[發明專利]基于圖匹配的圖像匹配方法、系統及存儲介質

有效

• 申請號: 202010036611.7
• 申請日: 2020-01-14
• 公開（公告）號: CN111242221B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 申檳瑞;朱圣鑫;牛強;馬飛
• 申請（專利權）人: 西交利物浦大學
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06V10/46
• 代理公司: 南京艾普利德知識產權代理事務所(特殊普通合伙) 32297
• 代理人: 顧祥安

1.基于圖匹配的圖像匹配方法，其特征在于，包括如下步驟：

S1，獲取待匹配的參考圖像與目標圖像；

S2，分別提取兩個圖像中的特征點，并得到每個特征點的特征向量；

S3，計算一個圖像中每個特征向量與另一個圖像中的所有特征向量的相似度，選擇相似度高的n個特征向量得到參考圖像的特征矩陣和目標圖像的特征矩陣；

S4，將篩選得到的特征點作為頂點構建得到兩個完全圖，并得到參考圖像的鄰接矩陣和目標圖像的鄰接矩陣；

S5，對兩個完全圖進行圖匹配，通過投影不動點迭代方法和匈牙利算法得出匹配誤差最小的匹配矩陣，從而確定兩個完全圖的特征點之間的最優匹配關系；

所述S5包括：

S51,初始化矩陣M⁽⁰⁾為一個n×n的矩陣，其每個元素大小都為接著根據公式(3)進行迭代至收斂，每次迭代都是根據上一輪得出的矩陣，重新計算得到一個新的矩陣，并將該矩陣通過投影函數轉變成一個與之最接近的雙隨機矩陣，

其中，M^(t)是第t次迭代得到的矩陣；t為迭代次數；P(·)為投影函數；A為參考圖像的鄰接矩陣；為目標圖像的鄰接矩陣；λ為控制兩種誤差比例的變量；F為目標圖像的特征矩陣；為目標圖像的特征矩陣的轉置矩陣；

S52,用匈牙利算法將得到的雙隨機矩陣轉化為排列矩陣即為匹配矩陣，得到特征點之間的最優匹配關系。

2.根據權利要求1所述的基于圖匹配的圖像匹配方法，其特征在于，所述S2步驟中，通過SIFT提取方法提取特征點及得到特征向量。

3.根據權利要求1所述的基于圖匹配的圖像匹配方法，其特征在于，所述S3步驟中，通過計算向量內積來計算相似度，具體包括：

S31,根據公式(1)計算參考圖像的每一特征向量與目標圖像所有特征向量的相似度，

S32,根據公式(2)計算目標圖像的每一特征向量與參考圖像的所有特征向量的相似度，

其中，F_i為參考圖像的第i個特征點的特征向量；為目標圖像的第j個特征點的特征向量；

S33,計算完畢之后，將每個圖像的特征向量按相似度大小排序，保留大于相似度閾值的特征向量,分別組成參考圖像的特征矩陣和目標圖像的特征矩陣。

4.根據權利要求1所述的基于圖匹配的圖像匹配方法，其特征在于，所述S3步驟中，n在50～1000之間取值。

5.根據權利要求1所述的基于圖匹配的圖像匹配方法，其特征在于，所述S51中投影函數的計算過程如下：

S511，對于給定矩陣N,用softmax算法，按照公式(4)增大其元素之間的大小分離度，并且保證每個元素為正：

其中，給定矩陣β是控制離散程度的變量，在10^-5～10^-7之間取值；

S512，使用sinkhorn算法將S511得到的矩陣S轉化為一個雙隨機矩陣，即根據公式(5)、(6)對矩陣S的行和列進行交替的歸一化迭代；

其中，S_ij是矩陣S第i行j列的元素；是矩陣S第i行j列的元素的第t次迭代。

6.根據權利要求1所述的基于圖匹配的圖像匹配方法，其特征在于，還包括：

S6，剔除錯誤匹配的特征點；

S7，獲得兩個圖像的特征點之間的最終匹配關系。

7.根據權利要求6所述的基于圖匹配的圖像匹配方法，其特征在于，所述S6步驟包括，

S61,根據公式(7)計算匹配上的特征點之間的余弦相似度，

其中，||F_i||為特征向量F_i的范數，為特征向量的范數；

S62,當余弦相似度低于閾值時，令匹配矩陣中余弦相似度低于閾值的對應元素由1變為0。

8.根據權利要求7所述的基于圖匹配的圖像匹配方法，其特征在于，所述S6步驟中的閾值在50％～90％之間。