基于l1范數(shù)全局幾何一致性檢驗(yàn)的錯(cuò)誤匹配檢測(cè)方法
【專利摘要】一種基于L1范數(shù)全局幾何一致性檢驗(yàn)的錯(cuò)誤匹配檢測(cè)方法：使用尺度不變特征變換及詞袋模型來提取并匹配兩幅圖像中的特征點(diǎn)；計(jì)算兩幅圖像的平方距離矩陣；使用黃金分割搜索法來求解：minλ>0||D1-λ.D2||1；計(jì)算差異矩陣E=||D1-λ*.D2||1；計(jì)算E矩陣各行元素之和并從大到小排序，并計(jì)算排序后各行和值的二次差分，取達(dá)到最大二次差分值的點(diǎn)作為門限值，所有行和高于門限值的，則該行所對(duì)應(yīng)特征點(diǎn)對(duì)被判定為錯(cuò)誤匹配對(duì)；去掉錯(cuò)誤匹配對(duì)后，再根據(jù)兩幅圖像的真實(shí)匹配點(diǎn)對(duì)來計(jì)算圖像間的相似度，繼而根據(jù)相似度由大到小排序輸出圖像檢索結(jié)果。本發(fā)明允許相似圖像間存在復(fù)雜背景、部分遮擋以及各種相似幾何變換；只利用了特征點(diǎn)的坐標(biāo)信息，非常簡(jiǎn)單且高效。
【專利說明】基于LI范數(shù)全局幾何一致性檢驗(yàn)的錯(cuò)誤匹配檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像檢索領(lǐng)域，特別是部分重復(fù)圖像檢索領(lǐng)域中，一種檢測(cè)圖像與圖像之間的錯(cuò)誤匹配點(diǎn)的方法。
【背景技術(shù)】
[0002]近幾年，包括Tineye、百度識(shí)圖以及谷歌相似圖像搜索等在內(nèi)的許多檢索引擎在內(nèi)的重復(fù)圖像搜索技術(shù)發(fā)展較為迅速，其在版權(quán)檢測(cè)、醫(yī)療診斷、暴力檢測(cè)以及地理信息檢索等方面有廣泛的應(yīng)用。在該項(xiàng)技術(shù)中，圖像之間誤匹配特征點(diǎn)對(duì)的檢測(cè)是其中的一項(xiàng)關(guān)鍵步驟，如何利用圖像間的幾何信息來正確過濾錯(cuò)誤匹配以便獲得更加精確的檢索結(jié)果，是這項(xiàng)技術(shù)的核心。
[0003]部分重復(fù)圖像主要是指拍攝相同場(chǎng)景不同角度的圖片或者經(jīng)過圖像處理軟件進(jìn)行處理前后的圖片。這樣的圖片在色調(diào)、光照、尺度、旋轉(zhuǎn)和遮擋等方面有些不同，這使得在大規(guī)模數(shù)據(jù)庫下檢索該類圖片變得十分困難。為解決這一問題，學(xué)界提出了許多基于局部特征和詞袋模型結(jié)合的方法來處理相似性問題。這些方法的一個(gè)典型流程如下:首先使用尺度不變特征變換(SIFT)來檢測(cè)和描述圖像的局部特征，然后使用詞袋模型(BagofFeatures,BoF)來建立視覺字索引，之后根據(jù)索引來進(jìn)行圖像間的特征點(diǎn)匹配對(duì)，最后根據(jù)匹配情況計(jì)算圖與圖之間的相似度并據(jù)此排序輸出檢索結(jié)果。
[0004]詞袋模型的使用，極大地減少了 SIFT特征耗時(shí)的匹配過程，但是卻同時(shí)引入了一些錯(cuò)誤匹配點(diǎn)對(duì)，這造成了檢索結(jié)果與真實(shí)情況的差異。為了解決這一問題，人們提出了很多使用幾何先驗(yàn)信息來驗(yàn)證匹配是否錯(cuò)誤的方法，具體分為局部和全局幾何一致性假設(shè)兩類。
[0005]第一類方法著眼于使用局部幾何一致性假設(shè)，這類方法都是基于一個(gè)相似變換的模型
【權(quán)利要求】
1.一種基于LI范數(shù)全局幾何一致性檢驗(yàn)的錯(cuò)誤匹配檢測(cè)方法，其特征是，包括如下步驟: 步驟1:對(duì)于兩幅待比較圖像，首先使用尺度不變特征變換及詞袋模型來提取并匹配兩幅圖像中的特征點(diǎn)，得到兩幅圖像中各特征點(diǎn)的坐標(biāo)ΑΠ=(ΧΠ, yn)T, a2i=(x2i, y2i)T，其中i的順序?yàn)樘卣鼽c(diǎn)匹配后的排序，T表示轉(zhuǎn)置，an和a2i均為列向量； 步驟2:分別計(jì)算兩幅圖像的平方距離矩陣D1和D2 ； 步驟3:使用黃金分割搜索法來求解如下問題:minAXl| D1- λ.D2 I1,該問題的解為λ targmiruxJ D1- λ.D2 1:,它是兩幅圖像間的縮放尺度估計(jì)值； 步驟4:計(jì)算差異矩陣E=| ID1-A*.D2 I1，該矩陣中的非零元素被認(rèn)為是由錯(cuò)誤匹配對(duì)造成的； 步驟5:計(jì)算E矩陣各行元素之和并從大到小排序，并計(jì)算排序后各行和值的二次差分，取達(dá)到最大二次差分值的點(diǎn)作為門限值，所有行和高于門限值的，則該行所對(duì)應(yīng)特征點(diǎn)對(duì)被判定為錯(cuò)誤匹配對(duì)； 步驟6:去掉錯(cuò)誤匹配對(duì)后，再根據(jù)兩幅圖像的真實(shí)匹配點(diǎn)對(duì)來計(jì)算圖像間的相似度，繼而根據(jù)相似度由大到小排序輸出圖像檢索結(jié)果。
2.如權(quán)利要求1所述的錯(cuò)誤匹配檢測(cè)方法，其特征是，步驟2中，所述的平方距離矩陣的計(jì)算方法為
3.如權(quán)利要求1所述的錯(cuò)誤匹配檢測(cè)方法，其特征是，步驟2中，所述的平方距離矩陣的計(jì)算方法為:D! = a 1eT-2A1TA1+e α /，D2 = α 2eT_2A2TA2+e α 2Τ,
其中,α! = (I|alt-|Ι2}?=1.α2 = {l|a2i||2}f=1.e為全一列向量，馬=[O11A12 -ain]R2x?l?j42 = [β21α2Ζ α2η]Λ2Χη°
4.如權(quán)利要求1所述的錯(cuò)誤匹配檢測(cè)方法，其特征是，步驟6中，所述的相似度用用匹配點(diǎn)個(gè)數(shù)進(jìn)行衡量。
【文檔編號(hào)】G06K9/64GK103823889SQ201410084657
【公開日】2014年5月28日 申請(qǐng)日期:2014年3月10日 優(yōu)先權(quán)日:2014年3月10日
【發(fā)明者】林宙辰, 林旸, 楊李, 許晨, 查紅彬 申請(qǐng)人:北京大學(xué)