一种图匹配方法及系统技术方案

本发明专利技术提供一种图匹配方法及系统，属于计算机视觉领域，均能够：输入待匹配的两个属性图：图G1和图G2；构建图G1、图G2的亲和度矩阵W

【技术实现步骤摘要】
一种图匹配方法及系统


[0001]本专利技术涉及计算机视觉领域，具体涉及一种图匹配方法及系统。

技术介绍

[0002]图由点和边组成，点可以表示具体对象，边可以表示具体对象之间的关系。图匹配就是通过一定的方法，在两个图中找到点的一种对应关系。因现实中很多事物都可以抽象为图再加以分析，因此图匹配技术在众多领域都有应用，比如：在计算机视觉和模式识别领域的目标识别、特征跟踪、双目视觉等应用中，在生物领域的蛋白质结构分析应用中，以及在数据挖掘领域发掘有用信息过程中，往往会用到图匹配。
[0003]在图匹配中，图的顶点表示提取出的图像特征点，边表示两图像特征点之间的信息，用于衡量点对之间的相似度。具体地，当进行图匹配时，传统图匹配方法往往是，给每一个特征点构造描述子，然后通过比较描述子之间的相似性来完成特征点的匹配，其中，为特征点所构造的描述子是一个高维的向量，用于唯一表示一个特征点。但是当存在弱纹理区域，或者重复纹理区域时，描述子的唯一性被削弱，容易出现错误匹配，影响匹配精度。

技术实现思路

[0004]针对现有技术的上述不足，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图匹配方法，其特征在于，包括步骤：S1：输入待匹配的两个属性图：图G1和图G2，G1＝(V1，E1，A1)，G2＝(V2，E2，A2)，其中V
x
、E
x
、A
x
分别代表属性图G
x
的节点集、边集、属性集，x＝1，2；S2：构建图G1、图G2的亲和度矩阵W
all
；S3：基于邻居节点对，更新亲和度矩阵W
all
，得到更新后的亲和度矩阵W
U
；S4：基于更新后的亲和度矩阵W
U
，求解图G1、图G2的匹配关系。2.根据权利要求1所述的图匹配方法，其特征在于，步骤S2的实现方法包括步骤：S21：构建图G1和图G2的局部距离亲和度矩阵W
local
‑
distance
；S22：构建图G1和图G2的局部角度亲和度矩阵W
local
‑
angle
；S23：构建图G1和图G2的全局特征亲和度矩阵W
global
；S24：构建图G1和图G2的中间特征亲和度矩阵W
mid
；S25：对构建所得的局部距离亲和度矩阵W
local
‑
distance
、局部角度亲和度矩阵W
local
‑
angle
、全局特征亲和度矩阵W
global
和中间特征亲和度矩阵W
mid
进行融合，得到所述的亲和度矩阵W
all
，融合公式为：其中k＝0.6或0.7。3.根据权利要求2所述的图匹配方法，其特征在于，步骤S21中所构建的局部距离亲和度矩阵W
local
‑
distance
为(|V1|
×
|V2|)
×
(|V1|
×
|V2|)矩阵，该局部距离亲和度矩阵W
local
‑
distance
中第((a
‑
1)
×
|V1|+i)行、第((b
‑
1)
×
|V2|+j)列位置上的元素的计算公式为：其中：为局部距离亲和度矩阵W
local
‑
distance
中第((a
‑
1)
×
|V1|+i)行、第((b
‑
1)
×
|V2|+j)列位置上的元素，代表图G1中的第i个节点，代表图G1中的第j个节点，代表图G2中的第a个节点，代表图G2中的第b个节点，和构成图G1和图G2之间的一对候选对应关系，表示图G1中第i个节点到构成图G1中第j个节点的欧式距离，表示图G2中节点到节点的欧式距离；i＝1，2，...，|V1|；j＝1，2，...，|V1|；a＝1，2，...，|V2|；b＝1，2，...，|V2|；|V
x
|代表图G
x
的节点个数，x＝1，2；步骤S22中所构建的局部角度亲和度矩阵W
local
‑
angle
为(|V1|
×
|V2|)
×
(|V1|
×
|V2|)矩阵，该局部角度亲和度矩阵W
local
‑
angle
中第((a
‑
1)
×
|V1|+i)行、第((b
‑
1)
×
|V2|+j)列位置上的元素的计算公式为：其中，为局部角度亲和度矩阵W
local
‑
angle
中第((a
‑
1)
×
|V1|+i)行、第((b
‑
1)
×
|V2|+j)列位置上的元素，|+j)列位置上的元素，表示节点到节点的向量，表示节点到节点的向量，表示向量与向量的积，表示向量的模，表示向量的模。4.根据权利要求3所述的图匹配方法，其特征在于，步骤S23的实现方法为：构造属性图G1、G2的之间的全局距离亲和度矩阵W
global
‑
distance
；构造属性图G1、G2的全局角度亲和度矩阵W
global
‑
angle
；融合上述全局距离亲和度矩阵W
global
‑
distance
和全局角度亲和度矩阵W
global
‑
angle
，得到全局特征亲和度矩阵W
global
，融合公式为：W
global
＝(W
global
‑
distance
+W
global
‑
angle
)/2；所构建的全局距离亲和度矩阵W
global
‑
distance
为(|V1|
×
|V2|)
×
(|V1|
×
|V2|)矩阵，全局距离亲和度矩阵W
global
‑
distance
中第((a
‑
1)
×
|V1|+i)行、第((b
‑
1)
×
|V2|+j)列位置上的元素的计算公式为：其中，为所述全局距离亲和度矩阵W
global
‑
distance
中第((a
‑
1)
×
|V1|+i)行、第((b
‑
1)
×
|V2|+j)列位置上的元素，c1、c2分别为图G1、图G2的中心节点；和依次表示节点到中心节点c1的欧式距离和节点到中心节点c1的欧式距离，和依次表示节点到中心节点c2的欧式距离和节点到中心节点c2的欧式距离；所构建的全局角度亲和度矩阵W
global
‑
angle
为(|V1|
×
|V2|)
×
(|V1|
×
|V2|)矩阵，该全局角度亲和度矩阵W
global
‑
angle
中第((a
‑
1)
×
|V1|+i)行、第((b
‑
1)
×
|V2|+j)列位置上的元素的计算公式为：其中，为全局角度亲和度矩阵W
global
‑
angle
中第((a
‑
1)
×
|V1|+i)行、第((b
‑
1)
×
|V2|+j)列位置上的元素，和为图G1中节点c1、之间的三条边所构成的三角形的三个内角，∠θ1、∠θ2和∠θ3为图G2中节点c2、之间的三条边所构成的三角形的三个内角，其中，与节点c1依次对应，∠θ1、∠θ2和∠θ3与节点c2依次对应。5.根据权利要求4所述的图匹配方法，其特征在于，步骤S24的实现方法为：在图G1中分别以为圆心，以为半径做圆，两圆相交得到三个依次分布
的区域：第一区域，第一中心区域，第二区域；获取上述第一区域、第一中心区域和第二区域的中心点，依次记为顺序连接节点和在图G2中分别以为圆心，以为半径做圆，两圆相交得到三个依次分布的区域：第三区域，第二中心区域，第四右区域；获取该所得到的第三区域、第二中心区域、第四右区域的中心点，依次记为顺序连接节点和计算图G1和图G2的中间距离亲和度矩阵W
mid
‑
distance
；计算图G1和图G2的中间角度亲和度矩阵W
mid
‑
angle
；融合计算所得的中间距离亲和度矩阵W
mid
‑
distance
和中间角度亲和度矩阵W
mid
‑
angle
，得到所述的中间特征亲和度矩阵W
mid
，融合公式为：W
mid
＝(W
mid
‑
distance
+W
mid
‑
angle
)/2。6.根据权利要求5所述的图匹配方法，其特征在于，所构建的中间距离亲和度矩阵W
mid
‑
distance
为(|V1...

【专利技术属性】
技术研发人员：牛冬梅，盛守贺，窦文涛，
申请(专利权)人：济南大学，
类型：发明
国别省市：