專利名稱：一種圖像檢索/匹配方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種圖像檢索/匹配方法及系統(tǒng)。
背景技術(shù)：
目前，圖像局部特征點匹配已經(jīng)在多個領(lǐng)域取得了成功應(yīng)用，如圖像配準(zhǔn)、目標(biāo)識別、機器人導(dǎo)航、圖像檢索、移動視頻搜索、臉部識別、指紋識別、眼虹膜識別、醫(yī)學(xué)圖像處理等。圖像中的特征點(如邊緣交叉點、角點、高熵區(qū)域、尺度空間極大值點等)具有尺度不變性、旋轉(zhuǎn)不變性、灰度不變性，并對光線、噪聲、仿射變換等具有魯棒性，能夠有效反應(yīng)圖像中的局部穩(wěn)定特征。常用的局部不變量(Local ^variant)的計算方法，如SIFT Gcale Invariant Feature Transform，尺度不變特征變換)、SURF (Speeded Up Robust Features，快速魯棒特征)算法等，由于僅描述了特征點附近的鄰域信息，不能夠反應(yīng)全局特性，因此當(dāng)圖像中出現(xiàn)大量相似結(jié)構(gòu)特征時，極易發(fā)生誤匹配。研究者們已經(jīng)提出了一些方式來解決圖像局部特征點的誤匹配問題，與本發(fā)明解決的問題最相近的方法有局部特征點全局描述符方法和 RANSAC(RANdom SAmple Consensus)方法。局部特征點全局描述符方法抽取圖像中局部特征點附近的60維的上下文全局特征，通過加權(quán)方式與SIFT算法的1 維特征描述符連接在一起，構(gòu)成188維局部特征點的全局描述符。再利用全局描述符來進行特征點匹配，以減少誤匹配現(xiàn)象的發(fā)生。由于新的全局描述符維度太高，在特征點匹配之前，該方法使用降維算法對拼接后高維的全局描述符進行了簡化處理。此方法使得特征點匹配過程變得十分復(fù)雜，計算效率大大降低；更為重要的是，拼接了全局描述的特征描述符在很大程度上喪失了局部特征描述符原有的對上下文不敏感的優(yōu)秀特性，導(dǎo)致難以應(yīng)對圖像尺度變化、圖像嵌套等問題，對視角變化的應(yīng)對能力也相應(yīng)降低。因此局部特征點全局描述符方法雖然通過引入上下文環(huán)境，在一定程度上解決了局部特征點使用全局位置信息的問題，但是卻導(dǎo)致了識別能力下降、計算效率降低等比較嚴(yán)重的問題。RANSAC方法通過求解匹配點的變換矩陣來判消除特征點誤匹配造成的錯誤檢索現(xiàn)象。RANSAC方法從初始匹配點集中選擇樣本點求解變換矩陣，然后找出誤差小于一定閾值的一致集。如一致集中的點數(shù)多于給定門限值，則計算停止；否則重新選擇樣本點，直到找到一致集。其中，與一致集的變換矩陣小于給定閾值的是正確匹配點，否則是誤匹配點。如重復(fù)選擇樣本點的次數(shù)大于一定數(shù)值仍未找到一致集，則認(rèn)為這兩幅圖像無法匹配。 該方法需要從初始匹配點集中選擇樣本點來求解變換矩陣，對樣本點的選擇具有一定隨機性，如果樣本點確定的變換矩陣不能構(gòu)成一致集，需要重新選擇樣本點。對于兩幅完全不能匹配的圖像，這種樣本點的選擇一般要到迭代次數(shù)超過給定閾值后才會停止。因此，對于兩幅基本相同的圖像，RANSAC方法的匹配速度很快，而對于完全不同的圖像，RANSAC方法速度很慢。由于圖像檢索/匹配中，大部分情況下兩幅圖像是完全不同的。所以RANSAC方法難以適用于海量圖像檢索/匹配算法問題中。

發(fā)明內(nèi)容
針對上述現(xiàn)有技術(shù)中存在的問題與缺陷，本發(fā)明提出一種圖像檢索/匹配方法及系統(tǒng)，不僅能適應(yīng)于圖像尺度變化、圖像嵌套、視角變化等復(fù)雜情況下的圖像檢索，而且具有較高的檢索效率和識別準(zhǔn)確率。為解決上述技術(shù)問題，本發(fā)明圖像檢索/匹配方法包括求取兩幅圖像的初始匹配特征點集；判斷并消除所述初始匹配特征點集中的誤匹配特征點對；根據(jù)所述初始匹配特征點集中余下的正確的匹配特征點對的數(shù)量判斷兩幅圖像是否匹配；其中，判斷某個初始匹配特征點對是否為誤匹配特征點對，采用的方法包括在兩幅圖像中，分別以該初始匹配特征點對中的初始匹配特征點為中心，將圖像劃分為兩個以上的區(qū)域，并對各個區(qū)域進行編號；圖像劃分區(qū)域時，兩幅圖的特征點主方向保持一致，且兩幅圖的圖像劃分標(biāo)準(zhǔn)一致；在兩幅圖像中，分別以其他各初始匹配特征點所處區(qū)域的編號按既定順序構(gòu)成的矢量來描述該初始匹配特征點的全局特征；對兩個矢量進行比較，如果相似度達(dá)到要求，則該初始匹配特征點對為正確的匹配特征點對；否則，為誤匹配特征點對。進一步地，兩幅圖的特征點主方向保持一致，是指在兩幅圖中，當(dāng)以該初始匹配特征點對中的初始匹配特征點為原點時，X軸與該初始匹配特征點的特征點主方向的夾角相寸。進一步地，將圖像劃分為兩個以上的區(qū)域，是指將圖像劃分為兩個以上均勻的區(qū)域。進一步地，所述按既定順序，是指按照預(yù)先對各個初始匹配特征點的排列順序。進一步地，對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的一種方法為求兩個矢量的各相應(yīng)位置元素的誤差，包括如果相應(yīng)位置元素的差值的絕對值小于等于Z/2向上取整得到的值，則以該差值作為該位置的相應(yīng)元素的誤差；如果相應(yīng)位置元素的差值的絕對值大于Z/2向上取整得到的值，則以Z減去該差值的絕對值得到的值作為該位置的相應(yīng)元素的誤差；將各個位置的誤差求和，如果求得的和小于預(yù)設(shè)的門限值，則相似度達(dá)到要求；如果求得的和大于等于預(yù)設(shè)的門限值，則相似度未達(dá)到要求；其中，Z為其中一個圖像中，對圖像所劃分的區(qū)域的個數(shù)。進一步地，對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的另一種方法為求兩個矢量的各相應(yīng)位置元素不一致的個數(shù)，如果該個數(shù)小于預(yù)設(shè)的門限值，則相似度達(dá)到要求；如果該個數(shù)大于等于預(yù)設(shè)的門限值，則相似度未達(dá)到要求。為解決上述技術(shù)問題，本發(fā)明圖像檢索/匹配系統(tǒng)包括初始匹配特征點集求取模塊，用于求取兩幅圖像的初始匹配特征點集；誤匹配特征點對消除模塊，用于判斷并消除所述初始匹配特征點集中的誤匹配特征點對；圖像匹配判斷模塊，用于根據(jù)所述初始匹配特征點集中余下的正確的匹配特征點對的數(shù)量判斷兩幅圖像是否匹配；其中，所述誤匹配特征點對消除模塊包括圖像區(qū)域劃分子模塊，用于在兩幅圖像中，分別以該初始匹配特征點對中的初始匹配特征點為中心，將圖像劃分為兩個以上的區(qū)域，并對各個區(qū)域進行編號；圖像劃分區(qū)域時，兩幅圖的特征點主方向保持一致，且兩幅圖的圖像劃分標(biāo)準(zhǔn)一致；矢量構(gòu)建子模塊，用于在兩幅圖像中，分別以其他各初始匹配特征點所處區(qū)域的編號按既定順序構(gòu)成的矢量來描述該初始匹配特征點的全局特征；矢量比較子模塊，用于對兩個矢量進行比較，如果相似度達(dá)到要求，則該初始匹配特征點對為正確的匹配特征點對；否則，為誤匹配特征點對；誤匹配消除子模塊，用于消除所述初始匹配特征點集中的誤匹配特征點對。進一步地，兩幅圖的特征點主方向保持一致，是指在兩幅圖中，當(dāng)以該初始匹配特征點對中的初始匹配特征點為原點時，X軸與該初始匹配特征點的特征點主方向的夾角相寸。進一步地，將圖像劃分為兩個以上的區(qū)域，是指將圖像劃分為兩個以上均勻的區(qū)域。進一步地，所述按既定順序，是指按照預(yù)先對各個初始匹配特征點的排列順序。進一步地，對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的一種方案為求兩個矢量的各相應(yīng)位置元素的誤差，包括如果相應(yīng)位置元素的差值的絕對值小于等于Z/2向上取整得到的值，則以該差值作為該位置的相應(yīng)元素的誤差；如果相應(yīng)位置元素的差值的絕對值大于Z/2向上取整得到的值，則以Z減去該差值的絕對值得到的值作為該位置的相應(yīng)元素的誤差；將各個位置的誤差求和，如果求得的和小于預(yù)設(shè)的門限值，則相似度達(dá)到要求；如果求得的和大于等于預(yù)設(shè)的門限值，則相似度未達(dá)到要求；其中，Z為其中一個圖像中，對圖像所劃分的區(qū)域的個數(shù)。進一步地，對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的另一種方案為求兩個矢量的各相應(yīng)位置元素不一致的個數(shù)，如果該個數(shù)小于預(yù)設(shè)的門限值，則相似度達(dá)到要求；如果該個數(shù)大于等于預(yù)設(shè)的門限值，則相似度未達(dá)到要求。本發(fā)明有益效果如下1，相同物體或目標(biāo)在不同視角、尺度、旋轉(zhuǎn)、光照下，局部特征點間的相對位置具有一定的穩(wěn)定性。本發(fā)明首先通過局部特征描述子得到初始特征匹配點，再由初始匹配特征點的相對位置關(guān)系得到初始匹配特征點的全局特征信息，然后利用全局特征信息對初始特征匹配點進行誤匹配點篩除，本發(fā)明使用的特征點全局信息在利用形式上完全獨立于局部特征描述，從而消除了使用局部特征不變量進行局部特征匹配時易產(chǎn)生的誤匹配現(xiàn)象， 大大提高了利用局部特征描述子(即局部不變量)進行圖像檢索的準(zhǔn)確性。2，本發(fā)明提出了一種新的全局位置信息描述方式，該全局特征不需要與局部特征進行拼接，因而能夠保留局部特征描述的所有優(yōu)秀特性，不但顯著提高了局部特征點匹配的準(zhǔn)確率，而且能適應(yīng)于圖像尺度變化、圖像嵌套、視角變化等復(fù)雜情況下的圖像檢索。3，本發(fā)明在進行兩幅圖像的誤匹配點篩除時，只需進行一輪計算，所增加的計算開銷與局部特征提取所需的計算開銷相比，幾乎可以忽略不計，因此本發(fā)明與單純利用局部特征點進行圖像檢索的方法相比，計算效率基本上不發(fā)生變化；與RANSAC方法相比，在被檢索的圖像與樣本圖像完全不同時，本發(fā)明只需要進行一輪誤匹配特征點判斷，而無需等至迭代次數(shù)超過閾值，因而檢索效率較RANSAC方法大大提高，尤其是在海量圖像檢索/ 匹配問題中更為明顯。


圖1為本發(fā)明實施例的圖像檢索/匹配方法流程示意圖；圖2為本發(fā)明實施例的判斷誤匹配特征點對示意圖；圖3為本發(fā)明實施例的相對位置參照系示意圖；圖4為本發(fā)明實施例的圖像檢索/匹配系統(tǒng)結(jié)構(gòu)示意圖；圖5為本發(fā)明實施例的誤匹配特征點對消除模塊結(jié)構(gòu)示意圖。
具體實施例方式以下結(jié)合附圖以及實施例，對本發(fā)明進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不限定本發(fā)明。方法實施例根據(jù)本發(fā)明的實施例，提供了一種圖像檢索/匹配方法，圖1是本發(fā)明實施例的圖像檢索/匹配方法的流程圖，如圖1所示，根據(jù)本發(fā)明實施例的圖像檢索/匹配方法，包括如下處理步驟101，求取兩幅圖像的初始匹配特征點集。對于圖像A與B，用標(biāo)準(zhǔn)的局部特征描述子的計算方法，如SIFT算法、SURF算法等，分別求取局部特征點，并以局部特征描述子表示，得到兩幅圖像的初始匹配特征點集為M= {(ai; bD |1彡i彡η}，其中η為兩幅圖像的初始匹配特征點數(shù)，η > 0, MA = Iai 11彡i彡η}，MB = Ibi 11彡i彡η}分別表示圖像A與B中的初始匹配特征點。步驟102，判斷并消除初始匹配特征點集中的誤匹配特征點對。其中，判斷某個初始匹配特征點對是否為誤匹配特征點對，采用的具體方案如圖2 所示，包括步驟1021，在兩幅圖像中，分別以該初始匹配特征點對中的初始匹配特征點為中心，將圖像劃分為兩個以上的區(qū)域，并對各個區(qū)域進行編號；圖像劃分區(qū)域時，兩幅圖的特征點主方向保持一致，且兩幅圖的圖像劃分標(biāo)準(zhǔn)一致。該實施例中，兩幅圖的特征點主方向保持一致，是指在兩幅圖中，當(dāng)以該初始匹配特征點對中的初始匹配特征點為原點時，X軸或Y軸與該初始匹配特征點的特征點主方向的夾角相等。該實施例中，將圖像劃分為兩個以上的區(qū)域，是指將圖像劃分為兩個以上均勻的區(qū)域。當(dāng)然，本發(fā)明方法具體實施時，不要求劃分的圖像區(qū)域一定均勻，只要兩幅圖的劃分標(biāo)準(zhǔn)保持一致即可。
步驟1022，在兩幅圖像中，分別以其他各初始匹配特征點所處區(qū)域的編號按既定順序構(gòu)成的矢量來描述該初始匹配特征點的全局特征。該實施例中，所謂按既定順序，是指按照預(yù)先對各個初始匹配特征點的排列順序。 例如，按照MA和MB中各初始匹配特征點的編號，或者，按照預(yù)先對各初始匹配特征點以其他方式所做的排序。步驟1023，對步驟1022得到的兩個矢量進行比較，如果兩個矢量的相似度達(dá)到要求，則該初始匹配特征點對為正確的匹配特征點對；否則，為誤匹配特征點對。該步驟中，對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的一種方法為求兩個矢量的各相應(yīng)位置元素的誤差，具體方法包括如果相應(yīng)位置元素的差值的絕對值小于等于Z/2向上取整得到的值，則以該差值作為該位置的相應(yīng)元素的誤差；如果相應(yīng)位置元素的差值的絕對值大于Z/2向上取整得到的值，則以Z減去該差值的絕對值得到的值作為該位置的相應(yīng)元素的誤差；將各個位置的誤差求和，如果求得的和小于預(yù)設(shè)的門限值，則相似度達(dá)到要求；如果求得的和大于等于預(yù)設(shè)的門限值，則相似度未達(dá)到要求；其中，Z為其中一個圖像中，對圖像所劃分的區(qū)域的個數(shù)。該步驟中，對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的另一種方法為求兩個矢量的各相應(yīng)位置元素不一致的個數(shù)，如果該個數(shù)小于預(yù)設(shè)的門限值，則相似度達(dá)到要求；如果該個數(shù)大于等于預(yù)設(shè)的門限值，則相似度未達(dá)到要求。以上給出了本步驟中判斷相似度是否達(dá)到要求的兩個具體的例子，本發(fā)明方法具體實施時，不限于采用以上兩種具體的方式，只要能夠判斷兩個矢量的相似度的方案，本發(fā)明方法均可以采行。當(dāng)求出初始匹配特征點集中的誤匹配特征點對后，將其從初始匹配特征點集中消除。步驟103，根據(jù)初始匹配特征點集中余下的正確的匹配特征點對的數(shù)量判斷兩幅圖像是否匹配。例如，如果初始匹配特征點集中余下的正確的匹配特征點對的數(shù)量與初始匹配特征點集中的初始匹配特征點對的數(shù)量之比超出了預(yù)設(shè)的閥值，則認(rèn)為兩幅圖像是匹配的。 同理，在圖像檢索時，認(rèn)為檢索到正確的圖像。下面再以一個具體實例對本發(fā)明方法中消除誤匹配特征點的步驟(即上述步驟 102)做進一步詳細(xì)說明。對于圖像A與B，用SIFT算法分別求取局部特征點，并以局部特征描述子表示，得到兩幅圖像的初始匹配特征點集為M= {( ,^) |1 ^ i彡η}，其中η為兩幅圖像的匹配特征點數(shù)，n>0，MA= Iai 11 ^ i ^ n},MB = Ibi 11 ^ i ^ η}分別表示圖像A與B中的初始匹配特征點。為了對由局部特征描述子求得的每一對匹配特征點進行全局特征描述，需要以其為基準(zhǔn)在兩幅圖像中建立新的坐標(biāo)系，這里稱這對匹配特征點為基準(zhǔn)特征點對，點對中的特征點稱為基準(zhǔn)特征點。該實施例具體包括如下處理1，利用相對位置信息進行局部特征點全局特征描述選擇(a^b,) e M作為當(dāng)前的基準(zhǔn)特征點對，即: 和、分別對應(yīng)為圖像A和B中的基準(zhǔn)特征點。下面以％為例，說明如何利用它與圖像A中其它匹配特征點的相對位置信息構(gòu)造 的全局特征描述。設(shè)特征點 在A中對應(yīng)的坐標(biāo)為(aix，aiy)，A中另一匹配特征點 a,· (a,· e ΜΑ)的坐標(biāo)為(a1x，al￥)。
(Na
a)首先，將圖像A的原點移至(aix，aiY)，則此時…在新坐標(biāo)系中的坐標(biāo)變換為
權(quán)利要求
1.一種圖像檢索/匹配方法，包括 求取兩幅圖像的初始匹配特征點集；判斷并消除所述初始匹配特征點集中的誤匹配特征點對；根據(jù)所述初始匹配特征點集中余下的正確的匹配特征點對的數(shù)量判斷兩幅圖像是否匹配；其特征在于，判斷某個初始匹配特征點對是否為誤匹配特征點對，采用的方法包括 在兩幅圖像中，分別以該初始匹配特征點對中的初始匹配特征點為中心，將圖像劃分為兩個以上的區(qū)域，并對各個區(qū)域進行編號；圖像劃分區(qū)域時，兩幅圖的特征點主方向保持一致，且兩幅圖的圖像劃分標(biāo)準(zhǔn)一致；在兩幅圖像中，分別以其他各初始匹配特征點所處區(qū)域的編號按既定順序構(gòu)成的矢量來描述該初始匹配特征點的全局特征；對兩個矢量進行比較，如果相似度達(dá)到要求，則該初始匹配特征點對為正確的匹配特征點對；否則，為誤匹配特征點對。
2.如權(quán)利要求1所述的圖像檢索/匹配方法，其特征在于，兩幅圖的特征點主方向保持一致，是指在兩幅圖中，當(dāng)以該初始匹配特征點對中的初始匹配特征點為原點時，X軸與該初始匹配特征點的特征點主方向的夾角相等。
3.如權(quán)利要求1所述的圖像檢索/匹配方法，其特征在于，將圖像劃分為兩個以上的區(qū)域，是指將圖像劃分為兩個以上均勻的區(qū)域。
4.如權(quán)利要求1所述的圖像檢索/匹配方法，其特征在于，所述按既定順序，是指按照預(yù)先對各個初始匹配特征點的排列順序。
5.如權(quán)利要求1至4中任一項所述的圖像檢索/匹配方法，其特征在于，對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的方法為求兩個矢量的各相應(yīng)位置元素的誤差，包括如果相應(yīng)位置元素的差值的絕對值小于等于Z/2向上取整得到的值，則以該差值作為該位置的相應(yīng)元素的誤差；如果相應(yīng)位置元素的差值的絕對值大于Z/2向上取整得到的值，則以Z減去該差值的絕對值得到的值作為該位置的相應(yīng)元素的誤差；將各個位置的誤差求和，如果求得的和小于預(yù)設(shè)的門限值，則相似度達(dá)到要求；如果求得的和大于等于預(yù)設(shè)的門限值，則相似度未達(dá)到要求；其中，Z為其中一個圖像中，對圖像所劃分的區(qū)域的個數(shù)。
6.如權(quán)利要求1至4中任一項所述的圖像檢索/匹配方法，其特征在于，對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的方法為求兩個矢量的各相應(yīng)位置元素不一致的個數(shù)，如果該個數(shù)小于預(yù)設(shè)的門限值，則相似度達(dá)到要求；如果該個數(shù)大于等于預(yù)設(shè)的門限值，則相似度未達(dá)到要求。
7.一種圖像檢索/匹配系統(tǒng)，包括初始匹配特征點集求取模塊，用于求取兩幅圖像的初始匹配特征點集； 誤匹配特征點對消除模塊，用于判斷并消除所述初始匹配特征點集中的誤匹配特征點對；圖像匹配判斷模塊，用于根據(jù)所述初始匹配特征點集中余下的正確的匹配特征點對的數(shù)量判斷兩幅圖像是否匹配；其特征在于，所述誤匹配特征點對消除模塊包括圖像區(qū)域劃分子模塊，用于在兩幅圖像中，分別以該初始匹配特征點對中的初始匹配特征點為中心，將圖像劃分為兩個以上的區(qū)域，并對各個區(qū)域進行編號；圖像劃分區(qū)域時， 兩幅圖的特征點主方向保持一致，且兩幅圖的圖像劃分標(biāo)準(zhǔn)一致；矢量構(gòu)建子模塊，用于在兩幅圖像中，分別以其他各初始匹配特征點所處區(qū)域的編號按既定順序構(gòu)成的矢量來描述該初始匹配特征點的全局特征；矢量比較子模塊，用于對兩個矢量進行比較，如果相似度達(dá)到要求，則該初始匹配特征點對為正確的匹配特征點對；否則，為誤匹配特征點對；誤匹配消除子模塊，用于消除所述初始匹配特征點集中的誤匹配特征點對。
8.如權(quán)利要求7所述的圖像檢索/匹配系統(tǒng)，其特征在于，兩幅圖的特征點主方向保持一致，是指在兩幅圖中，當(dāng)以該初始匹配特征點對中的初始匹配特征點為原點時，X軸與該初始匹配特征點的特征點主方向的夾角相等。
9.如權(quán)利要求7或8所述的圖像檢索/匹配系統(tǒng)，其特征在于，矢量比較子模塊對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的方案為求兩個矢量的各相應(yīng)位置元素的誤差，包括如果相應(yīng)位置元素的差值的絕對值小于等于Z/2向上取整得到的值，則以該差值作為該位置的相應(yīng)元素的誤差；如果相應(yīng)位置元素的差值的絕對值大于Z/2向上取整得到的值，則以Z減去該差值的絕對值得到的值作為該位置的相應(yīng)元素的誤差；將各個位置的誤差求和，如果求得的和小于預(yù)設(shè)的門限值，則相似度達(dá)到要求；如果求得的和大于等于預(yù)設(shè)的門限值，則相似度未達(dá)到要求；其中，Z為其中一個圖像中，對圖像所劃分的區(qū)域的個數(shù)。
10.如權(quán)利要求7或8所述的圖像檢索/匹配系統(tǒng)，其特征在于，矢量比較子模塊對兩個矢量進行比較，判斷相似度是否達(dá)到要求，采用的方案為求兩個矢量的各相應(yīng)位置元素不一致的個數(shù)，如果該個數(shù)小于預(yù)設(shè)門限，則相似度達(dá)到要求；如果該個數(shù)大于等于預(yù)設(shè)門限，則相似度未達(dá)到要求。
全文摘要
本發(fā)明公開了一種圖像檢索/匹配方法。該方法首先求取兩幅圖像的初始匹配特征點集，然后判斷并消除誤匹配特征點對，再根據(jù)正確匹配特征點對的數(shù)量判斷兩幅圖像是否匹配；其中，判斷是否為誤匹配特征點對，包括在兩幅圖像中，分別以初始匹配特征點為中心，將圖像均劃分為兩個以上的區(qū)域，并對各區(qū)域編號；在兩幅圖像中，分別以其他各初始匹配特征點所處區(qū)域的編號構(gòu)成的矢量來描述該初始匹配特征點的全局特征；對兩個矢量進行比較，如果相似度達(dá)到要求，則為正確的匹配特征點對。本發(fā)明方法不僅適應(yīng)于圖像尺度變化、圖像嵌套、視角變化等復(fù)雜情況下的圖像檢索，而且具有較高的檢索效率和識別準(zhǔn)確率。本發(fā)明還相應(yīng)公開了一種圖像檢索/匹配系統(tǒng)。
文檔編號G06F17/30GK102521838SQ20111042710
公開日2012年6月27日 申請日期2011年12月19日 優(yōu)先權(quán)日2011年12月19日
發(fā)明者嚴(yán)寒冰, 何躍鷹, 劉輝, 孫波, 李鵬, 王永建, 袁春陽 申請人:國家計算機網(wǎng)絡(luò)與信息安全管理中心