圖像匹配系統(tǒng)及方法
【專利摘要】本發(fā)明公開了圖像匹配系統(tǒng)及方法，方法包括步驟：S1、分別從第一圖像與第二圖像中提取N個特征點并匹配為同名點；S2、分別在第一圖像與第二圖像中利用同名點構(gòu)建至少一個三角形；S3、對于由相對應(yīng)的同名點構(gòu)建的每一對三角形，均將面積較大的三角形重采樣到與面積較小的三角形的面積相同后，統(tǒng)計灰度直方圖；S4、對每一對三角形均運行公式S5、對計算出的每一對三角形的相似度取平均值以計算該第一圖像與該第二圖像的相似度。本發(fā)明通過商品圖像的相似度的比較，來分析兩個商品是否屬于同一類型，能夠?qū)⒔Y(jié)果用數(shù)值精確地表示，以數(shù)值量化兩個商品圖像的相似程度，使得比較的結(jié)果更加直觀可信。
【專利說明】圖像匹配系統(tǒng)及方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像匹配系統(tǒng)及方法，特別是涉及一種能夠通過提取特征點、構(gòu)建三角形以及計算來對商品圖像的相似度進行量化分析計算的圖像匹配系統(tǒng)以及利用該圖像匹配系統(tǒng)實現(xiàn)的圖像匹配方法。
【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)應(yīng)用的逐漸推廣，現(xiàn)在出現(xiàn)了越來越多的網(wǎng)店，而網(wǎng)店中商品的價格無疑成了用戶及店商最關(guān)注的問題。而比價是對比對手商品同自身商品價格差異的主要手段，比價的核心問題是商品的匹配，即在對手的商品中找到和自身商品屬于同一類型、同一款的商品，然后再進行價格的對比。
[0003]而目前商品的匹配一般可以通過商品名稱、商品型號、商品品牌等商品的詳細信息來對商品進行匹配，但是在很多情況下并不能獲取到這些商品信息，或者獲取的商品信息非常的不全面，這樣，在現(xiàn)有技術(shù)中就很難再進行商品匹配。

【發(fā)明內(nèi)容】

[0004]本發(fā)明要解決的技術(shù)問題是為了克服現(xiàn)有技術(shù)中在無法獲取商品信息或者獲取的商品信息不全面的情況下很難再進行商品匹配的缺陷，提供一種能夠通過提取特征點、構(gòu)建三角形以及計算來對商品圖像的相似度進行量化分析計算的圖像匹配系統(tǒng)以及利用該圖像匹配系統(tǒng)實現(xiàn)的圖像匹配方法。
[0005]本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題的:
[0006]本發(fā)明提供了一種圖像匹配方法，其特點在于，其包括以下步驟:
[0007]S1、利用特征點提取算法分別從一第一圖像與一第二圖像中提取N個特征點并將該第一圖像中的N個特征點以及該第二圖像中的N個特征點匹配為一一對應(yīng)的N對同名點，其中N為正整數(shù)；
[0008]S2、分別在該第一圖像與該第二圖像中構(gòu)建至少一個三角形，該第一圖像與該第二圖像中的每一對三角形均由對應(yīng)的同名點構(gòu)建，其中每個同名點均為至少一個三角形的頂點，且三角形之間均沒有公共區(qū)域，并且每個三角形覆蓋的區(qū)域中均不包含同名點；
[0009]S3、對于該第一圖像與該第二圖像中分別由對應(yīng)的同名點構(gòu)建的每一對三角形，均在保持面積較大的三角形的采樣率并將該面積較大的三角形重采樣到與面積較小的三角形的面積相同后，統(tǒng)計面積相同的兩個三角形的灰度直方圖；
[0010]S4、對步驟S2中構(gòu)建出的每一對三角形均運行公式
【權(quán)利要求】
1.一種圖像匹配方法，其特征在于，其包括以下步驟: S1、利用特征點提取算法分別從一第一圖像與一第二圖像中提取N個特征點并將該第一圖像中的N個特征點以及該第二圖像中的N個特征點匹配為一一對應(yīng)的N對同名點，其中N為正整數(shù)； S2、分別在該第一圖像與該第二圖像中構(gòu)建至少一個三角形，該第一圖像與該第二圖像中的每一對三角形均由對應(yīng)的同名點構(gòu)建，其中每個同名點均為至少一個三角形的頂點，且三角形之間均沒有公共區(qū)域，并且每個三角形覆蓋的區(qū)域中均不包含同名點； S3、對于該第一圖像與該第二圖像中分別由對應(yīng)的同名點構(gòu)建的每一對三角形，均在保持面積較大的三角形的采樣率并將該面積較大的三角形重采樣到與面積較小的三角形的面積相同后，統(tǒng)計面積相同的兩個三角形的灰度直方圖； S4、對步驟S2中構(gòu)建出的每一對三角形均運行公式
2.如權(quán)利要求1所述的圖像匹配方法，其特征在于，每個三角形均具有一最小外包矩形。
3.如權(quán)利要求1或2所述的圖像匹配方法，其特征在于，步驟S1中的特征點提取算法為SIFT算法、Harris算法、Moravec算法或Robert算法。
4.一種圖像匹配系統(tǒng)，其特征在于，其包括: 一特征點提取模塊，用于利用特征點提取算法分別從一第一圖像與一第二圖像中提取N個特征點并將該第一圖像中的N個特征點以及該第二圖像中的N個特征點匹配為一一對應(yīng)的N對同名點，其中N為正整數(shù)； 一三角形構(gòu)建模塊，用于分別在該第一圖像與該第二圖像中構(gòu)建至少一個三角形，該第一圖像與該第二圖像中的每一對三角形均由對應(yīng)的同名點構(gòu)建，其中每個同名點均為至少一個三角形的頂點，且三角形之間均沒有公共區(qū)域，并且每個三角形覆蓋的區(qū)域中均不包含同名點； 一計算模塊，用于首先對于該第一圖像與該第二圖像中分別由對應(yīng)的同名點構(gòu)建的每一對三角形，均在保持面積較大的三角形的采樣率并將該面積較大的三角形重采樣到與面積較小的三角形的面積相同后，統(tǒng)計面積相同的兩個三角形的灰度直方圖； 對該三角形構(gòu)建模塊構(gòu)建出的每一對三角形均運行公式
5.如權(quán)利要求4所述的圖像匹配系統(tǒng)，其特征在于，每個三角形均具有一最小外包矩形。
6.如權(quán)利要求4或5所述的圖像匹配系統(tǒng)，其特征在于，該特征點提取算法為SIFT算法、Harris算法、Moravec算法或Robert算法。
7.一種圖像匹配方法，其特征在于，其包括以下步驟: 51、利用特征點提取算法分別從一第一圖像與一第二圖像中提取N個特征點并將該第一圖像中的N個特征點以及該第二圖像中的N個特征點匹配為一一對應(yīng)的N對同名點，其中N為正整數(shù)； 52、分別在該第一圖像與該第二圖像中構(gòu)建一個起始三角形，該對起始三角形的頂點分別為該第一圖像與該第二圖像中相對應(yīng)的未構(gòu)成三角形的同名點且該對起始三角形覆蓋的區(qū)域中均不包含同名點； 53、在該第一圖像與該第二圖像中分別判斷未構(gòu)成三角形的同名點中是否存在與至少兩個構(gòu)成三角形的同名點的距離小于一第一閾值的目標同名點； 若是，則對于每個目標同名點，在該第一圖像與該第二圖像中分別判斷所有構(gòu)成三角形的同名點中是否存在至少兩個基礎(chǔ)同名點，使得該至少兩個基礎(chǔ)同名點與該目標同名點的距離均小于該第一閾值且在該第一圖像與該第二圖像中該至少兩個基礎(chǔ)同名點中的兩個基礎(chǔ)同名點分別與該目標同名點構(gòu)成的互相對應(yīng)的線段的比值與該兩個基礎(chǔ)同名點構(gòu)成的互相對應(yīng)的線段的比值的差值均小于一第二閾值，若是，則在該第一圖像與該第二圖像中分別利用目標同名點與該兩個基礎(chǔ)同名點構(gòu)建目標三角形，在該第一圖像與該第二圖像中該兩個基礎(chǔ)同名點是相對應(yīng)的，該目標三角形與其余的三角形之間均沒有公共區(qū)域，并且該目標三角形覆蓋的區(qū)域中不包含同名點，若否，則剔除目標同名點； 若否，則返回步驟S2; S4、對于該第一圖像與該第二圖像中分別由對應(yīng)的同名點構(gòu)建的每一對三角形，均在保持面積較大的三角形的采樣率并將該面積較大的三角形重采樣到與面積較小的三角形的面積相同后，統(tǒng)計面積相同的兩個三角形的灰度直方圖； S5、對由對應(yīng)的同名點構(gòu)建出的每一對三角形均運行公式
8.如權(quán)利要求7所述的圖像匹配方法，其特征在于，步驟S2中構(gòu)建該對起始三角形的步驟還包括: S21、分別在該第一圖像與該第二圖像中構(gòu)建多個三角形，該第一圖像與該第二圖像中的每一對三角形均由對應(yīng)的同名點構(gòu)建，其中每兩個三角形之間沒有公共區(qū)域且每個三角形覆蓋的區(qū)域中均不包含同名點； S22、分別計算該第一圖像與該第二圖像中每一對由對應(yīng)的同名點構(gòu)建的三角形的相對應(yīng)的邊的比例的平均偏差，選取平均偏差最小的一對三角形作為起始三角形。
9.如權(quán)利要求8所述的圖像匹配方法，其特征在于，每個三角形均具有一最小外包矩形。
10.如權(quán)利要求7-9中任意一項所述的圖像匹配方法，其特征在于，步驟S1中的特征點提取算法為SIFT算法、Harris算法、Moravec算法或Robert算法。
11.一種圖像匹配系統(tǒng)，其特征在于，其包括: 一特征點提取模塊，用于利用特征點提取算法分別從一第一圖像與一第二圖像中提取N個特征點并將該第一圖像中的N個特征點以及該第二圖像中的N個特征點匹配為一一對應(yīng)的N對同名點，其中N為正整數(shù)； 一三角形構(gòu)建模塊，用于分別在該第一圖像與該第二圖像中構(gòu)建一個起始三角形，該對起始三角形的頂點分別為該第一圖像與該第二圖像中相對應(yīng)的未構(gòu)成三角形的同名點且該對起始三角形覆蓋的區(qū)域中均不包含同名點； 一判斷模塊，用于在該第一圖像與該第二圖像中分別判斷未構(gòu)成三角形的同名點中是否存在與至少兩個構(gòu)成三角形的同名點的距離小于一第一閾值的目標同名點； 若是，則對于每個目 標同名點，在該第一圖像與該第二圖像中分別判斷所有構(gòu)成三角形的同名點中是否存在至少兩個基礎(chǔ)同名點，使得該至少兩個基礎(chǔ)同名點與該目標同名點的距離均小于該第一閾值且在該第一圖像與該第二圖像中該至少兩個基礎(chǔ)同名點中的兩個基礎(chǔ)同名點分別與該目標同名點構(gòu)成的互相對應(yīng)的線段的比值與該兩個基礎(chǔ)同名點構(gòu)成的互相對應(yīng)的線段的比值的差值均小于一第二閾值，若是，則調(diào)用該三角形構(gòu)建模塊在該第一圖像與該第二圖像中分別利用目標同名點與該兩個基礎(chǔ)同名點構(gòu)建目標三角形，在該第一圖像與該第二圖像中該兩個基礎(chǔ)同名點是相對應(yīng)的，該目標三角形與其余的三角形之間均沒有公共區(qū)域，并且該目標三角形覆蓋的區(qū)域中不包含同名點，若否，則剔除目標同名點； 若否，則調(diào)用該三角形構(gòu)建模塊分別在該第一圖像與該第二圖像中構(gòu)建一個起始三角形，該對起始三角形的頂點分別為該第一圖像與該第二圖像中相對應(yīng)的未構(gòu)成三角形的同名點且該對起始三角形覆蓋的區(qū)域中均不包含同名點； 一計算模塊，用于首先對于該第一圖像與該第二圖像中分別由對應(yīng)的同名點構(gòu)建的每一對三角形，均在保持面積較大的三角形的采樣率并將該面積較大的三角形重采樣到與面積較小的三角形的面積相同后，統(tǒng)計面積相同的兩個三角形的灰度直方圖； 對該三角形構(gòu)建模塊構(gòu)建出的每一對三角形均運行公式sM MaxlL1, R1))其中S為由相對應(yīng)的同名點構(gòu)建的一對三角形的相似度，M為將灰度直方圖中的灰度值的取值區(qū)間劃分出的段數(shù)，Li為將該面積較大的三角形重采樣后在灰度值的第i段取值區(qū)間內(nèi)像素點的個數(shù)，Ri為該面積較小的三角形在灰度值的第i段取值區(qū)間內(nèi)像素點的個數(shù)； 最后對計算出的每一對三角形的相似度取平均值以計算出該第一圖像與該第二圖像的相似度。
12.如權(quán)利要求11所述的圖像匹配系統(tǒng)，其特征在于，該三角形構(gòu)建模塊用于首先分別在該第一圖像與該第二圖像中構(gòu)建多個三角形，該第一圖像與該第二圖像中的每一對三角形均由對應(yīng)的同名點構(gòu)建，其中每兩個三角形之間沒有公共區(qū)域且每個三角形覆蓋的區(qū)域中均不包含同名點； 然后分別計算該第一圖像與該第 二圖像中每一對由對應(yīng)的同名點構(gòu)建的三角形的相對應(yīng)的邊的比例的平均偏差，選取平均偏差最小的一對三角形作為起始三角形。
13.如權(quán)利要求12所述的圖像匹配系統(tǒng)，其特征在于，每個三角形均具有一最小外包矩形。
14.如權(quán)利要求11-13中任意一項所述的圖像匹配系統(tǒng)，其特征在于，該特征點提取算法為SIFT算法、Harris算法、Moravec算法或Robert算法。
【文檔編號】G06F17/30GK103903249SQ201210581470
【公開日】2014年7月2日 申請日期:2012年12月27日 優(yōu)先權(quán)日:2012年12月27日
【發(fā)明者】李林沖 申請人:紐海信息技術(shù)（上海）有限公司