一種用于圖像匹配、識(shí)別、檢索的點(diǎn)集合匹配的校正方法
【專利摘要】本發(fā)明屬于模式識(shí)別、圖像處理、計(jì)算機(jī)視覺【技術(shù)領(lǐng)域】，具體為一種用于圖像匹配、識(shí)別、檢索的點(diǎn)集合匹配的校正方法。本發(fā)明根據(jù)兩個(gè)點(diǎn)集合的初始匹配關(guān)系建立鄰接矩陣，并提出一種圖論中最大團(tuán)問題的近似求解方法以獲得近似服從同一幾何變換的點(diǎn)集合匹配關(guān)系。將一個(gè)點(diǎn)集合經(jīng)過幾何變換投影到另一個(gè)點(diǎn)集合所在的空間就可以求得兩個(gè)點(diǎn)集合之間的相似度，并作為圖像相似度實(shí)現(xiàn)圖像匹配、識(shí)別、檢索。實(shí)驗(yàn)表明，所發(fā)明的點(diǎn)集合匹配的校正方法與多種形狀特征提取方法中的任意一種相結(jié)合都可以獲得較好的圖像匹配與識(shí)別效果。
【專利說明】—種用于圖像匹配、識(shí)別、檢索的點(diǎn)集合匹配的校正方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于模式識(shí)別、圖像處理、計(jì)算機(jī)視覺【技術(shù)領(lǐng)域】，具體涉及一種點(diǎn)集合匹配的校正方法，可以用于圖像匹配、識(shí)別、檢索。
【背景技術(shù)】
[0002]圖像包括形狀、紋理、顏色信息，其中，形狀是圖像識(shí)別、檢索所依賴的主要信息，形狀特征描述對(duì)于圖像識(shí)別、檢索非常重要，而形狀之間的相似性和差異性往往反映在圖像的特征點(diǎn)上，因此圖像匹配的一種主要解決方案是將其作為點(diǎn)集合匹配來解決。[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】論文中提出了一種稱為形狀上下文(ShapeContexts)的形狀描述方法，在形狀描述子相似度計(jì)算的基礎(chǔ)上采用圖論中的二部圖匹配方法對(duì)點(diǎn)集合進(jìn)行匹配，但是其計(jì)算復(fù)雜度較高，其求解二部圖匹配的算法的復(fù)雜度大約為 0(N4)?！綝avid G.Lowe: " Distinctive Image Features from Scale-1nvariantKeypoints " , International Journal of Computer Vision, Volume 60, Issue2，pp.91-110，2004】中提出了一種DoG的特征點(diǎn)提取方法和一種稱作SIFT的描述子，并基于描述子之間的相似度對(duì)特征點(diǎn)進(jìn)行匹配，但是這樣的點(diǎn)集合匹配結(jié)果不經(jīng)過校正是含有誤匹配的，會(huì)對(duì)后續(xù)的圖像匹配、識(shí)別、檢索帶來干擾。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于提出一種計(jì)算開銷合理、且與各種形狀描述方法搭配都能夠獲得較好圖像匹配、識(shí)別、檢索性能的點(diǎn)集合匹配的校正方法。
[0004]本發(fā)明提出的一種用于點(diǎn)集合匹配的校正方法，具體計(jì)算步驟如下:
[0005](1)計(jì)算鄰接矩陣；
[0006]( 2 )近似求解圖論中最大團(tuán)問題；
[0007]上面所述的點(diǎn)集合匹配的校正方法中的步驟1中的鄰接矩陣計(jì)算的步驟如下:
[0008](a)假設(shè)兩個(gè)點(diǎn)集合P={P” P2,...，PJ和Q={Q” Q2,...，Qj之間初始的匹配關(guān)系為P<r^(>\Ρ?^.Ο?~，將鄰接矩陣初始化為 CHcfO I i, j=l, 2，…，m} ； (b)計(jì)算R= {r^.=(1 (P^ Pp/cKQi, Q」)| i, j=l, 2，...，m; i Φ j}，這里(1(Ρ” P」)表示點(diǎn) Pi 和點(diǎn) P」之間的歐幾里得距離、(KQi，Qj)表示點(diǎn)Qi和點(diǎn)之間的歐幾里得距離；
[0009](c)將{rfcKPi, Pp/cKQi, Qj) | i, j=l, 2，…，m; i Φ j}按照從小到大的次序排序，得到R#R2≤…≤Rm(m-D ;將&在R中的位置記錄為S[k] e {(i，j) |i，j=l，2，...，m;i關(guān)j}，k=l, 2,..., m(m-l)；
[0010](d)將札(R2 ? Rm(?,-!)分段，分段方法如下:如果存在n-1段，其邊界對(duì)應(yīng)的下標(biāo)為 1[1]=1，1[2]，1[3]，…，I[n-1]，I[n]=m(m-1)且滿足條件 Rim/RI[i+1]>t Λ RIti]/RI[i+1]+1 ( t，這里 i=l，2，…，n-1，t 是一個(gè)接近 1 的閾值，則以 1[1]=1，1[2]，1[3]，…,I [n-1], I [η]為邊界進(jìn)行分段；
[0011](e)從上述步驟(d)得到的對(duì)R1≤R2≤…≤Rn-ι個(gè)分段中找到最長的一段，其在n-Ι個(gè)分段中的對(duì)應(yīng)次序?yàn)閺V=噸丨/丨/ + 1]_朋I i =丨.2..…》_ U，提取該段在R
中的對(duì)應(yīng)下標(biāo){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]上面所述的點(diǎn)集合匹配的校正方法中的步驟2中的圖論中最大團(tuán)問題近似求解的計(jì)算步驟如下:
[0014](a)將一個(gè)完全圖的所有節(jié)點(diǎn)的下標(biāo)的集合初始化為0 = {1，2，- ,m};將噪聲節(jié)點(diǎn)對(duì)應(yīng)的下標(biāo)的集合初始化為空集合Ψ = Φ，將噪聲節(jié)點(diǎn)之外的剩余節(jié)點(diǎn)的集合初始化為Ω = Θ ；
[0015](b)設(shè)置計(jì)數(shù)器
【權(quán)利要求】
1.一種用于圖像匹配、識(shí)別、檢索的點(diǎn)集合匹配的校正方法，其特征在于包含鄰接矩陣計(jì)算和圖論中最大團(tuán)問題近似求解兩個(gè)部分；其中:所述的鄰接矩陣計(jì)算的步驟如下:(a)假設(shè)兩個(gè)點(diǎn)集合Ρ={ΡρΡ2,…，PJ和Q={Qi，Q2,…，Qm}之間初始的匹配關(guān)系為
【文檔編號(hào)】G06K9/62GK103679201SQ201310688861
【公開日】2014年3月26日 申請日期:2013年12月14日 優(yōu)先權(quán)日:2013年12月14日
【發(fā)明者】楊夙 申請人:復(fù)旦大學(xué)