一种基于MCMC框架下的子超图匹配方法和装置制造方法及图纸

一种基于MCMC框架下的子超图匹配方法和装置，提出通过构建子超图的方式进行物体特征的匹配。由于在大量的真实图片、视频中，物体都是不断变换，包含各种噪点，以及其他一些干扰因素的，以至于图像物体匹配检索变得非常困难，而通过子超图来表现物体的外观以及位置信息来进行物体特征匹配，就能更高速、更准确地实现图像的正确匹配。并且，子超图比图、超图更有优势。一方面，子超图比图具有更多的几何信息(例如，角度变换，旋转，尺度等)，比超图的具有更低的难度，具有更好的延展性。另一方面，该方法和装置具有较强的抗干扰能力，鲁棒性好，能适应较复杂的场景，尤其是针对异常值。

【技术实现步骤摘要】

本申请涉及计算机视觉与图像识别
，尤其涉及一种基于MCMC(MarkovChainMonteCarlo，马尔科夫蒙特卡洛)框架下的子超图匹配方法和装置。
技术介绍
在计算机视觉研究中，特征匹配有着非常广泛的应用，比如说目标检测、目标识别、跟踪等等。由于在真实的图片中，经常会有一些复杂的变化，像背景杂波、形变、出现重复的模式等，都会使得特征描述子的信息量变得不充足。而超图匹配通过对特征点和特征间的关系的描述，为特征匹配提供了一个强有力的表现模型，其不仅可以保存和图一样的结点和边的信息，最重要的是其增加了物体几何位置信息的参考量，更是对高维空间的一个拓展，因此用超图结构来做特征匹配就显得尤为突出。超图匹配广泛应用于网络拓扑图、大数据分析、目标识别和跟踪、三维重建、场景理解、视频分析等领域，尤其对非刚性物体以及发生形变的图像匹配有着更加广泛的通用性。因此对其的研究显得非常重要。但是由于其在数学上是二次分配问题，也就是NP难(non-deterministicpolynomial，本文档来自技高网...

【技术保护点】
一种基于MCMC框架下的子超图匹配方法，其特征在于，包括：构建子超图，所述子超图包括位于原始图像中的第一子超图和位于待匹配图像中的第二子超图；构建目标函数；构建基于MCMC框架下的目标分布函数；构建子超图匹配中的马尔科夫链，在马尔科夫链达到平衡时，根据所述目标函数输出子超图匹配结果。

【技术特征摘要】
1.一种基于MCMC框架下的子超图匹配方法，其特征在于，包括：
构建子超图，所述子超图包括位于原始图像中的第一子超图和位于待匹配图像中的第
二子超图；
构建目标函数；
构建基于MCMC框架下的目标分布函数；
构建子超图匹配中的马尔科夫链，在马尔科夫链达到平衡时，根据所述目标函数输出
子超图匹配结果。
2.如权利要求1所述的方法，其特征在于，在子超图匹配过程中，采用三角形张量作为
元组进行匹配，并通过下面方式构建三角形张量：当第一子超图中点的数目大于第一阈值
时，确定三角形的数量为两个子超图中点的数目的乘积；否则，确定三角形的数量为第一子
超图中所有点能够构成的三角形的数量的最大值。
3.如权利要求1所述的方法，其特征在于，通过学习得到先验知识参数，并将所述先验
知识参数加入到所述目标函数中。
4.如权利要求3所述的方法，其特征在于，定义在MCMC框架下状态空间为Y，每一个状态
y∈Y，目标分布为π(y)，并且：
π ( y ) ∝ exp ( S c o r e ( f ( y ) ) - β T D ( | | f ( y ) | | ) T ) ]]> f ( y ) = arg m a x x S c o r e ( x ) ]]>其中，Score(x)为超图匹配评分，βTD(||f(y)||)为学习得到的先验知识参数，β为概率
密度，D(||f(y)||)为f(y)的欧氏距离，f(y)为当前y状态下使得超图匹配评分Score(x)最
大的值，T为退火模拟值。
5.如权利要求4所述的方法，其特征在于，构建子超图匹配中的马尔科夫链时，状态转
换核函数为：
Q(y，y′)＝μ(mode)·q(y，y′)
其中，μ(mode)为mode的概率密度，mode包括随机、添加、删除三个模式，q(y，y′)为从当
前状态y到下一状态y′的概率分布。
6.如权利要求5所述的方法，其特征在于，所述随机、添加、删除三个模式下的概率分布
为：
7.一种基于MCMC框架下的子超图匹配...

【专利技术属性】
技术研发人员：王文敏，张若楠，王荣刚，李革，董胜富，王振宇，李英，赵辉，高文，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：广东;44