技术摘要：
本发明公开了一种基于关键点图表示的近重复图像匹配方法，涉及图像处理技术领域，首先利用关键点检测算子检测图像中的关键点；根据关键点的分布特性，自动将其聚成若干类，每类中包含的关键点空间位置相邻。基于聚类结果，将图像表示为一个图，图中每个顶点代表一个聚  全部
背景技术：
随着智能手机的普及，图像获取变得越来越便捷。经常出现对同一个目标进行多 次拍摄的情况。同一目标的不同图像称为近重复图像，由于拍摄条件不同，近重复图像之间 通常在视角、光照以及分辨率等方面存在差异。 近重复图像匹配在照片自动分类，场景识别等应用中起到非常重要的作用。近重 复图像匹配方法大致可以分为两类：基于图像全局特征以及基于图像局部特征。基于图像 全局特征的方法虽然具有计算简单，时间复杂度低的优点，但通常对近重复图像之间存在 的变换较敏感；而基于图像局部特征的方法对近重复图像之间存在的变换具有较强的鲁棒 性。图像中的关键点是一种非常常用的局部特征，对图像旋转、缩放，以及仿射变换等均具 有良好的鲁棒性。然而传统采用关键点进行图像匹配的方法一般将图像中的关键点看成一 个个孤立点，经常导致关键点误匹配。
技术实现要素：
为解决现有技术问题，本发明提出了一种基于关键点图表示的近重复图像匹配方 法，充分利用关键点之间的空间位置关系，有效地解决了上述关键点误匹配问题。 本发明具体采用以下技术方案： 一种基于关键点图表示的近重复图像匹配方法，包括以下步骤： S1：利用关键点检测算子检测图像中的关键点； S2：根据关键点的分布特性，将其自动聚成若干类，每类中包含的关键点空间位置 相邻： S3：根据聚类结果，将图像表示为一个图，图中每个顶点代表一个聚簇，图中的边 用于刻画该边所连接两个顶点之间的空间位置关系； S4：计算两个图的相似度，首先建立其关联图，接下来计算关联图上的最大权重 团，并将该最大权重作为相似度。 进一步的方案是，所述S1中的关键点检测算子为DOG检测算子，利用DOG检测算子 检测图像中的关键点，并且针对每个关键点，用SIFT描述子进行描述。 进一步的方案是，实施S2包括以下步骤： S20：任意选取图像中一个关键点pi，若其未被访问过，则首先将其设置为已被访 问，统计其半径为r的邻域内关键点的数目，若关键点数目小于阈值T，则认为该关键点为噪 声；否则，建立一个新的聚簇C，并且将pi加入C； S21：将上述关键点pi半径为r邻域内的所有关键点放入集合S中；遍历集合S中的 每个关键点，如果其未被访问过，则首先将其设置为已被访问。如果该关键点不属于其它聚 4 CN 111582306 A 说　明　书 2/4 页 簇，则将其添加入聚簇C中，并且计算该关键点半径为r的邻域中关键点数目，如果数目大于 等于阈值T,则将邻域中的关键点均加入S； S22：依次遍历直至S中所有关键点均被访问过，此时聚簇C已经建立完成； S23：为了建立下一个聚簇，从图像中剩下未被访问的关键点中随机选择一个，重 复S20-S22，直至图像中所有关键点均被访问。 进一步的方案是，所述S3中的图中边的属性定义为其距离，边eij所连接的两个顶 点vi和vj对应的聚簇中心分别为(Cxi,Cyi)和(Cxj,Cyj)，则其距离dij定义为： 进一步的方案是，实施S4包括以下步骤： S40：给定两个图G＝{V,E}和 将其关联图表示为 其中 表 示关联图中的顶点集合，ε表示关联图中边的集合；假设图G和 中的顶点个数分别为K和 则关联图 上顶点数目为： 关联图 中每个顶点代表图G中顶点vi(1≤i≤K)与 图 中顶点 之间的匹配，其权重设置为顶点vi和 之间的相似度； S41：给定图G和 的关联图 上的两个顶点，若其代表的图G和 中的顶点匹配分 别为 和 则该两个顶点之间存在边，当且仅当如下两个条件同时成立： a：若顶点vi和vj为图G中同一个顶点，则顶点 和 为图 中同一个顶点； b：令eij为图G中连接顶点vi和vj之间的边， 为图 中连接顶点 和 之间的边， 则边eij和边 之间的相似度 大于阈值α,其中α为实数且0<α≤1， 定义 如下： 其中dij和 分别为边eij和 的长度； S42：通过求解其关联图上具有最大权重的团，并将该最大权重作为两个图的相似 度。 本发明的有益效果： 本发明将图像中的关键点表示为一个图，接下来利用图匹配来实现图像匹配这一 问题；充分利用图像中关键点之间的空间位置关系，对近重复图像之间存在的变换具有较 强的鲁棒性。 附图说明 图1为本发明实施例一种基于关键点图表示的近重复图像匹配方法的流程图。