[发明专利]一种用于图像匹配、识别、检索的点集合匹配的校正方法

说明书

技术领域

本发明属于模式识别、图像处理、计算机视觉技术领域，具体涉及一种点集合匹配的校正方法，可以用于图像匹配、识别、检索。

背景技术

图像包括形状、纹理、颜色信息，其中，形状是图像识别、检索所依赖的主要信息，形状特征描述对于图像识别、检索非常重要，而形状之间的相似性和差异性往往反映在图像的特征点上，因此图像匹配的一种主要解决方案是将其作为点集合匹配来解决。【S.Belogie,J.Malik,J.Puzicha:“Shape matching and object recognition using shape contexts,IEEE Transactions on Pattern Analysis and Machine Intelligence”,Volume 24,pp.509-52,2002】论文中提出了一种称为形状上下文（Shape Contexts）的形状描述方法，在形状描述子相似度计算的基础上采用图论中的二部图匹配方法对点集合进行匹配，但是其计算复杂度较高，其求解二部图匹配的算法的复杂度大约为O(N⁴)。【David G.Lowe:″Distinctive Image Features from Scale-Invariant Keypoints″,International Journal of Computer Vision,Volume 60,Issue 2,pp.91-110,2004】中提出了一种DoG的特征点提取方法和一种称作SIFT的描述子，并基于描述子之间的相似度对特征点进行匹配，但是这样的点集合匹配结果不经过校正是含有误匹配的，会对后续的图像匹配、识别、检索带来干扰。

发明内容

本发明的目的在于提出一种计算开销合理、且与各种形状描述方法搭配都能够获得较好图像匹配、识别、检索性能的点集合匹配的校正方法。

本发明提出的一种用于点集合匹配的校正方法，具体计算步骤如下：

（1）计算邻接矩阵；

（2）近似求解图论中最大团问题；

上面所述的点集合匹配的校正方法中的步骤1中的邻接矩阵计算的步骤如下：

(a)假设两个点集合P={P₁,P₂,…,P_m}和Q={Q₁,Q₂,…,Q_m}之间初始的匹配关系为将邻接矩阵初始化为C={c_ij=0|i,j=1,2,…,m}；(b)计算R={r_ij=d(P_i,P_j)/d(Q_i,Q_j)|i,j=1,2,…,m;i≠j}，这里d(P_i,P_j)表示点P_i和点P_j之间的欧几里得距离、d(Q_i,Q_j)表示点Q_i和点Q_j之间的欧几里得距离；

(c)将{r_ij=d(P_i,P_j)/d(Q_i,Q_j)|i,j=1,2,…,m;i≠j}按照从小到大的次序排序，得到R₁≤R₂≤…≤R_m(m-1)；将R_k在R中的位置记录为S[k]∈{(i,j)|i,j=1,2,…,m;i≠j}，k=1,2,…,m(m-1)；

(d)将R₁≤R₂≤…≤R_m(m-1)分段，分段方法如下：如果存在n-1段，其边界对应的下标为I[1]=1,I[2],I[3],…,I[n-1],I[n]=m(m-1)且满足条件R_I[i]/R_I[i+1]>t∧R_I[i]/R_I[i+1]+1≤t，这里i=1,2,…,n-1，t是一个接近1的阈值，则以I[1]=1,I[2],I[3],…,I[n-1],I[n]为边界进行分段；