一种基于聚类的形变图的渐进式图匹配方法及装置制造方法及图纸

本发明专利技术公开了一种基于聚类的形变图的渐进式图匹配方法及装置，方法包括：1)、获取待匹配图像的图像特征；2)、将差异值小于预设阈值的相邻两个图像特征进行合并为一个图像特征，得到图像特征簇；3)、根据图像特征簇之间的匹配关系，获取候选匹配的相似性值，并根据相似性值的最大值获取候选匹配的指示向量；4)、判断指示向量对应的相似性值是否收敛；5)、若否，根据各个候选匹配的指示向量，获取指示向量的置信度，得到更新后的匹配矩阵；并返回执行步骤3)，直至指示向量对应的相似性值收敛；6)、若是，将匹配矩阵中的各个图像特征的对应关系作为待匹配图像的匹配结果。应用本发明专利技术实施例，可以提高图像特征匹配的效率。

【技术实现步骤摘要】
一种基于聚类的形变图的渐进式图匹配方法及装置
本专利技术涉及一种图像匹配方法及装置，更具体涉及一种基于聚类的形变图的渐进式图匹配方法及装置。
技术介绍
随着图像匹配技术的快速发展，图像匹配技术的应用逐渐扩展到更多的新的领域，如影像医学、测绘、遥感信号处理、工业检测、目标识别和跟踪等。而且，在很多关于图像的研究和项目工程中，图像匹配算法的应用会对整个研究项目的结果产生重要影响。所以，对于图像匹配算法的研究具有非常重要的实际意义。图像匹配是指，将两张待匹配图像进行匹配对比处理，判断两张图像之间的相似程度，进而判断这两张待匹配图像是否含有相同或者相类似的内容。通常情况下，图像匹配过程可以分成两部分：首先进行图像匹配特征的选取：然后进行图像匹配特征的匹配，在匹配过程中药使用相似性度量算法。图像匹配的算法很多，一般可以分为以下两类：1)基于待匹配图像中像素灰度值的图像匹配方法：这类特征可以利用图像中选中区城内的所有像素信息来描述特征，匹配精度较高，因为是区域内进行统计分析，所以需要处理的像素很多，相应会使得计算代价很高。2)基于特征的图像匹配方法：其中特征一般可理解为基于几何形状的特征，只提取本文档来自技高网...

【技术保护点】
1.一种基于聚类的形变图的渐进式图匹配方法，其特征在于，所述方法包括：1)、获取待匹配图像的图像特征，其中，所述待匹配图像包括：第一待匹配图像及第二待匹配图像，且所述图像特征包括：图像几何形状特征；2)、将差异值小于预设阈值的相邻两个图像特征进行合并为一个图像特征，得到图像特征簇；3)、根据待匹配图像的图像特征簇与其他待匹配图像的图像特征簇之间的匹配关系，获取针对所述待匹配图像与其它待匹配图像的候选匹配，并针对每一个候选匹配，根据所述候选匹配的分配矩阵和对称相似性矩阵，获取所述候选匹配的相似性值，并根据所述相似性值的最大值获取所述候选匹配的指示向量；4)、判断所述指示向量对应的相似性值是否收敛...

【技术特征摘要】
1.一种基于聚类的形变图的渐进式图匹配方法，其特征在于，所述方法包括：1)、获取待匹配图像的图像特征，其中，所述待匹配图像包括：第一待匹配图像及第二待匹配图像，且所述图像特征包括：图像几何形状特征；2)、将差异值小于预设阈值的相邻两个图像特征进行合并为一个图像特征，得到图像特征簇；3)、根据待匹配图像的图像特征簇与其他待匹配图像的图像特征簇之间的匹配关系，获取针对所述待匹配图像与其它待匹配图像的候选匹配，并针对每一个候选匹配，根据所述候选匹配的分配矩阵和对称相似性矩阵，获取所述候选匹配的相似性值，并根据所述相似性值的最大值获取所述候选匹配的指示向量；4)、判断所述指示向量对应的相似性值是否收敛；5)、若否，根据各个候选匹配的指示向量，获取所述指示向量的置信度，在所述指示向量的置信度不小于预设阈值的情况下，更新所述匹配矩阵中的元素值，得到更新后的匹配矩阵；并返回执行步骤3)，直至指示向量对应的相似性值收敛，并在各个指示向量对应的相似性值均收敛的情况下，将所述匹配矩阵中的各个图像特征的对应关系作为所述待匹配图像的匹配结果；6)、若是，在各个指示向量对应的相似性值均收敛的情况下，将所述匹配矩阵中的各个图像特征的对应关系作为所述待匹配图像的匹配结果。2.根据权利要求1所述的一种基于聚类的形变图的渐进式图匹配方法，其特征在于，所述步骤2)，包括：A：将待匹配图像转换成激活图像，并将所述激活图像中的每一个图像特征作为一个图像特征簇；B：将激活图像中的各个图像特征簇进行配对处理，并针对各个图像特征簇对中的每一个图像特征簇对，利用公式，获取所述图像特征簇对的最小不相似点的数量，其中，k为图像特征簇对中所有可能的元素对不相似点的数量；kAP为预设的第一控制参数；Ca为图像特征簇a中元素的数量；Cb为图像特征簇b中元素的数量；rAP为预设的第二控制参数；|·|为欧几里得距离函数；|Ca||Cb|为图像特征簇对之间可能的元素对的数量；C：利用公式，获取图像特征簇对的差异值，其中，DkNN(k,Ca,Cb)为图像特征簇对中图像特征簇a与图像特征簇b之间的差异值；Γ为图像特征簇对中图像特征簇a与图像特征簇b之间的配对元素对的数量；min为最小值求值函数；∑为求和函数；d(mi,mj)为图像特征簇a中的元素mi与图像特征簇b中的元素mj之间的相似度；i为元素mi的序号；j为元素mj的序号；D：判断所述图像特征簇对的差异值是否小于预设的差异阈值；E：若是，将图像特征簇对合并成一个图像特征簇，并返回执行步骤B，直至任一个图像特征簇对的差异值不小于差异阈值；F：若否，在其他图像特征簇对的差异值不小于预设的差异阈值的情况下，将所述图像特征簇作为合并后的图像特征簇。3.根据权利要求1所述的一种基于聚类的形变图的渐进式图匹配方法，其特征在于，所述根据所述候选匹配的分配矩阵和对称相似性矩阵，获取所述候选匹配的相似性值，包括：获取候选匹配对应的约束条件，其中，mt为候选匹配对应的初始指示向量；Mt为分配矩阵；nP为第一待匹配图像中图像特征簇的数量；nQ为第二待匹配图像中图像特征簇的数量；为一个尺度为n的全一向量；为一个尺度为n的全一向量；利用公式，计算与候选匹配对应的，第一待匹配图像中的图像特征簇j到第二待匹配图像中的图像特征簇b的传递误差，其中，djb|ia为第一待匹配图像中的图像特征簇j到第二待匹配图像中的图像特征簇b构成的匹配(j,b)对，与第一待匹配图像中的图像特征簇i到第二待匹配图像中的图像特征簇a构成的匹配(i,a)之间的传递误差；||||为范数函数；为第二待匹配图像中的图像特征簇b；为第一待匹配图像中的图像特征簇j到第二待匹配图像中的图像特征簇b的仿射同应变换结果；为第一待匹配图像中的图像特征簇j；根据第一待匹配图像中的图像特征簇j到第二待匹配图像中的图像特征簇b的传递误差，利用公式，计算候选匹配对应的对称相似性值，其中，Wia；jb为候选匹配对应的对称相似性值，且该候选匹配为包括边以及的候选匹配；P为第一待匹配图像；Q为第二待匹配图像；εP为第一待匹配图像中包含的边的集合；εQ为第二待匹配图像中包含的边的集合；i为第一待匹配图像中的第i个点；j为第一待匹配图像中的第j个点；a为第二待匹配图像中的第a个点；b为第二待匹配图像中的第b个点；为候选匹配对应的匹配图像特征簇以及匹配图像特征簇所对应的对称传输错误的二阶相似性函数；dbj|ai为第二待匹配图像中的图像特征簇b到第一待匹配图像中的图像特征簇j构成的匹配(b,j)对，与第二待匹配图像中的图像特征簇a到第一待匹配图像中的图像特征簇i构成的匹配(a,i)之间的传递误差；dia|jb为第一待匹配图像中的图像特征簇j到第二待匹配图像中的图像特征簇a构成的匹配(i,a)对，与第一待匹配图像中的图像特征簇j到第二待匹配图像中的图像特征簇b构成的匹配(j,b)之间的传递误差；dai|bj为第二待匹配图像中的图像特征簇a到第一待匹配图像中的图像特征簇i构成的匹配(a,i)，与第二待匹配图像中的图像特征簇b到第一待匹配图像中的图像特征簇j构成的匹配(b,j)之间的传递误差；α为预先设定的图像特征簇相似的阈值；max()为最大值求值函数；根据所述候选匹配对应的对称相似性值，将所述对称性相似性值作为元素，构建对称相似性矩阵；根据所述候选匹配对应的约束矩阵以及所述候选匹配对应的对称相似性矩阵，利用公式，S(Mt)＝MtTWMt，获取所述候选匹配的相似性值，其中，S(Mt)为第t次迭代时，在分配矩阵为Mt时所述候选匹配的相似性值；MtT为第t次迭代时，分配矩阵Mt的转置；W为候选匹配对应的对称传输错误。4.根据权利要求1所述的一种基于聚类的形变图的渐进式图匹配方法，其特征在于，所述根据所述相似性值的最大值获取所述候选匹配的指示向量，包括：利用公式，计算候选匹配对应的指示向量，其中，为候选匹配对应的指示向量；为函数最大值的变量求值函数；S(Mt)为候选匹配的相似性值。5.根据权利要求1所述的一种基于聚类的形变图的渐进式图匹配方法，其特征在于，所述获取所述指示向量的置信度，包括：利用公式，获取Matcht中图像特征簇VQ和图像特征簇VP的集合与中间变量mi相关的概率，其中，为Matcht中图像特征簇VQ和图像特征簇VP的集合与中间变量mi相关的概率；VQ为第二待匹配图像中的图像特征簇的集合；为第二待匹配图像中的图像特征簇集合中的图像特征簇b；VP为第一待匹配图像中的图像特征簇的集合；为第一待匹配图像中的图像特征簇的集合中的图像特征簇b；M为当前次迭代中的中间变量的集合；Matcht为匹配矩阵对应的匹配边的集合；mi为匹配矩阵中的第i个匹配边，且为第一待匹配图像中图像特征簇p与图像特征簇i之间的边；为第二待匹配图像中图像特征簇q与图像特征簇i之间的边；NN(·)为最近邻图像特征函数；为以mi为中间变量时，图像特征簇的最近邻特征；k为图像特征簇对的最小不相似点的数量；k2为kNN当前次迭代中的图像特征簇聚类中的第二参数；Z为归一化函数；且exp()为以自然底数为底的指数函数；为第一待匹配图像中的图像特征簇j到第二待匹配图像中的图像特征簇b构成的匹配(j,b)对，与中间变量之间的传递误差；利用公式，获取在Matcht中选择mi作为中间变量的概率，其中，p(VP＝vP|M＝mi,Matcht)为在Matcht中选择mi作为中间变量的概率；vP为第一待匹配图像中的图像特征簇的集合中的图像特征簇；k1为kNN当前次迭代中的图像特征簇聚类中的第一参数；利用公式，获取Matcht中图像特征簇VQ与中间变量mi相关的概率，其中，p(M＝mi|Matcht)为Matcht中图像特征簇VQ与中间变量mi相关的概率；|Matcht|为匹配矩阵对应的匹配边的数量；利用公式，获取指示向量的置信度，其中，p(VP,VQ|Mt)为指示向量的置信度；Mt为匹配矩阵。6.一...

【专利技术属性】
技术研发人员：张悦，江波，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34