一种基于级联二值编码的图像匹配方法组成比例

本发明专利技术涉及一种基于级联二值编码的图像匹配方法，所述方法包括：步骤S1，利用基于多个哈希表的哈希查找方法对图像中的候选特征点进行粗筛选，得到候选特征点的候选子集；步骤S2，将所述候选特征点的候选子集映射到高维汉明空间；步骤S3，建立汉明距离-数据地址的哈希表；查询所述汉明距离-数据地址的哈希表，从而得到最佳匹配特征点。本发明专利技术图像匹配方法，处理速度快，效果好，可实现高效和准确的图像匹配。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及图像处理领域，尤其涉及。
技术介绍
图像匹配是计算机视觉、图像处理等领域的关键技术，在三维重建、图像拼接、目标识别等方面具有广泛的应用。特别是在大范围场景的三维重建问题中，由于大规模图像之间的匹配需要耗费大量时间，导致三维重建的速度非常慢。因此，快速、准确的图像匹配是亟待解决的问题。 图像匹配技术大致可以分为三类:点匹配，线匹配和区域匹配。由于其对光照变化、仿射变换和视角变化的鲁棒性，点匹配的重视程度较高，许多有效的算法被提出。然而，点匹配通常是非常耗时的，一对图像匹配的计算时间复杂性为0(N2)，其中N为平均每幅图像的特征点个数。在暴力匹配情况下，特征点匹配问题可以被看作是一个最近邻查找问题。作为替代方案，提出了近似最邻近查找，其中比较著名的是基于树的模型，在这种模型下，数据被非常有效地存储，从而取得非常快的搜索速度。但是所有基于树的方法在高维情况其搜索效率大大下降，有时候甚至不如简单的线性查找。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供，可以实现高效和准确的图像匹配。 为实现上述目的，本专利技术提供了， 所述方法包括: 步骤SI，利用基于多个哈希表的哈希查找方法对图像中的候选特征点进行粗筛选，得到候选特征点的候选子集； 步骤S2，将所述候选特征点的候选子集映射到高维汉明空间； 步骤S3，建立汉明距离-数据地址的哈希表；查询所述汉明距离-数据地址的哈希表，从而得到最佳匹配特征点。 进一步的，所述步骤SI具体为:步骤S11，通过短的哈希码做粗哈希查询，图像中的所有特征点通过局部位置敏感哈希方法映射成m位的哈希函数的哈希码。 进一步的，所述步骤Sll具体为:对于第一图像I中的第一特征点P，用m位哈希码建立一个哈希查找表，第二图像J中所有和第一特征点P落到同一个哈希桶中的特征点被返回； 其中，通过局部位置敏感哈希生成L个不同的哈希函数 gx(q) = (huQ), !^(q),…，!^(q))，1=1，2，…，L,对应于每个哈希函数,建立一个哈希表，将第一图像I中的第一特征点P投入到哈希桶gjp)中，其中，1=1, 2，...，L0 进一步的,所述步骤S2具体为:通过η位哈希函数(n>m)将这些候选特征点映射到高维汉明空间中，然后在所述高维汉明空间中进行汉明距离的计算并排序。 进一步的，所述步骤S3具体为: 计算查询点与候选特征点之间的第一汉明距离； 以所述第一汉明距离为键，以候选特征点的内存地址为值建哈希表； 遍历所述汉明距离-数据地址的哈希表的数据库，并建立汉明距离-数据地址哈希表; 从键值最小的桶开始查找，直到找满预设个候选特征点为止，找到的预设个候选特征点是与查询点汉明距离最小的预设个候选特征点。 本专利技术图像匹配方法，其匹配采用了一个三层的哈希结构，通过逐层筛选的过程实现快速准确的特征点匹配，处理速度快，效果好，可实现高效和准确的图像匹配。 【附图说明】 图1为本专利技术的流程图。 【具体实施方式】 下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。 本专利技术图像匹配方法提出了一种由粗到细的级联二值编码方法，综合了哈希方法的查询和排序两种查找策略，大大提升了图像特征点匹配的速度，匹配采用了一个三层的哈希结构，通过逐层筛选的过程实现快速准确的特征点匹配。 图1为本专利技术的流程图，如图所示，本专利技术具体包括如下步骤: 步骤101，利用基于多个哈希表的哈希查找方法对图像中的候选特征点进行粗筛选，得到候选特征点的候选子集； 本步骤是基于多哈希表的候选特征点查询。 具体的，通过短的哈希码做一次最粗略的哈希查询，即哈希查找(HashingLookup)。其中，图像中的所有特征点通过局部位置敏感哈希方法映射成m位的哈希码。对于图像I中的特征点P，为了找到它在图像J中的匹配点，需要用这些m位哈希码建立一个哈希查找表。图像J中所有和点P落到同一个哈希桶中的特征点将被返回。 哈希查找具有常数的时间复杂度，在本专利技术中，采用一种基于多个哈希表的哈希查找方法。具体的，通过局部位置敏感哈希(LSH)生成L个不同的哈希函数gl(q)=(h1；1(q), h2；! (q),..., hm；x (q)), 1=1, 2，..., L,对应于每个哈希函数,可以建立一个哈希表。对于图像I中的特征点P，将其投入到哈希桶&(ρ)中，其中，1=1，2，…，L0 因为越长的哈希码判别力越强，从而使得相似点落到同一个桶中的概率P1和相异点落到同一个桶的概率P2的差距变大。当m增大时，P1将减少，即要使L充分大从而保证真正的近邻至少有一次和查询点落在同一个桶中。具体的，这个概率为1-(1-P1)^ 需要为不同的应用选择不同的参数m和L。例如在三维重建中的图像匹配，分别选择参数m = 8或10, L = 6。 步骤102，将候选特征点的候选子集映射到高维汉明空间； 在步骤101的粗搜索之后，可以在步骤102中对步骤101得到的候选子集进行精确搜索，例如计算每一个候选特征点与查询点之间的欧氏距离。但是，因为候选子集的规模仍然很大，直接计算欧式距离需要很大的计算量，本专利技术采用通过更长的η位哈希函数(n>m)将这些候选特征点映射到高维汉明空间中，然后就可以在这个空间中进行汉明距离的计算并排序。 步骤103，建立汉明距离-数据地址的哈希表；查询汉明距离-数据地址的哈希表，从而得到最佳匹配特征点。 为了进行最精确的查找，需要找到汉明空间中的前K个近邻，并且在其中找到欧氏距离最近的前两名来判断是否匹配。 通常来说，为了找到前K个近邻，需要遍历数据库K次，当数据库非常大时，这个过程也是很耗时的。在本专利技术中，提出一种基于哈希的前K名的查找方法，仅需要遍历数据库一次就可以定位前K名。 具体的，在遍历数据库的过程中，首先计算查询点与候选特征点之间的汉明距离，与此同时，以这个汉明距离为键，以候选特征点的内存地址为值建哈希表。于是，在遍历整个数据库一次之后能够完整的建立一个“汉明距离-数据地址”的哈希表。 为了定位前K名，只要从键值最小的桶开始查找，如果第一个桶中的候选点个数少于K，则到第二个桶中查找，以此类推，直到找满K个候选点为止。通过这个过程找到的K个候选点一定是与查询点汉明距离最小的K个点。 综上，本专利技术图像匹配方法在图像特征点提取与表示阶段，首先对两幅待匹配的图像(^和〗^分别进行特征点检测，然后对检测到的特征点进行特征向量表示。例如，可以用SIFT方法检测图像的特征点，并表示成128维的特征向量。 在基于级联二值编码的特征点匹配阶段，采用三层的级联二值编码方法，对待匹配图像I1和I2中重叠区域上的特征点进行一对一的匹配。对于图像I1中的任何一个特征点Xi，首先采用一种基于多个哈希表的哈希查找方法，按照汉明距离大小，对图像中I1的所有特征点&进行粗略筛选，得到一个候选子集f;然后把候选子集f中的所有特征点映射到高维汉明空间；最后从候选子集f中快速查询到前K个最近匹配点，这里的K可以根据不同应用设置不同的数目，例如，三维重建中的图像匹配往往设置K = 2。 对于两幅待匹配的图像(分别记为I1和本文档来自技高网...

【技术保护点】
一种基于级联二值编码的图像匹配方法，其特征在于，所述方法包括：步骤S1，利用基于多个哈希表的哈希查找方法对图像中的候选特征点进行粗筛选，得到候选特征点的候选子集；步骤S2，将所述候选特征点的候选子集映射到高维汉明空间；步骤S3，建立汉明距离‑数据地址的哈希表；查询所述汉明距离‑数据地址的哈希表，从而得到最佳匹配特征点。

【技术特征摘要】
【国外来华专利技术】1.一种基于级联二值编码的图像匹配方法，其特征在于，所述方法包括: 步骤SI，利用基于多个哈希表的哈希查找方法对图像中的候选特征点进行粗筛选，得到候选特征点的候选子集； 步骤S2，将所述候选特征点的候选子集映射到高维汉明空间； 步骤S3，建立汉明距离-数据地址的哈希表；查询所述汉明距离-数据地址的哈希表，从而得到最佳匹配特征点。2.根据权利要求1所述的方法，其特征在于，所述步骤SI具体为: 步骤S11，通过短的哈希码做粗哈希查询，图像中的所有特征点通过局部位置敏感哈希方法映射成m位的哈希函数的哈希码。3.根据权利要求2所述的方法，其特征在于，所述步骤Sll具体为:对于第一图像I中的第一特征点P，用m位哈希码建立一个哈希查找表,第二图像J中所有和第一特征点P落到同一个哈希桶中的特征点被返回； 其中，通过局部位置敏感哈希生成L个不同的哈希函数gjq) = (...

【专利技术属性】
技术研发人员：程健，冷聪，吴家祥，卢汉清，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11