[发明专利]目标图像检索方法及系统

说明书

本发明公开了一种目标图像检索方法及系统，其中方法包括：提取图像样本库中各图像样本的样本特征点；滤除每幅图像样本中冗余的样本特征点；利用滤除冗余后的样本特征点构建公共特征点集合和私有特征点集合；提取待处理图像的待处理特征点；将所述待处理特征点与所述公共特征点集合和所述私有特征点集合中的样本特征点进行匹配，得到每幅图像样本的匹配得分；选取匹配得分最高的图像样本作为目标图像。本发明通过压缩样本特征点冗余的方式精简图像样本库，在减少匹配次数的同时能够显著加快匹配速度，进而提升匹配的精准度，使得整个检索过程相较现有技术在效率和效果上皆具有明显的改善。

技术领域

本发明涉及图像处理领域，尤其涉及一种目标图像检索方法及系统。

背景技术

特征点匹配算法是实现图像拼接、图像融合以及目标识别和跟踪的关键技术之一，如何提高图像匹配的效率和正确率一直是图像处理和机器视觉研究领域的热点。

现有的基于特征点匹配算法的目标检索方法主要包括特征点提取和特征点匹配两部分内容。图像特征点提取是指检测出图像中具有代表性的关键点，并获取关键点的特征描述子，通常使用SIFT，SURF以及ORB等算法，提取图像的特征点及特征描述算子；特征点匹配通常是基于特征描述算子进行的，上述特征描述算子通常是一个向量，两个特征描述算子的之间的距离可以反应出其相似的程度，如果这两个特征点比较相似，那么两者就可以匹配。根据不同类型的描述算子，可以选择不同的距离度量，例如对于浮点类型的描述算子，可以使用其欧式距离作为度量；对于二进制类型的描述算子可以使用其汉明距离作为度量。有了计算描述算子相似度的方法，在特征点集合中寻找与待处理图像中的待处理特征点最相似的特征点，这就是特征点匹配。

关于匹配操作，一般使用暴力匹配方法，计算当前待处理特征点与图像样本库中其中一幅图像样本上所有样本特征点之间的距离，然后将得到的距离排序，取距离最近的一个特征点作为匹配点，再依次对图像样本库中的每幅图像样本作上述操作；另一种优化的匹配算法，为了排除因为图像遮挡和背景混乱而产生的无匹配关系的特征点，通常会比较待处理特征点与图像样本库中其中一幅图像样本上最近邻距离特征点与次近邻距离样本特征点的相似度，如果这个待处理特征点与上述最近和次近样本特征点都很相似，就把这个待处理样本点去除，以降低误匹配率。

但是现有方案主要存在如下问题：

1)特征点提取过量且存在冗余，导致每增加一个特征点都至少需要比较一轮，并且其中包含大量的无谓比较过程，严重降低了匹配效率。

2)比较最近邻与次近邻距离的匹配方式，虽然可以排除图像遮挡和背景混乱而产生的无匹配关系的特征点，但是图像样本库的图像样本本身也存在相似的冗余特征点，导致最近邻距离与次近邻距离样本特征点的距离变小，匹配就会产生误判的情况，错将可靠的特征点滤除。

发明内容

针对上述问题，本发明的目的是提供一种目标图像检索方法及系统，以此提高匹配速度及精确度，改善图像检索效率。

本发明采用的技术方案如下：

一种目标图像检索方法，包括：

提取图像样本库中各图像样本的样本特征点；

滤除每幅图像样本中冗余的样本特征点；

利用滤除冗余后的样本特征点构建公共特征点集合和私有特征点集合；

提取待处理图像的待处理特征点；

将所述待处理特征点与所述公共特征点集合和所述私有特征点集合中的样本特征点进行匹配，得到每幅图像样本的匹配得分；

选取匹配得分最高的图像样本作为目标图像。

可选地，所述利用滤除冗余后的样本特征点构建公共特征点集合和私有特征点集合包括：