基于L1范数全局几何一致性检验的错误匹配检测方法技术

一种基于L1范数全局几何一致性检验的错误匹配检测方法：使用尺度不变特征变换及词袋模型来提取并匹配两幅图像中的特征点；计算两幅图像的平方距离矩阵；使用黄金分割搜索法来求解：minλ>0||D1-λ.D2||1；计算差异矩阵E=||D1-λ*.D2||1；计算E矩阵各行元素之和并从大到小排序，并计算排序后各行和值的二次差分，取达到最大二次差分值的点作为门限值，所有行和高于门限值的，则该行所对应特征点对被判定为错误匹配对；去掉错误匹配对后，再根据两幅图像的真实匹配点对来计算图像间的相似度，继而根据相似度由大到小排序输出图像检索结果。本发明专利技术允许相似图像间存在复杂背景、部分遮挡以及各种相似几何变换；只利用了特征点的坐标信息，非常简单且高效。

【技术实现步骤摘要】
基于L1范数全局几何一致性检验的错误匹配检测方法
本专利技术属于图像检索领域，特别是部分重复图像检索领域中，一种检测图像与图像之间的错误匹配点的方法。
技术介绍
近几年，包括Tineye、百度识图以及谷歌相似图像搜索等在内的许多检索引擎在内的重复图像搜索技术发展较为迅速，其在版权检测、医疗诊断、暴力检测以及地理信息检索等方面有广泛的应用。在该项技术中，图像之间误匹配特征点对的检测是其中的一项关键步骤，如何利用图像间的几何信息来正确过滤错误匹配以便获得更加精确的检索结果，是这项技术的核心。部分重复图像主要是指拍摄相同场景不同角度的图片或者经过图像处理软件进行处理前后的图片。这样的图片在色调、光照、尺度、旋转和遮挡等方面有些不同，这使得在大规模数据库下检索该类图片变得十分困难。为解决这一问题，学界提出了许多基于局部特征和词袋模型结合的方法来处理相似性问题。这些方法的一个典型流程如下：首先使用尺度不变特征变换(SIFT)来检测和描述图像的局部特征，然后使用词袋模型(BagofFeatures，BoF)来建立视觉字索引，之后根据索引来进行图像间的特征点匹配对，最后根据匹配情况计算图与图之间的本文档来自技高网...

【技术保护点】
一种基于L1范数全局几何一致性检验的错误匹配检测方法，其特征是，包括如下步骤：步骤1：对于两幅待比较图像，首先使用尺度不变特征变换及词袋模型来提取并匹配两幅图像中的特征点，得到两幅图像中各特征点的坐标：a1i=(x1i，y1i)T，a2i=(x2i，y2i)T，其中i的顺序为特征点匹配后的排序，T表示转置，a1i和a2i均为列向量；步骤2：分别计算两幅图像的平方距离矩阵D1和D2；步骤3：使用黄金分割搜索法来求解如下问题：minλ>0||D1?λ.D2||1，该问题的解为λ*=argminλ>0||D1?λ.D2||1，它是两幅图像间的缩放尺度估计值；步骤4：计算差异矩阵E=||D...

【技术特征摘要】
1.一种基于L1范数全局几何一致性检验的错误匹配检测方法，其特征是，包括如下步骤：步骤1：对于两幅待比较图像，首先使用尺度不变特征变换及词袋模型来提取并匹配两幅图像中的特征点，得到两幅图像中各特征点的坐标：a1i＝(x1i,y1i)T，a2i＝(x2i,y2i)T，其中i的顺序为特征点匹配后的排序，T表示转置，a1i和a2i均为列向量；步骤2：分别计算两幅图像的平方距离矩阵D1和D2；步骤3：使用黄金分割搜索法来求解如下问题：minλ＞0||D1-λ·D2||1，该问题的解为λ*＝argminλ＞0||D1-λ·D2||1，它是两幅图像间的缩放尺度估计值；步骤4：计算差异矩阵E＝||D1-λ*·D2||1，该矩阵中的非零元素被认为是由错误匹配对造成的；步骤5：计算E矩阵各行...

【专利技术属性】
技术研发人员：林宙辰，林旸，杨李，许晨，查红彬，
申请(专利权)人：北京大学，
类型：发明
国别省市：