基于多种特征的图像匹配方法

摘要

基于多种特征的图像匹配方法，通过对多种图像特征描述子性能的分析，将其有效结合，建立多级分类结构，使用该结构完成对图像库图像快速、有效地匹配。操作过程为：(1)确定图像的多种特征组成特征集；(2)输入要求的匹配性能指标，确定两类输入训练样本，提取出它们在特征集FS中的所有备选特征。图像匹配的级数k初始化为k＝1；(3)对于FS中的每一个特征F_k(k＝1，2，…，n)，使用输入训练样本采用统计方法获得其性能参数；(4)根据步骤(3)从特征集FS中选取其子集为FS_k，使用AdaBoost方法训练出分类器，作为图像匹配的第k级。FS＝FS-FS_k；(5)若未达到要求的图像匹配的性能指标，k＝k+1，继续步骤(4)-(5)；(6)使用训练好的k级分类结构进行图像库图像的匹配。

主权项

1、一种基于多种特征的图像匹配方法，其特征在于基于多种图像特征组合对图像库进行图像匹配，具体包括如下步骤：步骤101：确定图像的多种特征组成特征集，记为FS＝{F1，F2，…，Fn}；步骤102：输入要求匹配的误检率、漏检率、时间性能指标，确定相关和不相关图像两类输入训练样本，提取出它们在特征集FS中的所有备选特征，图像匹配的级数k初始化为k＝1；步骤103：对于FS中的每一个特征FK，使用步骤102中的输入训练样本采用统计方法获得FS中每一特征的性能参数；其中K＝1、2、…n；步骤104：根据步骤103从特征集FS中选取其子集为FSk，对FSk使用自适应自举学习算法-AdaBoost训练出分类器，作为图像匹配的第k级；新的特征集为剩余特征组成的集合，即FS＝FS-FSk；步骤105：若未达到要求的图像匹配的性能指标，k＝k+1，继续步骤104～步骤105；步骤106：使用训练好的k级结构进行图像库图像的匹配。