[发明专利]图像匹配方法及装置

说明书

本发明公开图像匹配方法及装置，该图像匹配方法包括特征提取、初步匹配、建立备选图像集、聚类筛选、最终匹配等步骤。本发明各步骤各司其职，采用初步匹配为最终匹配奠定基础，大大降低了聚类筛选步骤的计算复杂度，计算速度更快，而引用的聚类操作，提高了本方法的鲁棒性，匹配精度更高。

技术领域

本发明属于图像识别领域，具体涉及一种图像匹配方法及装置。

背景技术

图像匹配是计算机视觉中一个非常重要的研究课题，广泛应用于图像配准、目标检测、目标识别和图像检索等领域中。图像匹配技术主要在两幅或多幅图中识别出同名点。现图像匹配技术可应用于如下场景中，譬如在火车站利用摄像机从拍摄到的人群中寻找与通缉犯照片相近的人。再比如生产线上利用摄像机拍摄工件，检查它们是否存在与残次品库中保存图案相近的。再譬如在手机等移动设备上进行拍照，与数据库内照片进行对比，找出最接近的图像。

然而，现有的图像匹配方法其鲁棒性差，精度也达不到要求。

发明内容

为了解决上述技术问题，本发明提出了一种图像匹配方法及装置。

为了达到上述目的，本发明的技术方案如下：

图像匹配方法包括以下步骤：

1)特征提取，用于对待匹配图像及图像库内的图像进行特征提取；

2)初步匹配，用于将特征提取后的待匹配图像与特征提取后图像库内的图像进行逐一特征匹配，并对两者匹配度打分；

3)建立备选图像集，根据匹配度得分情况，对图像库内的图像进行排序，将排序后匹配度得分前L个图像作为备选图像集；

4)聚类筛选，对备选图像集内的图像进行聚类操作，获取多个聚类子集，选取其中一个聚类子集作为目标图像集；

5)最终匹配，在目标图像集内，选取距离聚类中心最近的图像，该图像即为与待匹配图像相匹配的图像。

本发明一种图像匹配方法从特征提取、初步匹配、建立备选图像集、聚类筛选到最终匹配，各步骤各司其职，采用初步匹配为最终匹配奠定基础，大大降低了聚类筛选步骤的计算复杂度，计算速度更快，而引用的聚类操作，提高了本方法的鲁棒性，匹配精度更高。

在上述技术方案的基础上，还可做如下改进：

作为优选的方案，步骤1)中的特征提取可采用SIFT算法或HOG算法或SURF算法。

采用上述优选的方案，SIFT算法对光照变化，图像尺寸变化，目标位置变化等鲁棒性较高，能有效的在各种变化场景下实现图像的匹配。HOG算法对人体特征提取更为敏感且高效。SURF算法是加快版本的SIFT算法，其运行更快。在具体操作的过程中，可根据具体的需要选择合适的特征提取算法。

作为优选的方案，步骤2)中，采用差值函数实现匹配度打分，具体为以下公式：

score＝||b-a||₂；

其中，a为待匹配图像的特征，b为图像库内某一图像的特征，||●||₂表示求二范数。

采用上述优选的方案，对于匹配度的打分，采用差值函数来实现，即将图像库内某一图像的特征和待匹配图像的特征作差，得到一个差值矩阵，对该差值矩阵进行平方和，即为最后得分。采用该种匹配度打分方法，其运行速度较快，得到的备选图像集更精准。

作为优选的方案，在步骤4中，采用DBSCAN算法实现聚类操作，具体为最小化以下公式：

其中，P为总聚类数目；

L为备选图像集内图像数目；