CN109544614A - 一种基于图像低频信息相似度的匹配图像对识别的方法 - Google Patents

一种基于图像低频信息相似度的匹配图像对识别的方法 Download PDF

Info

Publication number
CN109544614A
CN109544614A CN201811415363.6A CN201811415363A CN109544614A CN 109544614 A CN109544614 A CN 109544614A CN 201811415363 A CN201811415363 A CN 201811415363A CN 109544614 A CN109544614 A CN 109544614A
Authority
CN
China
Prior art keywords
image
similarity
matching
pair
frequency information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811415363.6A
Other languages
English (en)
Other versions
CN109544614B (zh
Inventor
张小国
高烨
王小虎
王慧青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201811415363.6A priority Critical patent/CN109544614B/zh
Publication of CN109544614A publication Critical patent/CN109544614A/zh
Application granted granted Critical
Publication of CN109544614B publication Critical patent/CN109544614B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20052—Discrete cosine transform [DCT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像低频信息相似度的匹配图像对识别的方法，能够区分匹配图像对与非匹配图像对在匹配点所在区域的相似度，实现匹配图像对识别。本发明包括如下步骤：（1）通过匹配特征点对来选取对比区域；（2）通过反余弦变换获取对比区域的低频信息；（3）根据感知哈希算法来评价对比区域的相似度，并通过中值过滤掉噪点数据；（4）求对比区域相似度均值，并根据阈值设定判别是否为匹配图像对。本发明可以快速可靠地识别出匹配图像对，筛除大量非匹配图像对，可用于提高特征点匹配环节的效率。

Description

一种基于图像低频信息相似度的匹配图像对识别的方法
技术领域
本发明属于图像识别技术领域，具体涉及一种基于图像低频信息相似度的匹配图像对识别的方法。
背景技术
在特征点匹配任务中，对于缺乏预测照片相互重叠关系辅助信息的情形，传统的特征点匹配方法是对任意两幅图像上的特征点进行匹配，即采用暴力穷举方式选取匹配图像对，但一般而言，每张图像只与相邻区域采集的图像之间具有重合区域，只有重合区域才可能存在正确的匹配特征点对，即与大多数图像集合中的图像并没有进行特征点匹配的价值和必要。非匹配图像对没有重合区域，对其进行特征点匹配，不仅是无用功，而且会增加过滤误匹配特征点的难度和工作量，并且未能过滤掉的误匹配特征点也会对后续处理产生影响，如会成为三角重建的噪声数据，影响三角重建结果的精度。
另一种方式是基于有序图像选取匹配图像对。对于有序图像数据，由于采集的图像是有序的，对应的场景也是连续的，可以利用这个先验知识，在选取匹配图像对时加以利用。对于每一幅图像只与它的前几幅和后几幅图像进行匹配，就可以获取大部分匹配点，而不需要将每幅图像与所有图像两两匹配。
但这种方法对于拍摄方式有特殊要求，即按照逆时针或者顺时针环绕物体一周拍摄图像。对于其他图像采集方式则难以适用，比如：多圈围绕式和平铺式。如上图所示，会遗漏匹配图像对，造成有效数据流失。这已经不是匹配图像对选取算法有效性的问题，而是可靠性的问题。另一个不足之处是：近邻选择范围的不确定性，选取3个或5个近邻图像作为匹配图像只能靠目测，不能灵活应对实际的情形。
发明内容
为解决上述问题，本发明公开了一种基于图像低频信息相似度的匹配图像对识别的方法，能够区分匹配图像对与非匹配图像对在匹配点所在区域的相似度，快速可靠地识别出匹配图像对，筛除大量非匹配图像对，可用于提高特征点匹配环节的效率。
为达到上述目的，本发明的技术方案如下：
一种基于图像低频信息相似度的匹配图像对识别的方法，包括以下步骤：
(1)通过匹配特征点对来选取对比区域；
(2)通过反余弦变换获取对比区域的低频信息；
(3)根据感知哈希算法来评价对比区域的相似度，并通过中值过滤掉噪点数据；
(4)求对比区域相似度均值，并根据阈值设定判别是否为匹配图像对。
所述步骤(1)具体包括以下步骤：
(11)从待筛选的图像集合中任选一对图像，记为P1和P2，对P1和P2上的特征点按显著度(Response)排序，选取Response值较大的前20对进行特征点匹配，得到一个匹配特征点集合Matches；
(12)从Matches中取一对匹配特征点KeyPoint-1、KeyPoint-2，以P1中的特征点KeyPoint-1为中心选取32*32的区域R1，以P2中的特征点KeyPoint-2为中心选取32*32的区域R2，以R1，R2为一对对比区域；
(13)重复步骤(12)，获取若干对对比区域。
所述步骤(2)采用离散余弦变换(Discrete Cosine Transform,DCT)提取对比区域低频信息。DCT变换是可分离的变换，其变化核为余弦函数。DCT除了具有一般的正交变换性质外，它的变化阵的基向量能很好地描述图像信号地相关特征。因此，在对图像信号的变换中，DCT变换被认为是一种准最佳变换。
设图像是一个N×N的数字图像矩阵f(i，j)，对图像进行二维离散余弦变换：
其中，
DCT变换的矩阵形式：
F＝AfAT
其中，
所述步骤(3)包括以下步骤：
(31)基于感知哈希算法，计算一对对比区域R1与R2相似度Distance(取值0-1之间)。Distance为汉明距离，一般小于5.0认为是高度相似，5.0≤Distance≤10.0为部分相似，Distance>1为不相似。两图间的相似性度量定义如下：
Distance为汉明距离R为相似性的度量值，该值越小，代表相似性越大。T是第一幅图，I是第二幅图。
(32)重复步骤(31)统计Matches所有匹配特征点对对应对比区域的Distance均值，并做均值过滤。过滤方法是删除统计数据中大于均值2.0倍的数据，在匹配图像对中，这些被过滤掉的数据一般是特征点误匹配带来的。
所述步骤(4)计算均值过滤后Distance的均值MeansDistance，并根据阈值设定判别是否为匹配图像对。可设阈值为0.1，若MeansDistance<0.1，则认为两图的对比区域相似度较高，两图是匹配图像对；反之，则认为是非匹配图像对。
本发明的有益效果是：
传统特征点匹配因缺少匹配图像对筛选环节而效率低下，本发明可以快速可靠地识别出匹配图像对，筛除大量非匹配图像对，可用于提高特征点匹配环节的效率。
附图说明
图1为本发明方法的流程示意图；
图2为选取对比区域流程图；
图3为匹配图像对与非匹配图像对分布的散点图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
图1为本发明的流程图。如图1所示，本发明包括以下步骤：
第一步、通过匹配特征点对来选取对比区域，具体流程如图2所示。
(1)从待筛选的图像集合中任选一对图像，记为P1和P2，对P1和P2上的特征点按显著度(Response)排序，选取Response值较大的前20对进行特征点匹配，得到一个匹配特征点集合Matches；
(2)从Matches中取一对匹配特征点KeyPoint-1、KeyPoint-2，以P1中的特征点KeyPoint-1为中心选取32*32的区域R1，以P2中的特征点KeyPoint-2为中心选取32*32的区域R2，以R1，R2为一对对比区域；
(3)重复步骤(2)，获取若干对对比区域。
第二步、通过反余弦变换获取对比区域的低频信息。
采用离散余弦变换(Discrete Cosine Transform,DCT)提取对比区域低频信息。DCT变换是可分离的变换，其变化核为余弦函数。DCT除了具有一般的正交变换性质外，它的变化阵的基向量能很好地描述图像信号地相关特征。因此，在对图像信号的变换中，DCT变换被认为是一种准最佳变换。
设图像是一个N×N的数字图像矩阵f(i，j)，对图像进行二维离散余弦变换：
其中，
DCT变换的矩阵形式：
F＝AfAT
其中，
第三步、根据感知哈希算法来评价对比区域的相似度，并通过中值过滤掉噪点数据。
(1)基于感知哈希算法，计算一对对比区域R1与R2相似度Distance(取值0-1之间)。Distance为汉明距离，一般小于5.0认为是高度相似，5.0≤Distance≤10.0为部分相似，Distance>1为不相似。两图间的相似性度量定义如下：
Distance为汉明距离R为相似性的度量值，该值越小，代表相似性越大。T是第一幅图，I是第二幅图。
(2)重复步骤(1)统计Matches所有匹配特征点对对应对比区域的Distance均值，并做均值过滤。过滤方法是删除统计数据中大于均值2.0倍的数据，在匹配图像对中，这些被过滤掉的数据一般是特征点误匹配带来的。
第四步、计算均值过滤后Distance的均值MeansDistance，并根据阈值设定判别是否为匹配图像对。可设阈值为0.1，若MeansDistance<0.1，则认为两图的对比区域相似度较高，两图是匹配图像对；反之，则认为是非匹配图像对。
图3中实心圆代表非匹配图像对，三角形代表匹配图像对。
从图3中可以看出通过采用对比区域的DCT低频信息进行相似度评价，其结果具有较高的可靠性。若以Distance＜10判定为匹配图像对，则上述实验中有5组数据被误判定匹配图像对，即非匹配图像对的误判率为2％，匹配图像对的正确率为92％，匹配图像对的遗漏比例为0％。

Claims (5)

1.一种基于图像低频信息相似度的匹配图像对识别的方法，其特征在于，包括以下步骤：
(1)通过匹配特征点对来选取对比区域；
(2)通过反余弦变换获取对比区域的低频信息；
(3)根据感知哈希算法来评价对比区域的相似度，并通过中值过滤掉噪点数据；
(4)求对比区域相似度均值，并根据阈值设定判别是否为匹配图像对。
2.根据权利要求1所述的一种基于图像低频信息相似度的匹配图像对识别的方法，其特征在于，所述步骤(1)具体包括以下步骤：
(11)从待筛选的图像集合中任选一对图像，记为P1和P2，对P1和P2上的特征点按显著度(Response)排序，选取Response值较大的前20对进行特征点匹配，得到一个匹配特征点集合Matches；
(12)从Matches中取一对匹配特征点KeyPoint-1、KeyPoint-2，以P1中的特征点KeyPoint-1为中心选取32*32的区域R1，以P2中的特征点KeyPoint-2为中心选取32*32的区域R2，以R1，R2为一对对比区域；
(13)重复步骤(12)，获取若干对对比区域。
3.根据权利要求1所述的一种基于图像低频信息相似度的匹配图像对识别的方法，其特征在于，所述步骤(2)采用离散余弦变换提取对比区域低频信息；
设图像是一个N×N的数字图像矩阵f(i，j)，对图像进行二维离散余弦变换：
其中，
DCT变换的矩阵形式：
F＝AfAT
其中，
4.根据权利要求1所述的一种基于图像低频信息相似度的匹配图像对识别的方法，其特征在于，所述步骤(3)包括以下步骤：
(31)基于感知哈希算法，计算一对对比区域R1与R2相似度Distance(取值0-1之间)，Distance为汉明距离，一般小于5.0认为是高度相似，5.0≤Distance≤10.0为部分相似，Distance>1为不相似，两图间的相似性度量定义如下：
Distance为汉明距离R为相似性的度量值，该值越小，代表相似性越大，T是第一幅图，I是第二幅图；
(32)重复步骤(31)统计Matches所有匹配特征点对对应对比区域的Distance均值，并做均值过滤，过滤方法是删除统计数据中大于均值2.0倍的数据。
5.根据权利要求1所述的一种基于图像低频信息相似度的匹配图像对识别的方法，其特征在于，所述步骤(4)计算均值过滤后Distance的均值MeansDistance，并根据阈值设定判别是否为匹配图像对，假设阈值为0.1，若MeansDistance<0.1，则认为两图的对比区域相似度较高，两图是匹配图像对；反之，则认为是非匹配图像对。
CN201811415363.6A 2018-11-26 2018-11-26 一种基于图像低频信息相似度的匹配图像对识别的方法 Active CN109544614B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811415363.6A CN109544614B (zh) 2018-11-26 2018-11-26 一种基于图像低频信息相似度的匹配图像对识别的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811415363.6A CN109544614B (zh) 2018-11-26 2018-11-26 一种基于图像低频信息相似度的匹配图像对识别的方法

Publications (2)

Publication Number Publication Date
CN109544614A true CN109544614A (zh) 2019-03-29
CN109544614B CN109544614B (zh) 2022-04-01

Family

ID=65850568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811415363.6A Active CN109544614B (zh) 2018-11-26 2018-11-26 一种基于图像低频信息相似度的匹配图像对识别的方法

Country Status (1)

Country Link
CN (1) CN109544614B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119774A (zh) * 2019-05-08 2019-08-13 中铁八局集团建筑工程有限公司 一种基于建筑信息模型4d进度与实景进度的差异对比方法
CN113554017A (zh) * 2021-06-21 2021-10-26 深圳市朗驰欣创科技股份有限公司 一种仪表状态的确定方法、装置、终端和存储介质
CN113822361A (zh) * 2021-09-18 2021-12-21 重庆大学 一种基于汉明距离的sar图像相似程度度量方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101819680A (zh) * 2010-05-12 2010-09-01 上海交通大学 图像匹配点对的检测方法
US20100254615A1 (en) * 2009-04-02 2010-10-07 Check Point Software Technologies, Ltd. Methods for document-to-template matching for data-leak prevention
CN104504120A (zh) * 2014-12-29 2015-04-08 北京奇艺世纪科技有限公司 一种相似图片检测方法及装置
CN105472272A (zh) * 2015-11-25 2016-04-06 浙江工业大学 基于fpga的多路视频拼接方法及装置
CN105701766A (zh) * 2016-02-24 2016-06-22 网易（杭州）网络有限公司 图形匹配方法和装置
WO2016119117A1 (en) * 2015-01-27 2016-08-04 Nokia Technologies Oy Localization and mapping method
US20180204132A1 (en) * 2017-01-16 2018-07-19 Canon Kabushiki Kaisha Dictionary generation apparatus, evaluation apparatus, dictionary generation method, evaluation method, and storage medium

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100254615A1 (en) * 2009-04-02 2010-10-07 Check Point Software Technologies, Ltd. Methods for document-to-template matching for data-leak prevention
CN101819680A (zh) * 2010-05-12 2010-09-01 上海交通大学 图像匹配点对的检测方法
CN104504120A (zh) * 2014-12-29 2015-04-08 北京奇艺世纪科技有限公司 一种相似图片检测方法及装置
WO2016119117A1 (en) * 2015-01-27 2016-08-04 Nokia Technologies Oy Localization and mapping method
CN105472272A (zh) * 2015-11-25 2016-04-06 浙江工业大学 基于fpga的多路视频拼接方法及装置
CN105701766A (zh) * 2016-02-24 2016-06-22 网易（杭州）网络有限公司 图形匹配方法和装置
US20180204132A1 (en) * 2017-01-16 2018-07-19 Canon Kabushiki Kaisha Dictionary generation apparatus, evaluation apparatus, dictionary generation method, evaluation method, and storage medium

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
许林峰: "图像的视觉显著性模型理论与方法研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119774A (zh) * 2019-05-08 2019-08-13 中铁八局集团建筑工程有限公司 一种基于建筑信息模型4d进度与实景进度的差异对比方法
CN113554017A (zh) * 2021-06-21 2021-10-26 深圳市朗驰欣创科技股份有限公司 一种仪表状态的确定方法、装置、终端和存储介质
CN113554017B (zh) * 2021-06-21 2024-08-23 深圳市朗驰欣创科技股份有限公司 一种仪表状态的确定方法、装置、终端和存储介质
CN113822361A (zh) * 2021-09-18 2021-12-21 重庆大学 一种基于汉明距离的sar图像相似程度度量方法和系统
CN113822361B (zh) * 2021-09-18 2024-02-02 重庆大学 一种基于汉明距离的sar图像相似程度度量方法和系统

Also Published As

Publication number Publication date
CN109544614B (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
Cozzolino et al. Splicebuster: A new blind image splicing detector
CN110443128B (zh) 一种基于surf特征点精确匹配的指静脉识别方法
Chen et al. A Zernike moment phase-based descriptor for local image representation and matching
CN104766084B (zh) 一种多目标匹配的近复制图像检测方法
CN109271937B (zh) 基于图像处理的运动场地标志物识别方法及系统
CN109299720A (zh) 一种基于轮廓片段空间关系的目标识别方法
Ardizzone et al. Detecting multiple copies in tampered images
CN108491498B (zh) 一种基于多特征检测的卡口图像目标搜索方法
CN102176208B (zh) 基于三维空时特征的鲁棒视频指纹方法
CN110472479B (zh) 一种基于surf特征点提取和局部lbp编码的指静脉识别方法
CN109544614B (zh) 一种基于图像低频信息相似度的匹配图像对识别的方法
CN111767819B (zh) 一种图像识别方法、装置、电子设备和计算机可读介质
CN104778701A (zh) 一种基于rgb-d传感器的局部图像描述方法
CN108563979B (zh) 一种基于航拍农田图像判别水稻稻瘟病病情的方法
CN115393657B (zh) 基于图像处理的金属管材生产异常识别方法
CN110738695B (zh) 一种基于局部变换模型的图像特征点误匹配剔除方法
CN110309810B (zh) 一种基于批次中心相似度的行人重识别方法
CN111259756A (zh) 基于局部高频次特征和混合度量学习的行人重识别方法
CN107578011A (zh) 视频关键帧的判定方法及装置
CN117974633B (zh) 基于图像处理的番茄病虫害智能检测方法
CN112149744B (zh) 一种侵权图片快速识别方法
CN114299550A (zh) 一种行人再识别系统中无感噪声攻击的防御方法
CN111428064B (zh) 小面积指纹图像快速索引方法、装置、设备及存储介质
Roy et al. Copy move forgery detection with similar but genuine objects
CN117496109A (zh) 一种图像比对分析方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant