CN109544614B - 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
CN109544614B
CN109544614B CN201811415363.6A CN201811415363A CN109544614B CN 109544614 B CN109544614 B CN 109544614B CN 201811415363 A CN201811415363 A CN 201811415363A CN 109544614 B CN109544614 B CN 109544614B
Authority
CN
China
Prior art keywords
image
matching
pair
similarity
matched
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.)
Active
Application number
CN201811415363.6A
Other languages
English (en)
Other versions
CN109544614A (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

Images

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：
Figure BDA0001879326570000021
其中，
Figure BDA0001879326570000022
DCT变换的矩阵形式：
F＝AfAT
其中，
Figure BDA0001879326570000023
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：
Figure BDA0001879326570000024
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：
Figure BDA0001879326570000041
其中，
Figure BDA0001879326570000042
DCT变换的矩阵形式：
F＝AfAT
其中，
Figure BDA0001879326570000043
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：
Figure BDA0001879326570000044
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 (3)

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)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；
(3)根据对比区域相似度均值，判别是否为匹配图像对；
其中步骤(1)所述通过匹配特征点对来选取对比区域，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)从集合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。
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(2)包括以下步骤：
(21)采用离散余弦变换提取对比区域低频信息，为进一步简化计算量，首先将图片转为灰度图，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：
Figure FDA0003339175170000011
其中，
Figure FDA0003339175170000012
对R1，R2进行离散余弦变换后分别得到32*32大小的矩阵，但只保留其左上角8*8的矩阵，记为D1，D2，即为图像的低频信息；
(22)计算矩阵D1的像素均值，遍历矩阵D1，若像素值大于或等于均值则记为1，小于均值则记为0，将所有的比较结果组合成为长为64的字符串S1，对矩阵D2做相同的处理，得到字符串S2；
(23)计算两个等长字符串S1、S2之间的汉明距离Distance；
(24)重复步骤(31)-(33)，统计Matches集合中所有匹配特征点对对应对比区域的Distance均值MeansDistance，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。
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(3)根据对比区域相似度均值，判别是否为匹配图像对，若MeansDistance＜10.0，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 CN109544614A (zh) 2019-03-29
CN109544614B true 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)

Families Citing this family (2)

* 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
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

Citations (5)

* 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
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8254698B2 (en) * 2009-04-02 2012-08-28 Check Point Software Technologies Ltd Methods for document-to-template matching for data-leak prevention
JP7058941B2 (ja) * 2017-01-16 2022-04-25 キヤノン株式会社 辞書生成装置、辞書生成方法、及びプログラム

Patent Citations (5)

* 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
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
图像的视觉显著性模型理论与方法研究;许林峰;《中国博士学位论文全文数据库 信息科技辑》;20160315;I138-105 *

Also Published As

Publication number Publication date
CN109544614A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109299720B (zh) 一种基于轮廓片段空间关系的目标识别方法
CN115861135B (zh) 一种应用于箱体全景探测的图像增强及识别方法
KR102449841B1 (ko) 타겟의 검측 방법 및 장치
CN104063706B (zh) 一种基于surf算法的视频指纹提取方法
CN110443128B (zh) 一种基于surf特征点精确匹配的指静脉识别方法
CN107145829B (zh) 一种融合纹理特征和尺度不变特征的掌静脉识别方法
CN109271937B (zh) 基于图像处理的运动场地标志物识别方法及系统
CN108491498B (zh) 一种基于多特征检测的卡口图像目标搜索方法
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
CN102176208B (zh) 基于三维空时特征的鲁棒视频指纹方法
CN107038416B (zh) 一种基于二值图像改进型hog特征的行人检测方法
JP2002288658A (ja) 領域分割された映像の領域特徴値整合に基づいた客体抽出装置およびその方法
CN110766708B (zh) 基于轮廓相似度的图像比较方法
Xie et al. Bag-of-words feature representation for blind image quality assessment with local quantized pattern
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
US9747521B2 (en) Frequency domain interest point descriptor
CN114170418B (zh) 一种以图搜图的汽车线束连接器多特征融合图像检索方法
CN104978738A (zh) 检测数字图像中的兴趣点的方法
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
CN114596551A (zh) 一种车载前视图像裂缝检测的方法
Soni et al. Copy-move tampering detection based on local binary pattern histogram fourier feature
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
JP2008251029A (ja) 文字認識装置、ナンバープレート認識システム
CN109359530B (zh) 一种智能视频监控方法及装置
CN112149744B (zh) 一种侵权图片快速识别方法

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