[發明專利]一種多目標物體圖像匹配方法

有效

• 申請號: 201510712952.0
• 申請日: 2015-10-27
• 公開（公告）號: CN105354578B
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 汪粼波;方賢勇;仲紅;張少杰
• 申請（專利權）人: 安徽大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 合肥金安專利事務所(普通合伙企業) 34114
• 代理人: 胡治中

本發明公開了一種多目標圖像匹配方法，包括了以下步驟：步驟1，圖像預匹配；步驟2，估算初始匹配特征區域的局部仿射變換；步驟3，定義任意兩對局部特征匹配對間的局部仿射變換距離；步驟4，基于仿射變換距離定義仿射變換空間密度函數；步驟5，進行基于密度的仿射變換空間聚類，定位密度較大的所有簇；步驟6，結果呈現。有益的技術效果：本發明克服了現有基于優化的圖像匹配算法中優化收斂速度慢且難以獲得全局最優解及通常只能處理單目標物體匹配的問題，有效提高了多目標圖像匹配的準確性和效率。

技術領域

本發明屬于圖像處理、計算機視覺、多媒體信息技術領域，具體涉及一種多目標物體圖像匹配方法。

背景技術

隨著智能手機的普及和互聯網信息技術的快速發展，數字圖像已成為現代社會人們日常交流中不可或缺的媒介，圖像資源也成為一種至關重要的信息資源。與此同時，針對圖像的相關研究正受到廣泛的重視。這其中，多目標物體圖像匹配是一項研究已久的課題，相關技術在物體識別、圖像檢索、圖像分類、近似復制圖像檢測等圖像處理和計算機視覺等研究中均有較強的應用，是相關領域中理論研究和實際應用價值兼具的基礎性工作。圖像匹配的相關研究在近年來取得了較大發展，涌現了一大批優秀的局部特征檢測和描述算子。代表性的局部區域檢測子如：MSER、Harris-Hessian Affine和DoG等，局部區域特征描述子如：SIFT、SURF、DAISY等。局部特征檢測子用于檢測圖像中具有可區分性特質的代表性局部區域，如角點區域等，特征描述子則量化所檢測出局部區域的信息，生成局部特征向量。圖像的匹配基于局部特征描述向量的匹配進行，所得到的特征匹配對集合構成局部特征初始匹配集。鑒于局部特征描述具有較好的可區分性和不變性，初始匹配集中通常包含大量正確的匹配對，與此同時，由于圖像內容的復雜多樣以及局部區域信息量化誤差的存在，大量錯誤的局部特征匹配也存在于初始特征匹配集中。因此后續算法通過引入匹配特征間的局部幾何映射關系約束優選出正確的局部特征匹配。其常用策略是采用圖匹配(Graph Matching)方法實現特征初始匹配集的優化，其中，圖中的每個結點表示單個匹配對的匹配度，點與點之間的關聯對應兩對匹配特征間局部幾何映射關系的一致性，通過最大化整個匹配圖的能量確定聯系緊密的結點，確定最終特征匹配。該問題本質上是個二次優化的問題，其求解需要較大的時間開銷，因此無法應用于大規模匹配的應用任務中，如近似復制圖像檢測等。此外，此類方法通常只能處理單個目標物體的匹配問題，無法進行多目標物體匹配。

針對上述問題，發明人在安徽大學信息安全振興計劃專業改造與新專業建設項目No.J05201380、國家自然科學基金青年基金No.61502005、南京大學軟件新技術重點實驗室開放基金KFKT2015B03以及安徽大學學術與技術帶頭引進工程的支持下，進行了技術攻關。

發明內容

發明目的：本發明所要解決的技術問題是針對現有方法技術的不足，提出一種多目標物體圖像匹配方法。

技術方案：本發明公開了一種多目標物體圖像匹配方法，該方法的特征在于提取圖像的局部特征并進行預匹配獲取初始局部特征匹配集，估算每對匹配特征區域的局部映射仿射矩陣，定義仿射矩陣距離并構建仿射空間，基于正確的局部特征匹配對具有較為一致的仿射變換并在空間中聚類成密度較大的簇這一觀察，定義密度函數并估算每個仿射矩陣的密度值，確定空間中各聚類簇的模態點及所有點的聚類路徑進而實現基于密度的聚類，通過各聚類簇的邊界實現聚類優化，最后由各仿射矩陣所屬聚類關系確定正確的局部特征匹配和分組。具體包括以下步驟：通過計算機將一對待匹配圖像依次如下處理：

步驟1，局部特征提取與預匹配。步驟2，估算初始匹配區域局部仿射變換。步驟3，計算仿射變換距離。步驟4，定義仿射空間密度函數。步驟5，基于密度的仿射變換空間聚類。步驟6，確定正確匹配對，呈現結果。

進一步說，本發明的詳細步驟為：步驟1，局部特征提取與預匹配：提取待匹配圖像對的局部特征區域及其特征描述，基于描述的相似性建立圖像間局部特征的初始匹配集。