[发明专利]一种局部特征点匹配对的后验证方法

说明书

本发明公开了一种局部特征点匹配对的后验证方法。本发明首先提取图像中的局部特征点，并通过视觉词汇获得候选局部特征点匹配对；然后，对候选局部特征点匹配对提取属性变化值：主方向变化值和方位变化值；然后根据匹配对的属性变化值和阈值来验证两个匹配对是否一致；最后采用投票法，根据肯定票的票数来确认候选局部特征点匹配对是否为一个正确的匹配对。本后验证方法能够适应图像裁剪、旋转、尺度缩放等变换带来的影响，可用于基于视觉词汇的图像检索和分类等应用中，提高检索和识别的准确率。本发明对于那些非透视变换图像中的特征点匹配对具有非常好的验证效果，在基于视觉词汇的图像拷贝检索应用中能极大地提高拷贝检索的准确率和召回率。

技术领域

本发明属于计算机图像处理和图像检索领域，涉及一种两幅图像中局部特征点匹配对的后验证方法。

背景技术

随着图像中局部特征点的广泛研究与应用，基于局部特征点进行图像分析、识别和检索已经成为当前图像处理领域的一种重要方式。借鉴文档处理中的词袋模型，一幅图像可以表示为局部特征的集合，从而消除了图像中的一些冗余信息。近年来，研究者将局部特征点的描述子量化为视觉词汇，从而提出了视觉词汇词袋模型(Bag of visual wordsmodel)。该模型已成为当前图像识别与检索的一类重要方法。视觉词汇词袋模型与倒排索引相结合是当前最有效的基于内容的图像检索方式, 具有非常好的鲁棒性。在图像检索应用中，其可以应对图像的各种编辑操作和变换；而倒排索引结构提高了检索的效率，可以在大规模图像库中实现实时的查询。但是通过局部特征点的特征向量量化得到的视觉词汇相对于自然语言中的词汇并没有明确的意义。其区分能力很弱，并不能完全表示局部图像的内容。为了能够保证视觉词汇的区分能力要求：词典中视觉词汇数量越多越好；但是越多的视觉词汇导致了其抗噪能力变弱，并且在特征向量量化为视觉词汇时需要耗费更多的计算量。另外，为了消除噪声影响而减少词典中视觉词汇的数量，也导致了视觉词汇区分能力降低，从而造成了视觉词汇较高的误匹配率。视觉词汇的误匹配给后面的图像相似度计算带来了困难。

针对视觉词汇的误匹配问题，研究者们提出了很多建设性的方法。这些方法主要可以分为两类：一类是为视觉词汇增加一个附加的描述子，来提高视觉词汇的区分能力，另一类是根据两幅图像中候选的局部特征点匹配对进行空间一致性验证，从而过滤误匹配对。当前已有的附加描述子方法有：Liang Zheng提出的嵌入颜色信息到局部特征点中的方法 (Liang Zheng,Shengjin Wang,Qi Tian,Coupled Binary Embedding for Large-Scale Image Retrieval,IEEE TRANSACTIONS ON IMAGE PROCESSING,VOL.23,NO.8,2014)，Yao提出了将视觉词汇的上下文信息作为附加描述子，以及H.Jégou提出的一种汉明嵌入方法。这些方法需要将附加描述子添加到索引库中，增加了系统的存储消耗。另外，附加描述子的鲁棒性也是一个需要关注的问题。