一种基于关键点图表示的近重复图像匹配方法组成比例

本发明专利技术公开了一种基于关键点图表示的近重复图像匹配方法，涉及图像处理技术领域，首先利用关键点检测算子检测图像中的关键点；根据关键点的分布特性，自动将其聚成若干类，每类中包含的关键点空间位置相邻。基于聚类结果，将图像表示为一个图，图中每个顶点代表一个聚簇，图中的边则代表该边所连接两个顶点之间的空间位置关系；建立关联图并且求解关联图上的最大权重团。本发明专利技术将图像中的关键点表示为一个图，接下来利用图匹配来实现图像匹配这一问题；充分利用图像中关键点之间的空间位置关系，对近重复图像之间存在的变换具有较强的鲁棒性。

【技术实现步骤摘要】
一种基于关键点图表示的近重复图像匹配方法
本专利技术涉及图像处理
，具体涉及一种基于关键点图表示的近重复图像匹配方法。
技术介绍
随着智能手机的普及，图像获取变得越来越便捷。经常出现对同一个目标进行多次拍摄的情况。同一目标的不同图像称为近重复图像，由于拍摄条件不同，近重复图像之间通常在视角、光照以及分辨率等方面存在差异。近重复图像匹配在照片自动分类，场景识别等应用中起到非常重要的作用。近重复图像匹配方法大致可以分为两类：基于图像全局特征以及基于图像局部特征。基于图像全局特征的方法虽然具有计算简单，时间复杂度低的优点，但通常对近重复图像之间存在的变换较敏感；而基于图像局部特征的方法对近重复图像之间存在的变换具有较强的鲁棒性。图像中的关键点是一种非常常用的局部特征，对图像旋转、缩放，以及仿射变换等均具有良好的鲁棒性。然而传统采用关键点进行图像匹配的方法一般将图像中的关键点看成一个个孤立点，经常导致关键点误匹配。
技术实现思路
为解决现有技术问题，本专利技术提出了一种基于关键点图表示的近重复图像匹配方法，充分利用关键点之间的空间位置关系，有效地解决了上述关键点误匹配问题。本专利技术具体采用以下技术方案：一种基于关键点图表示的近重复图像匹配方法，包括以下步骤：S1：利用关键点检测算子检测图像中的关键点；S2：根据关键点的分布特性，将其自动聚成若干类，每类中包含的关键点空间位置相邻：S3：根据聚类结果，将图像表示为一个图，图中每个顶点代表一个聚簇，图中的边用于刻画该边所连接两个顶点之间的空间位置关系；S4：计算两个图的相似度，首先建立其关联图，接下来计算关联图上的最大权重团，并将该最大权重作为相似度。进一步的方案是，所述S1中的关键点检测算子为DOG检测算子，利用DOG检测算子检测图像中的关键点，并且针对每个关键点，用SIFT描述子进行描述。进一步的方案是，实施S2包括以下步骤：S20：任意选取图像中一个关键点pi，若其未被访问过，则首先将其设置为已被访问，统计其半径为r的邻域内关键点的数目，若关键点数目小于阈值T，则认为该关键点为噪声；否则，建立一个新的聚簇C，并且将pi加入C；S21：将上述关键点pi半径为r邻域内的所有关键点放入集合S中；遍历集合S中的每个关键点，如果其未被访问过，则首先将其设置为已被访问。如果该关键点不属于其它聚簇，则将其添加入聚簇C中，并且计算该关键点半径为r的邻域中关键点数目，如果数目大于等于阈值T,则将邻域中的关键点均加入S；S22：依次遍历直至S中所有关键点均被访问过，此时聚簇C已经建立完成；S23：为了建立下一个聚簇，从图像中剩下未被访问的关键点中随机选择一个，重复S20-S22，直至图像中所有关键点均被访问。进一步的方案是，所述S3中的图中边的属性定义为其距离，边eij所连接的两个顶点vi和vj对应的聚簇中心分别为(Cxi,Cyi)和(Cxj,Cyj)，则其距离dij定义为：进一步的方案是，实施S4包括以下步骤：S40：给定两个图G＝{V,E}和将其关联图表示为其中表示关联图中的顶点集合，ε表示关联图中边的集合；假设图G和中的顶点个数分别为K和则关联图上顶点数目为：关联图中每个顶点代表图G中顶点vi(1≤i≤K)与图中顶点之间的匹配，其权重设置为顶点vi和之间的相似度；S41：给定图G和的关联图上的两个顶点，若其代表的图G和中的顶点匹配分别为和则该两个顶点之间存在边，当且仅当如下两个条件同时成立：a：若顶点vi和vj为图G中同一个顶点，则顶点和为图中同一个顶点；b：令eij为图G中连接顶点vi和vj之间的边，为图中连接顶点和之间的边，则边eij和边之间的相似度大于阈值α,其中α为实数且0<α≤1，定义如下：其中dij和分别为边eij和的长度；S42：通过求解其关联图上具有最大权重的团，并将该最大权重作为两个图的相似度。本专利技术的有益效果：本专利技术将图像中的关键点表示为一个图，接下来利用图匹配来实现图像匹配这一问题；充分利用图像中关键点之间的空间位置关系，对近重复图像之间存在的变换具有较强的鲁棒性。附图说明图1为本专利技术实施例一种基于关键点图表示的近重复图像匹配方法的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。如图1所示，本专利技术的一个实施例公开了一种基于关键点图表示的近重复图像匹配方法，包括以下步骤：S1：利用关键点检测算子检测图像中的关键点；S2：根据关键点的分布特性，将其自动聚成若干类，每类中包含的关键点空间位置相邻：S3：根据聚类结果，将图像表示为一个图，图中每个顶点代表一个聚簇，图中的边用于刻画该边所连接两个顶点之间的空间位置关系；S4：计算两个图的相似度，首先建立其关联图，接下来计算关联图上的最大权重团，并将该最大权重作为相似度。在本实施例中，关键点检测算子为DOG检测算子，利用DOG检测算子检测图像中的关键点，并且针对每个关键点，用SIFT描述子进行描述。为了充分利用关键点之间的空间位置关系，对关键点进行聚类，类别数目无需人为事先指定，而是根据关键点的分布特性自动确定，使得每类中所包含的关键点空间上相邻。具体来说，给定图像中所有关键点p1,p2...pN，其中N代表关键点数目，针对每个关键点pi(1≤i≤N)设置一个布尔类型的访问标志Bi。若Bi＝0，则代表该关键点未被访问过；反之，若Bi＝1，则代表该关键点已经被访问过。初始时，认为所有关键点均未被访问，即令Bi＝0,i＝1,2,...N。接下来，任意选取一个关键点pi，若其未被访问过，即Bi＝0，则首先将其设置为已被访问，即Bi＝1。统计其半径为r的邻域内关键点的数目，若关键点数目小于阈值T，则认为该关键点为噪声；否则，建立一个新的聚簇C，并且将pi加入C。此外，将上述关键点pi半径为r的邻域内的所有关键点放入集合S中。遍历集合S中的每个关键点，如果其未被访问过，则首先将其访问标志置为1，如果该关键点不属于其它聚簇，则将其添加入聚簇C中，并且计算该关键点半径为r的邻域中关键点数目，如果数目大于等于阈值T，则将邻域中的关键点均加入S。依次遍历直至S中所有关键点均被访问过，此时聚簇C已经建立完成。为了建立下一个聚簇，从图像中剩下未被访问的关键点中随机选择一个关键点，重复上述过程，直至图像中所有关键点均被访问。根据关键点聚类结果，建立图像的图表示G＝{V,E}。其中，V代表图中顶点集合，每个顶点vi∈V(i＝1,2,...K)代表一个聚簇，K为顶点总数。E代表图中边的集合，边eij∈E连接顶点vi和vj。边的属性定义为其距离。具体来说，令边eij所连接的两个顶点vi和vj对应的聚簇中心分别为(Cxi,Cyi)和(Cxj,Cyj)，则其距离dij定义为：本文档来自技高网...

【技术保护点】
1.一种基于关键点图表示的近重复图像匹配方法，其特征在于：包括以下步骤：/nS1：利用关键点检测算子检测图像中的关键点；/nS2：根据关键点的分布特性，将其自动聚成若干类，每类中包含的关键点空间位置相邻：/nS3：根据聚类结果，将图像表示为一个图，图中每个顶点代表一个聚簇，图中的边用于刻画该边所连接两个顶点之间的空间位置关系；/nS4：计算两个图的相似度，首先建立其关联图，接下来计算关联图上的最大权重团，并将该最大权重作为相似度。/n

【技术特征摘要】
1.一种基于关键点图表示的近重复图像匹配方法，其特征在于：包括以下步骤：
S1：利用关键点检测算子检测图像中的关键点；
S2：根据关键点的分布特性，将其自动聚成若干类，每类中包含的关键点空间位置相邻：
S3：根据聚类结果，将图像表示为一个图，图中每个顶点代表一个聚簇，图中的边用于刻画该边所连接两个顶点之间的空间位置关系；
S4：计算两个图的相似度，首先建立其关联图，接下来计算关联图上的最大权重团，并将该最大权重作为相似度。


2.根据权利要求1所述的一种基于关键点图表示的近重复图像匹配方法，其特征在于：
所述S1中的关键点检测算子为DOG检测算子，利用DOG检测算子检测图像中的关键点，并且针对每个关键点，用SIFT描述子进行描述。


3.根据权利要求1所述的一种基于关键点图表示的近重复图像匹配方法，其特征在于：实施S2包括以下步骤：
S20：任意选取图像中一个关键点pi，若其未被访问过，则首先将其设置为已被访问，统计其半径为r的邻域内关键点的数目，若关键点数目小于阈值T，则认为该关键点为噪声；否则，建立一个新的聚簇C，并且将pi加入C；
S21：将上述关键点pi半径为r邻域内的所有关键点放入集合S中；遍历集合S中的每个关键点，如果其未被访问过，则首先将其设置为已被访问。如果该关键点不属于其它聚簇，则将其添加入聚簇C中，并且计算该关键点半径为r的邻域中关键点数目，如果数目大于等于阈值T,则将邻域中的关键点均加入S；
S22：依次遍历直至S中所有关键点均被访问...

【专利技术属性】
技术研发人员：刘丽，邱桃荣，
申请(专利权)人：南昌大学，
类型：发明
国别省市：江西;36