了一种DoG的特征点提取方法和一种称作SIFT的描述子，并基于描述子之间的相似度对特征点进行匹配，但是这样的点集合匹配结果不经过校正是含有误匹配的，会对后续的图像匹配、识别、检索带来干扰。
【发明内容】
[0003]本发明的目的在于提出一种计算开销合理、且与各种形状描述方法搭配都能够获得较好图像匹配、识别、检索性能的点集合匹配的校正方法。
[0004]本发明提出的一种用于点集合匹配的校正方法，具体计算步骤如下:
[0005](1)计算邻接矩阵；
[0006]( 2 )近似求解图论中最大团问题；
[0007]上面所述的点集合匹配的校正方法中的步骤1中的邻接矩阵计算的步骤如下:
[0008](a)假设两个点集合P={P” P2,...，PJ和Q={Q” Q2,...，Qj之间初始的匹配关系为P<r^(>\Ρ?^.Ο?~，将邻接矩阵初始化为 CHcfO I i, j=l, 2，…，m} ； (b)计算R= {r^.=(1 (P^ Pp/cKQi, Q」)| i, j=l, 2，...，m; i Φ j}，这里(1(Ρ” P」)表示点 Pi 和点 P」之间的欧几里得距离、(KQi，Qj)表示点Qi和点之间的欧几里得距离；
[0009](c)将{rfcKPi, Pp/cKQi, Qj) | i, j=l, 2，…，m; i Φ j}按照从小到大的次序排序，得到R#R2≤…≤Rm(m-D ;将&在R中的位置记录为S[k] e {(i，j) |i，j=l，2，...，m;i关j}，k=l, 2,..., m(m-l)；
[0010](d)将札(R2 ? Rm(?,-!)分段，分段方法如下:如果存在n-1段，其边界对应的下标为 1[1]=1，1[2]，1[3]，…，I[n-1]，I[n]=m(m-1)且满足条件 Rim/RI[i+1]>t Λ RIti]/RI[i+1]+1 ( t，这里 i=l，2，…，n-1，t 是一个接近 1 的阈值，则以 1[1]=1，1[2]，1[3]，…,I [n-1], I [η]为边界进行分段；
[0011](e)从上述步骤(d)得到的对R1≤R2≤…≤Rn-ι个分段中找到最长的一段，其在n-Ι个分段中的对应次序为广=吨丨/丨/ + 1]_朋I i =丨.2..…》_ U，提取该段在R
中的对应下标{S [k] | k=I [i*]，I [i*] +1，...，I [i*+l]}；
[0012](f)令{cs[k]=l|k=I[i*]，I[i*]+l，…，I[i*+1]}；
[0013]上面所述的点集合匹配的校正方法中的步骤2中的图论中最大团问题近似求解的计算步骤如下:
[0014](a)将一个完全图的所有节点的下标的集合初始化为0 = {1，2，- ,m};将噪声节点对应的下标的集合初始化为空集合Ψ = Φ，将噪声节点之外的剩余节点的集合初始化为Ω = Θ ；
[0015](b)设置计数器
【权利要求】
1.一种用于图像匹配、识别、检索的点集合匹配的校正方法，其特征在于包含邻接矩阵计算和图论中最大团问题近似求解两个部分；其中:所述的邻接矩阵计算的步骤如下:(a)假设两个点集合Ρ={ΡρΡ2,…，PJ和Q={Qi，Q2,…，Qm}之间初始的匹配关系为
【文档编号】G06K9/62GK103679201SQ201310688861
【公开日】2014年3月26日 申请日期:2013年12月14日 优先权日:2013年12月14日
【发明者】杨夙 申请人:复旦大学