[发明专利]一种多目标匹配的近复制图像检测方法

摘要

本发明公开了一种多目标匹配的近复制图像检测方法，包括了以下步骤步骤1，图像预处理，从待查图像和图像集中选出的图像分别提取局部特征区域以及各特征区域的特征向量，根据特征区域的特征向量筛选初始匹配对集；步骤2，建立特征几何变换空间，对初始匹配对集求解对应的相似变换矩阵，所有的相似变换矩阵组在一起即是特征几何变换空间；步骤3，聚类，使用适用几何空间的非线性均值漂移算法将特征几何变换空间中多个独立分布的簇聚出来；步骤4，计算相似度大小，根据各个独立分布的簇中点的多少来定义图像相似度大小；步骤5，结果呈现，重复1～4步骤，对图像集合中图像数据执行完后，按相似度排序图像检测结果集。

主权项

一种多目标匹配的近复制图像检测方法，其特征在于，包括以下步骤：步骤1，图像预处理：从待查图像和图像集中选出的图像分别提取局部特征区域，基于SIFT特征描述子生成特征区域的特征向量，根据特征向量的欧式距离最近邻原则筛选初始匹配对集；步骤2，建立特征几何变换空间：初始匹配对集中任意匹配对包含两幅图像的局部特征区域，提取的局部特征区域，根据两个局部特征区域Oi和Oi'的几何参数求解相似变换矩阵，一个相似变换矩阵是空间中一点，将所有的相似变换矩阵组在一起即构成了特征几何变换空间；步骤3，聚类：使用非线性均值漂移聚类算法，包括对度量矩阵H的重定义以及简化均值漂移过程，将特征几何变换空间中所有独立分布的簇聚类出来；步骤4，计算相似度大小：设定簇大小阈值，过滤密度小于阈值的簇，用剩下簇中点个数定义图像相似度大小；步骤5，结果呈现：重复步骤1～4，对图像集中所有选出的图像处理完后，按照匹配对待查图像局部特征区域出现的频率对相似度重新计算，按照相似度由大到小排序呈现图像检测结果集；步骤1包括以下步骤：步骤1‑1，提取特征区域：对待查图像和图像集中选出的图像数据采用基于尺度不变检测子DoG或仿射不变区域检测子MSER提取局部特征区域，得到描述局部特征区域几何特征的参数；步骤1‑2，提取特征向量：基于SIFT特征描述子生成各局部特征区域的特征向量，共128维，分别代表特征区域的直方图向量；步骤1‑3，筛选初始匹配对：当且仅当局部特征区域的特征向量Di与Dj之间的距离d(Di,Dj)乘以阈值不大于特征向量Di与其他所有特征向量的距离，则特征区域匹配，其距离公式为：d(Di,Dj)=Σk=1128(wki-wkj)2,]]>其中为第i个特征区域的特征向量Di第k维，为第j个特征区域的特征向量Dj第k维，k取值1～128，阈值设为1.1；步骤2包含下列步骤：步骤2‑1，计算方向角α：采用基于尺度不变检测子DoG提取的局部特征区域是圆形区域，参数包括圆心坐标p、半径r、方向角α，仿射不变检测子MSER检测结果为椭圆形区域，参数包括椭圆的中心坐标p和方程参数a,b,c；按照如下公式计算在椭圆区域中每个像素点的梯度大小m(x,y)和方向m(x,y)=(L(x+1,y)-L(x-1,y))2+(L(x,y+1)-L(x,y-1))2,]]>其中L(x,y)代表图像坐标点(x,y)的像素值，用直方图统计梯度大小m(x,y)和方向统计完后选取直方图的最高峰作为特征区域的梯度主方向，即为方向角α；步骤2‑2，求解相似变换矩阵：一个初始匹配对包含两个局部特征区域，如果第i个匹配对中特征区域为圆Oi和Oi'，参数包括圆心坐标pi和pi'、半径ri和ri'、方向角αi和αi'，如果第i个匹配对中特征区域为椭圆Ei和Ei'，参数包括椭圆中心pi和pi'、参数ai,bi,ci和ai',bi',ci'、方向角αi和αi'，则每一对匹配的特征区域求解对应的相似变换矩阵Xi，组在一起构建特征几何变换空间：Xi=Riti01,]]>其中：ti＝pi'‑Ripi，θi为旋转角度差，si为区域面积比；步骤3包含下列步骤：步骤3‑1，聚类范围约束，在每次均值漂移迭代过程中的开始，首先对特征几何变换空间中聚类范围进行约束，满足如下范围公式的，则构成每次迭代的均值漂移中心X周围的相似变换矩阵XN：|θ‑θN|＜τθ且|σ‑σN|＜τs，其中τθ＝20，τs＝1，相似变换矩阵X关联的向量v((px,py),(p'x,p'y),θ,σ)，相似变换矩阵XN关联的向量vN((pN,x,pN,y),(p'N,x,p'N,y),θN,σN)，向量v是由求解变换矩阵X的两个特征区域的几何参数构成，(px,py)，(p'x,p'y)分别是两个特征区域中心坐标，θ＝α'‑α代表方向角之差，σ是两个特征区域面积比值的对数；步骤3‑2，定义度量矩阵H，为当前均值漂移迭代中心X与各个相似变换矩阵XN之间距离公式为：d2([X;X-1],[XN;XN-1])=12(p′p′T(XNX-1-e)+ppT(XN-1X-e)),]]>其中p＝(px,py)，p'＝(p'x,p'y)分别是相似变换矩阵X的两个特征区域的中心坐标，e是特征几何变换空间的单位矩阵，T表示转置矩阵；步骤3‑3，简化均值漂移过程，根据当前均值漂移中心X和在步骤3‑1中范围约束以内的相似变换矩阵XN，计算相似变换矩阵关联的向量v((px,py),(p'x,p'y),θ,σ)和vN((pN,x,pN,y),(p'N,x,p'N,y),θN,σN)，进而计算当前均值漂移迭代的偏移量mh,G(v)，公式如下：mh,G(v)=Σg(d2([X;X-1],[XN;XN-1])h2)(vN-v)Σg(d2([X;X-1],[XN;XN-1])h2),]]>其中g(.)＝‑k'(.)，k(x)是Epanechnikov核函数的剖面函数，公式如下：再根据偏移量mh,G(v)，得到新的向量公式如下：v‾((p‾x,p‾y),(p‾x′,p‾y′),θ‾,σ‾)=v((px,py),(px′,py′),θ,σ)+mh,G(v),]]>再根据向量中求和公式如下：R‾=exp(σ‾)00exp(σ‾)cosθ-sinθsinθcosθ,]]>t‾=Σ(R‾(pN,x,pN,y)T-(pN,x′,pN,y′)T)/Σ1,]]>其中(pN,x,pN,y)和(p'N,x,p'N,y)为求解相似变换矩阵XN的两个特征区域的中心坐标，由此获得了新的均值漂移中心的平移分量和从而得到完整的均值漂移迭代起点步骤3‑4，收敛，不断循环步骤3‑1～步骤3‑3直到满足收敛条件：其中阈值ξ＝4。