[发明专利]基于全局关系一致性约束的局部特征点验证方法

权利要求书

1.基于全局关系一致性约束的局部特征点验证方法，其特征在于包括如下三部分：(1)离线学习部分，(2)特征点量化部分，(3)特征点投票验证部分；离线学习部分用于构建视觉词汇词典；特征点量化部分根据离线学习所得到的视觉词汇词典对局部特征进行量化；特征点投票验证部分用于对候选图像中的特征点验证，具体实现如下：

步骤(1)离线学习，对大量样本分组聚类得到视觉词汇词典；

步骤(2)通过视觉词汇词典对查询图像的特征点量化，得到视觉词汇；

步骤(3)对于查询图像的视觉词汇在索引库中匹配得到候选特征点，以候选特征点的所属图像唯一标识建立关系，得到若干候选图像；

步骤(4)通过强几何关系约束对特征点验证，达到对候选图像验证的目的；

步骤(4)采用强几何关系约束对特征点验证；该方法依据正确匹配特征点之间主方向差与角位差，满足一致性约束原理，对特征点进行验证；主方向差：β＝|Ori_i-Ori_j|；Ori_i是待验证点的i主方向，Ori_j是验证点i的上下文特征点j的主方向；角位差是待验证特征点与其上下文特征点连线，与待验证特征点主方向之间的夹角，可通过如下公式计算得到：arctan2(P_i，P_j)用于计算特征点(P_i，P_j)两点连线与水平方向夹角；具体步骤如下：

4-1.通过查询图像的特征点量化所得到的视觉词汇，与索引库中的建立索引的特征点进行匹配，得到的大量匹配特征点；以这些特征点所属的图像ID作为关键词建立Hash表，找到若干候选图像；

4-2.由于SIFT特征点具有很好的旋转鲁棒性，因此查询图像两个特征点之间的主方向差，与候选图像对应的两特征点之间的主方向差，应趋近于相等；同理角位差也应当趋近于相等；对应特征点之间的主方向差的差值：Dif_Ori_i，j＝|β_aij-β_bij|，以及角位差的差值：Dif_Dir＝|α_aij-α_bij|应趋近于0；

若特征点i，j两点满足约束关系，则M_i，j等于1；其中，表示图像a中特征点i与j的角位差，表示图像b中对应的特征点的角位差，表示图像a中特征点i与j的主方向差，表示图像b中对应的特征点的主方向差；

同样这里也采用投票的方式来判断候选特征点是否为正确匹配的特征点，并计算正确匹配特征点所得到的投票和S；

其中，是特征点i所得到的票数；在结果选取时，按照各候选图像的投票和，从大到小选择若干张图像作为拷贝图像。

2.如权利要求1所述的基于全局关系一致性约束的局部特征点验证方法，其特征在于所述的离线学习部分的具体实现步骤如下：

1-1.选取大量图像构建图像库，并提取图像库中图像的局部特征点及其特征描述子，将提取的特征描述子构建成样本库；

1-2.通过样本库获得视觉词汇词典；具体的，对样本库中特征描述子的特征向量进行分组，在每个特征组上通过K均值聚类得到K个类中心，每个类中心为一个特征向量即代表视觉词汇中的一个词根，K个类中心为该特征组的词根集合；在每个特征组上构建的词根集合进行组合得到视觉词汇词典。

3.如权利要求2所述的基于全局关系一致性约束的局部特征点验证方法，其特征在于所述的特征点量化部分中特征点的量化包括两个部分：局部特征描述子的量化，主方向、尺度以及坐标量化；

2-1.局部特征描述子量化：对输入图像提取局部特征点集合S＝{P_i，i∈[0，Q]}，Q为输入图像中局部特征点的个数，P_i指代第i个局部特征点；并依据视觉词汇词典通过分组量化方法将局部特征点P_i的特征描述子量化为视觉词汇VW_i；具体步骤如下：

2-1-1.从输入图像中提取局部特征点P_i的特征描述子F_i、位置(Px_i，Py_i)、尺度σ_i和主方向θ_i信息，即局部特征点P_i表示为[F_i，θ_i，σ_i，Px_i，Py_i]；

2-1-2.对每个局部特征点P_i的特征描述子F_i，依据视觉词汇词典采用分组量化方法得到视觉词汇；依据视觉词汇词典的分组量化是将特征描述子F_i分成M组，每组为D/M个特征，其中D为特征描述子F_i特征向量的维数；然后对每组的特征向量根据步骤1-2训练好的视觉词汇词典单独量化为V_j，则采用分组量化得到特征描述子F_i的视觉词汇VW_i为：其中，L为视觉词汇词典中对应组的词根数；从而一个局部特征点P_i被表示为[VW_i，θ_i，σ_i，Px_i，Py_i]；每组特征向量的量化通过在该组的词根集合中基于欧式距离查找最近的类中心，并将该类中心的下标作为其量化结果；

2-2.主方向、尺度以及坐标量化：上文中提到的主方向θ是一个浮点型的弧度值，在这里将其量化成整型角度值θ：θ_i＝θ_i*180/π；

同样位置信息(Px_i，Py_i)与尺度σ_i也量化为整形；在量化尺度时，将σ_i乘100然后取整，保留了一定的精度。