本發(fā)明屬于計(jì)算機(jī)多媒體技術(shù)領(lǐng)域，尤其涉及一種基于哈希重建的圖像特征點(diǎn)匹配方法。

背景技術(shù)：

基于圖像局部特征(如SIFT特征)的圖像描述方法在圖像檢索中得到廣泛用于，為了提高檢索精度，需要對特征點(diǎn)直接進(jìn)行快速匹配，然而目前的特征點(diǎn)匹配方法在匹配精度和匹配速度上很難找到一個更好的平衡?，F(xiàn)有的圖像特征點(diǎn)匹配方法普遍存在匹配復(fù)雜度高、計(jì)算量大或者匹配精度不高的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的之一在于提供一種基于哈希重建的圖像特征點(diǎn)匹配方法，以解決現(xiàn)有圖像特征點(diǎn)匹配方法匹配復(fù)雜度高、計(jì)算量大或者匹配精度不高的問題。

本發(fā)明的發(fā)明目的是通過下述技術(shù)方案來實(shí)現(xiàn)的：

一種基于哈希重建的圖像特征點(diǎn)匹配方法，包括如下步驟：

對被查圖像的被查特征點(diǎn)的特征學(xué)習(xí)哈希函數(shù)；

利用哈希函數(shù)學(xué)習(xí)哈希重建矩陣；

利用哈希重建矩陣篩選得到與查詢特征點(diǎn)匹配的特征點(diǎn)。

進(jìn)一步的，所述利用哈希重建矩陣篩選得到匹配的特征點(diǎn)的步驟中，具體包括如下步驟：

對查詢特征點(diǎn)和被查特征點(diǎn)通過距離度量篩選候選特征點(diǎn)；

對候選特征點(diǎn)及查詢特征點(diǎn)進(jìn)行哈希重建；

對哈希重建后的候選特征點(diǎn)及哈希重建后的查詢特征點(diǎn)進(jìn)行相似度對比，最后得到匹配的特征點(diǎn)。

進(jìn)一步的，一種基于哈希重建的圖像特征點(diǎn)匹配方法具體包括如下步驟：

步驟S1：利用被查圖像的被查特征點(diǎn)的特征學(xué)習(xí)哈希函數(shù)；

步驟S2：利用步驟S1中得到的哈希函數(shù)學(xué)習(xí)旋轉(zhuǎn)矩陣和哈希重建矩陣；

步驟S3：利用步驟S2得到的旋轉(zhuǎn)矩陣，得到查詢特征點(diǎn)的哈希碼和被查特征點(diǎn)的哈希碼；

步驟S4：將步驟S3得到的查詢特征點(diǎn)的哈希碼與被查特征點(diǎn)的哈希碼進(jìn)行距離度量，將所有距離小于閾值的被查特征點(diǎn)作為候選特征點(diǎn)集合；

步驟S5：利用步驟S2得到的哈希重建矩陣，對查詢特征點(diǎn)及步驟S4篩選出的候選特征點(diǎn)集合進(jìn)行哈希重建，得到查詢特征點(diǎn)的重建特征及步驟S4篩選出的候選特征點(diǎn)集合的重建特征；

步驟S6：將步驟S5中的候選特征點(diǎn)集合的重建特征分別與查詢特征點(diǎn)的重建特征進(jìn)行相似度對比，并按相似度從大到小進(jìn)行排序，最后得到匹配的特征點(diǎn)。

進(jìn)一步的，在所述步驟S1：利用被查圖像的被查特征點(diǎn)的特征學(xué)習(xí)哈希函數(shù)的步驟中，具體包括：通過哈希方法利用被查圖像的局部特征點(diǎn)的特征學(xué)習(xí)哈希函數(shù)。

進(jìn)一步的，在所述步驟S1中，通過哈希方法利用被查圖像的被查特征點(diǎn)的特征學(xué)習(xí)哈希函數(shù)的步驟中，采用的所述哈希方法為ITQ哈希方法，具體包括如下步驟：

步驟S1.1：對被查圖像的被查特征點(diǎn)的特征矩陣X進(jìn)行PCA降維，得到PCA降維矩陣T；

步驟S1.2：利用上一步得到的PCA降維矩陣T，得到對被查特征點(diǎn)的特征矩陣X進(jìn)行PCA降維后的特征矩陣V，V＝TX；

步驟S1.3：構(gòu)建哈希函數(shù)。

進(jìn)一步的，所述步驟S1中構(gòu)建的哈希函數(shù)為：

$min\left(\right||H-RV|{|}_F^2+\mathrm{\α}\left|\right|X-UH\left|{|}_F^2\right)$

其中，H為哈希碼矩陣，R為ITQ的旋轉(zhuǎn)矩陣，U為哈希重建矩陣，X為被查特征點(diǎn)的特征矩陣。

進(jìn)一步的，所述步驟S2：利用步驟S1中得到的哈希函數(shù)學(xué)習(xí)旋轉(zhuǎn)矩陣和哈希重建矩陣的步驟，具體包括：

對步驟S1中得到的哈希函數(shù)進(jìn)行迭代優(yōu)化，得到旋轉(zhuǎn)矩陣R和哈希重建矩陣U。

進(jìn)一步的，所述步驟S3：利用步驟S2得到的旋轉(zhuǎn)矩陣，得到被查特征點(diǎn)的哈希碼和查詢點(diǎn)的哈希碼的步驟，具體包括如下步驟：

步驟S3.1：對于被查特征點(diǎn)的特征矩陣x_i，利用步驟S1.1得到的PCA降維矩陣T進(jìn)行特征降維，得到降維后的被查特征點(diǎn)的特征向量x_i′＝Tx_i；

步驟S3.2：利用步驟S2得到旋轉(zhuǎn)矩陣R和上一步得到的降維后的被查特征點(diǎn)特征向量x_i′，得到哈希碼h_i＝Rx_i′；

步驟S3.3：對于查詢特征點(diǎn)的特征矩陣q，利用步驟S1.1得到的PCA降維矩陣T進(jìn)行特征降維，得到降維后的查詢特征點(diǎn)的特征向量q′＝Tq；

步驟S3.4：利用步驟S2得到旋轉(zhuǎn)矩陣R和上一步得到的降維后的查詢特征點(diǎn)的特征向量q′，得到哈希碼h_q＝Rq′。

進(jìn)一步的，所述步驟S5：利用步驟S2得到的哈希重建矩陣，對查詢特征點(diǎn)及步驟S4篩選出的候選特征點(diǎn)集合進(jìn)行哈希重建，得到查詢特征點(diǎn)的重建特征及步驟S4篩選出的候選特征點(diǎn)集合的重建特征的步驟中，所述查詢特征點(diǎn)的重建特征q″＝Uh_q，步驟S4篩選出的候選特征點(diǎn)集合的重建特征x_i″＝Uh_i。

進(jìn)一步的，所述被查特征點(diǎn)的特征采用SIFT特征。

本發(fā)明的有益效果：本發(fā)明提供的一種基于哈希重建的圖像特征點(diǎn)匹配方法通過兩步匹配的方法，提高了匹配精度；在通過哈希重建得到的重建特征進(jìn)行匹配的過程中，不需存儲原始特征，減少了存儲及建索引的代價，從而實(shí)現(xiàn)了快速的特征點(diǎn)匹配。

附圖說明

圖1為本發(fā)明基于哈希重建的圖像特征點(diǎn)匹配方法流程圖。

具體實(shí)施方式

下文將結(jié)合具體實(shí)施方式詳細(xì)描述本發(fā)明。應(yīng)當(dāng)注意的是，下述實(shí)施例中描述的技術(shù)特征或者技術(shù)特征的組合不應(yīng)當(dāng)被認(rèn)為是孤立的，它們可以被相互組合從而達(dá)到更好的技術(shù)效果。

一種基于哈希重建的圖像特征點(diǎn)匹配方法，包括如下步驟：

對被查圖像的被查特征點(diǎn)的特征學(xué)習(xí)哈希函數(shù)；

利用哈希函數(shù)學(xué)習(xí)哈希重建矩陣；

利用哈希重建矩陣篩選得到與查詢特征點(diǎn)匹配的特征點(diǎn)。

進(jìn)一步的，在利用哈希重建矩陣篩選得到匹配的特征點(diǎn)的步驟中，具體包括如下步驟：

對查詢特征點(diǎn)和被查特征點(diǎn)通過距離度量篩選候選特征點(diǎn)；

對候選特征點(diǎn)及查詢特征點(diǎn)進(jìn)行哈希重建；

對哈希重建后的候選特征點(diǎn)及查詢特征點(diǎn)進(jìn)行相似度對比，最后得到匹配的特征點(diǎn)。

如圖1所示，本發(fā)明提供的一種基于哈希重建的圖像特征點(diǎn)匹配方法具體包括如下步驟：

步驟S1：對被查圖像的被查特征點(diǎn)的特征學(xué)習(xí)哈希函數(shù)；

步驟S2：利用步驟S1中得到的哈希函數(shù)學(xué)習(xí)旋轉(zhuǎn)矩陣和哈希重建矩陣；

步驟S3：利用步驟S2得到的旋轉(zhuǎn)矩陣，得到查詢特征點(diǎn)的哈希碼和被查特征點(diǎn)的哈希碼；

步驟S4：將步驟S3得到的查詢特征點(diǎn)的哈希碼與被查特征點(diǎn)的哈希碼進(jìn)行距離度量，將所有距離小于閾值的被查特征點(diǎn)作為候選特征點(diǎn)集合；

步驟S5：利用步驟S2得到的哈希重建矩陣，對查詢特征點(diǎn)及步驟S4篩選出的候選特征點(diǎn)集合進(jìn)行哈希重建，得到查詢特征點(diǎn)的重建特征及步驟S4篩選出的候選特征點(diǎn)集合的重建特征；

步驟S6：將步驟S5中的候選特征點(diǎn)集合的重建特征分別與查詢特征點(diǎn)的重建特征進(jìn)行相似度對比，并按相似度從大到小進(jìn)行排序，最后得到匹配的特征點(diǎn)。

本發(fā)明首先利用哈希碼通過漢明距離快速篩選候選特征點(diǎn)，再對候選特征點(diǎn)以及查詢特征點(diǎn)進(jìn)行哈希重建，在哈希重建基礎(chǔ)上進(jìn)一步進(jìn)行篩選。整個匹配過程中通過了兩步篩選，提高了匹配精度。

實(shí)施例

本發(fā)明提供的一種基于哈希重建的圖像特征點(diǎn)匹配方法具體包括如下步驟：

(1)通過迭代量化(Iterative Quantization，ITQ)哈希方法對被查圖像的被查特征點(diǎn)的尺度不變特征轉(zhuǎn)換(Scale-invariant feature transform，SIFT)特征學(xué)習(xí)哈希函數(shù)，具體包括如下步驟：

(1.1)對被查圖像的被查特征點(diǎn)的特征矩陣X進(jìn)行PCA降維，得到PCA降維矩陣T；

(1.2)利用上一步得到的PCA降維矩陣T，得到對被查特征點(diǎn)的特征矩陣X進(jìn)行PCA降維后的特征矩陣V，V＝TX；

(1.3)構(gòu)建哈希函數(shù)，該哈希函數(shù)為：

$min\left(\right|\left|H-RV\right|{|}_F^2+\mathrm{\α}\left|\right|X-UH\left|{|}_F^2\right)$

其中，H為哈希碼矩陣，R為ITQ的旋轉(zhuǎn)矩陣，U為哈希重建矩陣，X為被查特征點(diǎn)的特征矩陣。

(2)對步驟(1)中得到的哈希函數(shù)進(jìn)行迭代優(yōu)化，學(xué)習(xí)得到旋轉(zhuǎn)矩陣R和哈希重建矩陣U。

(3)利用步驟(2)得到的旋轉(zhuǎn)矩陣R，得到被查特征點(diǎn)的哈希碼和查詢特征點(diǎn)的哈希碼的步驟，具體包括如下步驟：

(3.1)對于被查特征點(diǎn)的特征矩陣x_i，利用步驟(1.1)得到的PCA降維矩陣T進(jìn)行特征降維，得到降維后的被查特征點(diǎn)的特征向量x_i′＝Tx_i；

(3.2)利用步驟(2)得到旋轉(zhuǎn)矩陣R和上一步得到的降維后的被查特征點(diǎn)特征向量x_i′，得到哈希碼h_i＝Rx_i′，所有被查特征點(diǎn)的哈希碼構(gòu)成被查特征點(diǎn)庫的哈希索引。

(3.3)對于查詢特征點(diǎn)的特征矩陣q，利用步驟(1.1)得到的PCA降維矩陣T進(jìn)行特征降維，得到降維后的查詢特征點(diǎn)的特征向量q′＝Tq；

(3.4)利用步驟(2)得到旋轉(zhuǎn)矩陣R和上一步得到的降維后的查詢特征點(diǎn)的特征向量q′，得到哈希碼h_q＝Rq′。

(4)將步驟(3)得到的查詢特征點(diǎn)的哈希碼與被查特征點(diǎn)的哈希碼進(jìn)行漢明距離度量，將所有漢明距離小于閾值的被查特征點(diǎn)作為候選特征點(diǎn)集合；

(5)利用步驟(2)得到的哈希重建矩陣U，對查詢特征點(diǎn)及步驟S4篩選出的候選特征點(diǎn)集合進(jìn)行哈希重建，得到查詢特征點(diǎn)的重建特征及步驟S4篩選出的候選特征點(diǎn)集合的重建特征的步驟中，所述查詢特征點(diǎn)的重建特征q″＝Uh_q，步驟S4篩選出的候選特征點(diǎn)集合的重建特征x_i″＝Uh_i。

(6)將步驟(5)中的候選特征點(diǎn)集合的重建特征分別與查詢特征點(diǎn)的重建特征進(jìn)行相似度對比，并按相似度從大到小進(jìn)行排序，最后得到匹配的特征點(diǎn)。

本發(fā)明提供的一種基于哈希重建的圖像特征點(diǎn)匹配方法中首先利用哈希碼通過漢明距離快速篩選候選特征點(diǎn)，再對候選特征點(diǎn)以及查詢特征點(diǎn)進(jìn)行哈希重建，在哈希重建基礎(chǔ)上進(jìn)一步進(jìn)行篩選。整個匹配過程中通過了兩步篩選，提高了匹配精度。

本發(fā)明提供的一種基于哈希重建的圖像特征點(diǎn)匹配方法在通過哈希重建得到的重建特征進(jìn)行匹配的過程中，不需存儲原始特征，減少了存儲及建索引的代價，從而實(shí)現(xiàn)了快速的特征點(diǎn)匹配。

當(dāng)然應(yīng)意識到，雖然通過本發(fā)明的示例已經(jīng)進(jìn)行了前面的描述，但是對本發(fā)明做出的將對本領(lǐng)域的技術(shù)人員顯而易見的這樣和其他的改進(jìn)及改變應(yīng)認(rèn)為落入如本文提出的本發(fā)明寬廣范圍內(nèi)。因此，盡管本發(fā)明已經(jīng)參照了優(yōu)選的實(shí)施方式進(jìn)行描述，但是，其意并不是使具新穎性的設(shè)備由此而受到限制，相反，其旨在包括符合上述公開部分、權(quán)利要求的廣闊范圍之內(nèi)的各種改進(jìn)和等同修改。