【技术实现步骤摘要】
本专利技术涉及计算机视觉领域和图像检索领域,是一种基于图论的图像间共同视觉模式挖掘方法。
技术介绍
共同视觉模式(Common Visual Pattern, CVP)是两幅图像在视觉内容上一致,空间布局上相似的共同部分,如附图1的连线所示。和局部特征相比,CVP从更高的层面上对图像进行表示和描述,是高层的图像检索/语义基元。CVP挖掘有着非常重要的应用,如目标识别,2D/3D点集匹配,局部近似图像检索和数据库组织与展示等。共同视觉模式挖掘一般分为以下两个步骤:首先提取图像的局部特征,确立两幅图像之间的特征匹配对,特征匹配对可以采用基于特征向量距离的直接匹配或者基于视觉关键词的匹配。然后从这些匹配对中找出属于同一模式的匹配对,即确定共同模式所在的区域。共同视觉模式挖掘是一个十分具有挑战的问题,这归于以下三个方面的原因。第一,一定程度的图像质量变化和几何形变经常发生,如遮挡、裁剪、光照对比度变化、放缩、旋转和视角变化,甚至非刚体扭曲等。这些变换使得图像的共同视觉模式不仅在视觉内容上出现差异,而且在2D空间布局上也不一致。第二,事先不知道共同视觉模式的位置、形状和数量等。第三,共同视觉模式具有各种可能的出现方式,如一对一、一对多和多对多等,如附图1所示。CVP挖掘的核心问题是如何确立属于同一模式的特征匹配对。目前研究者们主要采用图匹配理论来解决这一问题,主要的研究方法分为:谱分析方法,二次规划方法和超图匹配方法。1.谱分析方法 Shapiro和Brady提出用谱分析的方法确立两幅图像之间的CVP,Leordeanu对这一方法进行了优化,其理论依据和执 ...
【技术保护点】
一种图像间共同视觉模式挖掘方法,其特征在于,该方法具体步骤如下:步骤一:将CVP挖掘转化为图匹配问题,对于给定的分别从两幅图像上获取的两个局部特征集合,先获取两幅图中可能的特征匹配对集合,再利用度量几何变换一致性方式计算任意两个匹配对之间的相似值,然后根据特征匹配对集合和匹配对间的相似值构建一个相应的无向图,求解无向图的最大子图即可得到两幅图像间的CVP,最后将求解最大子图问题形式化为局部最优问题;步骤二:利用复制方程明确化局部最优问题的求解方式;步骤三:利用候选模式初始优化获取方法得到局部最优问题的初始解,也即初始化的CVP;?步骤四:利用候选模式引导扩展方法扩展初始化的CVP;步骤五:利用层次凝聚的最终模式生成方法去除错误的挖掘,并完善正确的CVP,实现对图像间共同视觉模式的挖掘。
【技术特征摘要】
1.一种图像间共同视觉模式挖掘方法,其特征在于,该方法具体步骤如下: 步骤一 JfCVP挖掘转化为图匹配问题,对于给定的分别从两幅图像上获取的两个局部特征集合,先获取两幅图中可能的特征匹配对集合,再利用度量几何变换一致性方式计算任意两个匹配对之间的相似值,然后根据特征匹配对集合和匹配对间的相似值构建一个相应的无向图,求解无向图的最大子图即可得到两幅图像间的CVP,最后将求解最大子图问题形式化为局部最优问题; 步骤二:利用复制方程明确化局部最优问题的求解方式; 步骤三:利用候选模式初始优化获取方法得到局部最优问题的初始解,也即初始化的CVP ; 步骤四:利用候选模式引导扩展方法扩展初始化的CVP ; 步骤五:利用层次凝聚的最终模式生成方法去除错误的挖掘,并完善正确的CVP,实现对图像间共同视觉模式的挖掘。2.根据权利要求1所述一种图像间共同视觉模式挖掘方法,其特征在于,所述共同视觉模式挖掘问题是基于图匹配通过局部最优化问题求解的,具体步骤如下: 1)对于给定的分别从两幅图像I和I.上获取的局部特征集合P和δ,获取/和之间可能的特征匹配对集合*7 = ^I =(j;0-1e € β I ; 2)计算任意两个匹配对之间的相似值; 3)构建一个无向图G,顶点个数等于集合C*中匹配对个数,每个顶点代表一个匹配对,两个顶点S和j之间的权重为和的相...
【专利技术属性】
技术研发人员:宋云,李雪玉,曾叶,曹鹏,朱晋,
申请(专利权)人:长沙理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。