一种基于G-W距离的蚁群图形匹配方法组成比例

本发明专利技术涉及一种基于G‑W距离的蚁群图形匹配方法，包括以下步骤：对待匹配图形进行特征点的选取；通过特征点的采样信息数据生成G‑W距离下的H矩阵；对特征点间G‑W距离最小差异度建立二次凸优化模型，并结合蚁群提出模型的假设；规定蚁群在G‑W距离最小差异度寻优过程中的物理约束条件，使其满足一一对应匹配原则；累计蚂蚁所遍历城市节点间的距离；对G‑W距离下的二次凸优化问题寻优，求得最短路径以及该路径上的城市节点；将最短路径定义为两流形曲面间的整体差异度，利用最短路径上城市节点与特征点序列号之间的关系，计算出特征点间的匹配关系，完成图形匹配。本发明专利技术是最接近真实理论的最优解，克服了传统的数值迭代寻优对初始解的依赖性。

【技术实现步骤摘要】
一种基于G-W距离的蚁群图形匹配方法
本专利技术属于图像处理
，具体的说是一种基于G-W距离的蚁群图形匹配方法，涉及计算机图形学、计算机视觉、机器人学。
技术介绍
图形匹配一直都是计算机图形学、计算机视觉、机器人学等方面领域的热点问题。目前研究三维图形匹配的方法主要有骨架匹配方法、稀疏化匹配方法、数值迭代收敛匹配方法、几何距离优化匹配方法，这些方法的提出促进了图形匹配技术的应用发展，提升了图形匹配的实际应用价值。例如，使用机器人创建地图时需要多个机器人共同收集信息，最后将每个机器人收集的子地图合成为一个公共地图，这是一个庞大而复杂的工作。此过程中，需要使用路标匹配的方法实现多个地图的融合，因此一旦任何路标匹配错误会对地图的精度造成很大的影响。因此研究图形匹配具有现实意义。非刚性图形匹配，即针对发生拓扑结构改变的图形匹配，目前解决该匹配问题的方法有很多种。其中，基于几何距离优化匹配方法，采用扰动分析方法得到同一拓扑空间中流形曲面对Laplace-Beltrami特征函数的反馈值，结合变量优化和加权的方法实现图形匹配。基于几何距离优化本文档来自技高网...

【技术保护点】
1.一种基于G-W距离的蚁群图形匹配方法，其特征在于，用于对两个待匹配图形进行匹配，包括以下步骤：/n对待匹配图形进行特征点的选取，所述待匹配图形为3D非刚性变换图形；/n通过所述特征点的采样信息数据生成G-W距离下的H矩阵；/n对特征点间G-W距离最小差异度建立二次凸优化模型，并结合蚁群提出模型的假设；/n规定蚁群在G-W距离最小差异度寻优过程中的物理约束条件，使其满足一一对应匹配原则；/n累计蚂蚁所遍历城市节点间的距离；/n对G-W距离下的二次凸优化问题寻优，求得最短路径以及该路径上的城市节点；/n将所述最短路径定义为两流形曲面间的整体差异度，利用最短路径上城市节点与特征点序列号之间的关系...

【技术特征摘要】
1.一种基于G-W距离的蚁群图形匹配方法，其特征在于，用于对两个待匹配图形进行匹配，包括以下步骤：
对待匹配图形进行特征点的选取，所述待匹配图形为3D非刚性变换图形；
通过所述特征点的采样信息数据生成G-W距离下的H矩阵；
对特征点间G-W距离最小差异度建立二次凸优化模型，并结合蚁群提出模型的假设；
规定蚁群在G-W距离最小差异度寻优过程中的物理约束条件，使其满足一一对应匹配原则；
累计蚂蚁所遍历城市节点间的距离；
对G-W距离下的二次凸优化问题寻优，求得最短路径以及该路径上的城市节点；
将所述最短路径定义为两流形曲面间的整体差异度，利用最短路径上城市节点与特征点序列号之间的关系，计算出特征点间的匹配关系，完成图形匹配。


2.根据权利要求1所述的一种基于G-W距离的蚁群图形匹配方法，其特征在于，所述对待匹配图形进行特征点的选取，包括以下步骤：
在给定时刻t下，计算三角网格上待匹配图形所有顶点的HKS值；
提取满足kt(x，x)＞kt(xi，xi)的特征点x放入点集A中，其中kt(x，x)是采样点x在t时刻下的HKS值，采样点xi在t时刻下的HKS值kt(xi，xi)设置为阈值；
在点集A中选出HKS值最大的点v1放入点集B中；
计算v1与其他顶点的距离，选出距离最远的顶点v2放入点集B中；
选取出满足与点集B中的点最小距离最大化的下一个特征点，即满足：



其中d是度量，集合V是三角网格下待匹配图形的所有顶点；
按照上述过程依次选出特征点，直到满足所需的采样个数，记为集合C；
将集合C中的特征点按平均测地距排于前面，集合V\C中的特征点按平均测地距排于后面，删去与其测地距小于初始间隔的特征点，按序在剩下的特征点中选取下一个特征点，并设置最终特征点的个数不小于初始特征点个数的一半。


3.根据权利要求1所述的一种基于G-W距离的蚁群图形匹配方法，其特征在于，所述通过所述特征点的采样信息数据生成G-W距离下的H矩阵，包括以下步骤：
根据所述特征点，得到两个待匹配图形特征点的点集{Xi}、{Yi}，i＝1，2，3，..，m，m∈Z+，m表示两待匹配图形采样点的个数；
基于特征点测地距信息分别计算点集自身的距离矩阵(xij)m×m、(ykl)m×m，计算公式为：
xij＝|Xi-Xj|，ykl＝|Yk-Yl|，其中i、j、k、l＝1，2，3，...，m，m∈Z+(2)其中，Xi，Xj分别为点集{Xi}中第i个采样点和第j个采样点对应的测地距值，Yk，Yl分别为点集{Yi}中第k个采样点和第l个采样点对应的测地距值，Z+表示正整数；
由流形曲面X与Y的特征点集自身的距离，使用Hij＝xijI-(ykl)m×m生成H矩阵，即生成G-W距离下的含有四元关系元素的H矩阵：



其中Γ(xi，xj，yk，yl)＝hijkl表示xi与yk匹配，xj与yl匹配时的差异度。


4.根据权利要求1所述的一种基于G-W距离的蚁群图形匹配方法，其特征在于，所述特征点间G-W距离最小差异度建立二次凸优化模型，并结合蚁群提出模型的假设，具体为：
所述二次凸优化模型结合蚁群的第一假设为：G-W距离空间中城市的个数为m2，该模型寻优过程中最终遍历的城市个数为m，m等于两待匹配图形采样点的个数，且设置为回到起始点的遍历模型；
所述二次凸优化模型结合蚁群的第二假设为：定义出发节点p为H矩阵的行，即为一组序列数抵达节点q为H矩阵的列，即为一组序列数蚂蚁从城市节点p到城市节点q走的距离对应矩阵H中元素H(p，q)，蚂蚁所经过的城市节点间的距离为dpq＝H(p，q)，即H矩阵中p行q列元素hijkl，表示xi与yk匹配，xj与yl匹配时的失真程度；
所述二次凸优化模型结合蚁群的第三假设为：统计蚂蚁经过路径的城市节点，从2m个出发城市节点与抵达城市节点中去除m个重复节点；
针对图形匹配问题，所述基于蚁群的G-W距离寻优模型为：



其中，表示两流形曲面X和Y的最小差异度，μik表示xi与yk的联合测度，μjl表示xj与yl的联合测度，p＝1时的Γ(xi，xj，yk，yl)是矩阵H中的元素，U表示测度空间。


5.根据权利要求1所述的一种基于G-W距离的蚁群图形匹配方法，其特征在于，所述规定蚁群在G-W距离最小差异度寻优过程中的物理约束条件，使其满足一一对应匹配原则，包括以下步骤：
统计蚂蚁遍历过的前n个节点放入集合S1，与m2-n个未遍历的节点放入集合S2，m等于两待匹配图形采样点的个数；
寻找既在S1已访问节点中存在匹配关系...

【专利技术属性】
技术研发人员：张洁琳，张露，李瑛，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22