[发明专利]基于极线几何以及ESS的图像定位方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种图像定位方法。

背景技术

当今的计算机技术发展十分迅速，计算机视觉和图像检索的应用领域越来越广泛，同时也彰显出它们的重要性。计算机视觉既是工程领域，也是科学领域中一个富有挑战性的重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究当中，其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学、神经生理学和认知学等。识别图像中的物体并在图片中进行精确定位是人类的基本视觉技能之一，图像检索以及定位即是计算机模拟人类视觉的一项综合技术。其中，图像中的目标搜索与定位是当今图像检索技术中最为热门也是最具有前瞻性的一个分支，ESS【1】(Efficient Subwindow Search)是最近提出的一个高效定位算法。它采用分支定界算法有效的突破了传统的极其耗时的穷举法，大大降低了图像中目标检索与定位的时间。但是，由于ESS的主要突破在于速度，伴随而来的就是查全率和查准率的不理想。本发明就是针对ESS这一缺陷而进行的改良，采用极几何约束【3】、【4】以及基于该约束的矩形增长技术，从而得到更令人满意也更接近于人类认知的定位结果。

本发明利用ESS方法依据输入特征描述参数，在候选域图像中查找待定位的图像(物体)。ESS方法采用了分支定界(branch and bound)算法，用一个二维九参数的结构表示一个查询状态(其中八个参数表示一个嵌套的矩形对，一个参数表示当前状态的匹配分数)，即一个矩形集(rectangular set)并采用一个以匹配分数为排序键的优先队列存储，以保证每次所处理的集合都是目前所有集合中最优的那一个。ESS方法的终点为当前状态无法继续分解，即得到一个全局最优的状态(如果存在的话)，该状态对应的矩形集中只有一个元素，即候选域中对应于待定位图像(物体)的定位矩形。

由于ESS基于的是图像局部特征，但是所得出的解却是全局最优。所以，假如符合局部特征描述但是在全局上并不符合几何关系的匹配点存在的话(如图2中的线条所标出的匹配点)，这样的匹配点就必然会影响ESS的定位效果；另一方面，由于ESS的评分策略缺乏足够的灵活度，无法像人眼识别一样根据不同的情况确立不同的标准，那么，根据分支定界算法，ESS得出的结果有可能并不是很理想(实验表明，大部分结果是过于保守的)。

发明内容

针对ESS目标图像定位结果查全与查准不理想的问题，本发明的目的是在保证检索速度的同时，改良ESS图像定位的查全率与查准率。

为此，本发明采用如下的技术方案：

一种基于极线几何以及ESS的图像定位方法，包括下列步骤：

步骤1：输入待定位图像和候选域图像，分别提取它们的SIFT特征点和特征描述符；

步骤2：建立候选域和待定位图像之间的匹配：

(1)对待定位图像中当前待匹配特征点描述向量与候选域图像中所有的特征点描述向量进行内积运算得到一组数值；

(2)对上述的一组数值取反余弦值后由小到大的排序，其中的最小数值所对应的一组特征点为所需判定是否匹配的对象，倘若该数值与第二小的数值之间的比值低于预设阈值，那么最小数值所对应的两个特征点被认为是匹配的，否则不匹配。

步骤3：获取初步定位矩形：

(1)根据候选域图像的大小生成一个等大小的M，矩阵中每一个元素代表对应像素点处的特征点的匹配与否，对于匹配的特征点，其在矩阵中所对应的元素被赋予一个正分，对于不匹配的特征点，被赋予一个负分，其他的非特征点，被赋予的分值为0；

(2)建立两个与矩阵M等大的正、负权值矩阵，把M中的正分和负分分别装入正、负权值矩阵中；

(3)然后将正负权值分别在对应的权值矩阵中进行积分，使得正负权值矩阵中的每一点所对应分数为这点对应像素及其左上方所构成矩阵的总分；

(4)运用ESS方法，得出初步定位矩形；

步骤4：建立极线几何基础矩阵