[发明专利]基于大规模街景数据的图片组地理定位方法

说明书

本发明公开了基于大规模街景数据的图片组地理定位方法。首先，对查询图片组的每张图片，采用单张图片的定位方法，得到RNN个数最高的前K张候选图片，并用群表示结果；其次，我们采用主导集聚类算法对所有候选图片聚类，从每个群中至多选择一张匹配图片组成主导集；最后，对未选择图片构成主导集的群，按照最大相似度原则，从中选择一张匹配图片。其中K为整数。本方法具有有效提高图片组的定位精度和匹配速度快的特点。

技术领域

本发明涉及图像定位技术领域，尤其涉及基于大规模街景数据的图片组地理定位方法。

背景技术

基于特征点匹配的单张图片地理定位是给定一张查询图片，寻找查询图片和参考图片的特征点对应关系确定匹配图片，把匹配图片的地理标签作为查询图片的位置信息。

单张查询图片地理定位中，若查询特征点过少或查询特征点噪声过大,比如存在大量的非显著特征点，则不能在一定精度范围内进行定位。若存在多张图片，且相互的地理距离在一定范围内，则我们可以将其视作图片组。

Zamir提出了分级的图片组地理定位方法。这种方法首先对图片组的每张图片进行地理定位，返回GPS地理坐标；然后，根据返回的GPS地理坐标，缩小参考图片范围，对每张图片重新进行地理定位。该算法的复杂度高，实时处理性差。

发明内容

为了解决基于特征匹配的单张图片地理方法定位精度有限的问题，本发明提出一种基于大规模街景数据的图片组地理定位方法。

本发明解决其技术问题所采用的技术方案是：

首先，对查询图片组的每张图片，采用单张图片的定位方法，得到RNN个数最高的前K张候选图片，并用群表示这些候选图片；其次，我们采用主导集聚类算法对所有候选图片聚类，从每个群中至多选择一张匹配图片组成主导集；最后，对未选择图片构成主导集的群，按照最大相似度原则，从中选择一张匹配图片。

优选地，具体步骤可包括：

A1：检索K张候选图片

设查询图片组为Q_G＝{Q₁,Q₂，…Q_L}，满足||ρ(Q_m)-ρ(Q_n)||≤R,1≤m＜n≤L，其中，Q_m表示第m张查询图片，R表示图片组中的最大距离，L表示查询图片个数。给定查询图片Q_m，采用单张图片的图片地理定位方法，得到RNN个数最高的前K张候选图片，并记为群C_m，匹配权值为候选图片的匹配相似度。令表示Q_G对应的候选图片集,其中表示第m张查询图片对应的第i张候选图片。

A2：构建加权图和相似矩阵

我们把高维空间的数据点用广义无向无环加权图进行表示。定义其中V＝{1,…,n}表示顶点集，表示边集，表示权值函数，详见Pavan作者的工作Dominant sets and hierarchical clustering。令V＝C_T，即用图的顶点表示候选图片；表示图中两个顶点的边，即不同群的候选图片存在的关系；表示两个顶点的相似度：

其中，表示来自不同群的候选图片之间的地理距离，表示候选图片的匹配相似度。

令表示图的相似矩阵，采用Pavan中提及的复制动态学方法求出主导集。主导集的顶点对应着不同群的一张候选图片，这些候选图片即为从群中选择的匹配图片。由于主导集的性质，部分群的点未能构造主导集，故还需要分别从剩下的不同群中选择一张候选图片作为匹配图片。

A3：最大相似度选择