[发明专利]一种基于SPD流形的快速拷贝图像检测方法

说明书

技术领域

本发明涉及近似拷贝图像的快速检测，属于图像分析和模式识别领域，特别涉及一种基于SPD(对称正定矩阵)流形的快速拷贝图像检测方法。

背景技术

基于内容的图像拷贝检测技术是一项判断和检测相同来源图像的一门技术。这里拷贝图像是指经过一种或者多种光学或者几何的变换后的图像。这些图像一般有着相同的来源，但是在视觉上看又可能跟原始图像具有一定的差异，但本质上他们是“重复”图像或者称为拷贝图像。在网络和数据库中，这样“重复”的图像非常多，许多时候会造成大量的资源存储和计算资源浪费。图像拷贝检测技术可以作为一种检测这种拷贝图像的一门技术，这种技术主要涉及到特征提取和特征匹配两个步骤。一般来讲，特征提取的方法非常多，匹配方法也层出不穷。为了更快更准地检测出拷贝图像，在特征提取和特征匹配两个方面都要进行精心地算法设计。

在特征提取方面，一般有全局特征和局部特征两大特征提取方法。这两种方法各有优缺点。全局特征处理起来比较方便，但是区分性稍差。局部特征数目多，区分性通常比较好，但是匹配起来会比较费时。在这些特征提取过程中，传统的以图像纹理颜色直方图为基础的特征在实践和研究中最为常见。基于SPD特征是一种充分利用图像局部信息的全局特征描绘子，这种特种具有丰富的几何信息，具有很强的鲁棒性和区分性。然而，由于SPD特征的集合构成了黎曼流形，并不属于传统的欧式空间，使用传统欧式空间的检测方法往往得不到预期的效果。理论和实验都表明，充分考虑到SPD特征内在的几何信息会大大提高检测的精度。由于黎曼流形的近邻匹配算法比较少，这需要我们提出黎曼流形中高效的特征匹配算法。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于SPD流形的快速拷贝图像检测方法，解决了SPD流形特征匹配的时间效率和检测精度之间的矛盾。

为了达到上述目的，本发明采用以下技术方案：

本发明一种基于SPD流形的快速拷贝图像检测方法，包括下述步骤：

S1、首先产生n组随机单位正交矩阵，然后通过合同变换，将SPD流形变换到n组新的空间；

S2、然后在每组新的空间中，分别构建随机KD树，在n组新的空间中分别产生n棵随机KD树，形成一组随机KD森林；

S3、最后通过随机KD森林来索引SPD流形。

作为优选的技术方案，步骤S1中，随机产生一组m×m正交矩阵{B₁,B₂,…,B_n}，使得B_iB_i’＝B_i’B_i＝E，其中E是m阶单位阵，具体方法为：

随机产生P个m维的服从正太高斯分布的数据，求取P个样本的协方差矩阵，协方差矩阵是一个m×m的对称正定矩阵，记为C，对这个矩阵进行SVD分解，[U,S,V]＝SVD(C)，将得到的U或者V矩阵作为一个基B_i，将此过程重复n次，得到正交矩阵{B₁,B₂,…,B_n}。

作为优选的技术方案，通过合同变换，将SPD流形变换到n组新的空间的方法为：

利用合同变换Y＝B_i’XB_i，将每个SPD矩阵变换到新的空间，由于一共有n个正交基，所以实际上将t个SPD矩阵分别变换到n个新的空间中。

作为优选的技术方案，步骤S2中，在B_i基的变换下，t个SPD矩阵变换到新的空间中，使用随机KD树的方法生成一颗随机KD树，依次对n个基变换后的SPD矩阵进行同样的操作，从而产生n棵随机KD树，构成随机KD森林。

作为优选的技术方案，步骤S2中，在构建n棵随机KD树的基础上使用随机KD森林的查找算法进行最近邻查找，从而来索引SPD特征。

本发明的原理为：