CN106909539A - 图像检索***、服务器、数据库及相关的方法 - Google Patents
图像检索***、服务器、数据库及相关的方法 Download PDFInfo
- Publication number
- CN106909539A CN106909539A CN201510968120.5A CN201510968120A CN106909539A CN 106909539 A CN106909539 A CN 106909539A CN 201510968120 A CN201510968120 A CN 201510968120A CN 106909539 A CN106909539 A CN 106909539A
- Authority
- CN
- China
- Prior art keywords
- image
- retrieval
- characteristic point
- result
- point set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种图像检索数据库、图像检索数据库生成方法,图像检索服务器、图像检索***以及图像检索结果排错方法,采用Delaunay三角形网络来表征图像特征点集的内部关系,利用Delaunay三角形网络的唯一性特性对检索结果进行排错(校正),将算法上正确(满足约束条件的底线),但人类认知上会判定为错误的检索结果剔除,能有效提高检索结果准确率。
Description
技术领域
本发明涉及图像检索技术领域,尤其涉及一种图像检索数据库、图像检索数据库生成方法,图像检索服务器、图像检索***以及图像检索结果排错方法。
背景技术
在基于特征提取的图像检索中,首先对图像进行特征提取并对特征内容进行描述,以特征点集的方式来表征目标图像。在检索时,根据特征点对之间的匹配关系来确定目标图像的检索结果。在极端情况下,检索结果与目标图像之间只有几个匹配特征点对(最低条件为匹配特征点对数量大于或等于3),此时由于特征描述算法的局限性,检索结果可能会出现错误(即目标图像和检索结果是无关的两张图像),但也可能是正确的。基于上述原因,亟需一种对检索结果进行排错的方法,以确保图像检索结果尽量正确。
发明内容
本发明的目的是提供一种图像检索数据库、图像检索数据库生成方法,图像检索服务器、图像检索***以及图像检索结果排错方法,解决由于特征描述图像算法局限性造成的检索结果错误过多问题,可有效提高图像检索准确性。
为了实现上述发明目的,本发明提供了一种图像检索数据库生成方法,包括:对样本图像或经预处理后的样本图像进行特征提取,得到每一个样本图像所对应的特征点集,将特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息记录在图像检索数据库中对应样本图像的检索数据中;根据每个特征点在图像区域内的位置信息,对每一个特征点集中的特征点进行空间排序;根据空间排序结果构建Delaunay三角形网络,将构建好的Delaunay三角形网络的三角形序列数据记录在图像检索数据库中对应样本图像的检索数据中,所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。
优选的,所述空间排序指根据特征点集中各特征点在图像区域内的位置信息进行中值排序,具体为:将特征点集中特征点在x轴和y轴上直径最大/最小轴作为排序轴;计算构成该直径的两个特征点的中值,改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧,右侧点位于中值点右侧;然后对左侧点构成的点集和右侧点构成的点集进行上述递归处理,直到中值一侧特征点数量小于2。
相应的,本发明还提出一种图像检索数据库,图像检索数据库内存储有若干样本图像的检索数据,每一个样本图像的检索数据包括该样本图像的特征点集数据及由特征点集构建的Delaunay三角形网络的三角形序列数据;所述特征点集数据包括特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。
相应的,本发明还提出一种图像检索结果排错方法,所述图像检索是基于特征提取的图像检索,对目标图像进行特征提取时,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;图像检索结果指图像检索数据库中与目标图像满足匹配算法的一组或多组检索结果图像数据,所述图像检索结果排错方法分别对每一个检索结果图像进行排错,包括:
根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系;
根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标,并根据坐标系转换后的坐标对目标图像匹配特征点集中的特征点进行空间排序,根据排序结果构建目标图像匹配特征点集对应的Delaunay三角形网络;
从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到检索结果图像匹配点集合所对应的Delaunay三角形网络;
将所述目标图像匹配特征点集对应的Delaunay三角形网络和检索结果图像匹配特征点集对应的Delaunay三角形网络进行比对,若两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
优选的,所述空间排序指中值排序,包括:将特征点集中特征点在x轴和y轴上直径最大/最小轴作为排序轴;计算构成该直径的两个特征点的中值,改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧,右侧点位于中值点右侧;然后对左侧点构成的点集和右侧点构成的点集进行上述递归处理,直到中值一侧特征点数量小于2。
其中,所述方法包括预先在图像检索数据库中存储若干样本图像的检索数据,每一个样本图像的检索数据包括该样本图像的特征点集数据及由特征点集构建的Delaunay三角形网络的三角形序列数据;所述特征点集数据包括特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。
相应的,本发明还提出一种图像检索结果排错方法,所述图像检索是基于特征提取的图像检索,对目标图像进行特征提取时,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;图像检索结果指图像检索数据库中与目标图像满足匹配算法的一组或多组检索结果图像数据,所述图像检索结果排错方法分别对每一个检索结果图像进行排错,包括:
根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系;
根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标;
根据目标图像匹配特征点所对应的检索结果图像特征点在检索结果图像中所处的位置,对坐标系转换后的目标图像匹配特征点集进行子集划分;
对每一个目标图像子集中的特征点按坐标系转换后的坐标进行空间排序,根据排序结果为每一个目标图像子集构建一个Delaunay三角形网络;
从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到匹配点对集合中各检索结果图像子集所对应的Delaunay三角形网络;
将各子集对所对应的上述两个Delaunay三角形网络进行比对,若超过预设比例的子集对满足两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
优选的,所述空间排序指中值排序,包括:将特征点集中特征点在x轴和y轴上直径最大/最小轴作为排序轴;计算构成该直径的两个特征点的中值,改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧,右侧点位于中值点右侧;然后对左侧点构成的点集和右侧点构成的点集进行上述递归处理,直到中值一侧特征点数量小于2。
其中,所述方法包括预先在图像检索数据库中存储若干样本图像的检索数据,每一个样本图像的检索数据包括该样本图像的特征点集数据及由特征点集构建的Delaunay三角形网络的三角形序列数据;所述特征点集数据包括特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。
相应的,本发明还提出一种图像检索服务器,包括图像检索数据库和图像匹配模块,所述图像检索数据库为权利要求4所述的图像检索数据库;所述图像匹配模块,用于接收来自客户端的检索请求,并根据设定的匹配算法将检索请求中包含的目标图像数据在图像检索数据库中进行匹配,得到一组或多组与目标图像满足匹配算法的检索结果图像数据;
所述检索服务器还包括排错模块,所述排错模块包括:
姿态计算及坐标系转换单元,用于根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系,并根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标;
三角形网络构建单元,用于根据坐标系转换后的坐标对目标图像匹配特征点集中的特征点进行空间排序,根据排序结果构建目标图像匹配特征点集对应的Delaunay三角形网络;
判断单元,用于从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络;将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到检索结果图像匹配点集合所对应的Delaunay三角形网络,并将该Delaunay三角形网络与目标图像匹配特征点集对应的Delaunay三角形网络进行比对;若两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
相应的,本发明还提出一种图像检索服务器,包括图像检索数据库、图像匹配模块和检索结果信息返回模块,所述图像检索数据库为权利要求4所述的图像检索数据库;所述匹配模块,用于接收来自客户端的检索请求,并根据设定的匹配算法将检索请求中包含的目标图像数据在图像检索数据库中进行匹配,得到一组或多组与目标图像满足匹配算法的检索结果图像数据;
所述检索服务器还包括排错模块,所述排错模块包括:
姿态计算及坐标系转换单元,用于根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系,并根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标;
子集划分单元,用于根据目标图像匹配特征点所对应的检索结果图像特征点在检索结果图像中所处的位置,对坐标系转换后的目标图像匹配特征点集进行子集划分;
三角形网络构建单元,用于对每一个目标图像子集中的特征点按坐标系转换后的坐标进行空间排序,根据排序结果为每一目标图像个子集构建一个Delaunay三角形网络;
判断单元,用于从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到匹配点对集合中各检索结果图像子集所对应的Delaunay三角形网络,并将各子集对所对应的上述两个Delaunay三角形网络进行比对,若超过预设比例的子集对满足两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
相应的,本发明还提出一种图像检索***,包括图像检索客户端和图像检索服务器,其特征在于:
所述图像检索服务器为权利要求10或11所述的图像检索服务器;
所述图像检索客户端包括图像获取模块、特征提取模块、检索请求发送模块和检索结果接收模块,其中:
所述图像获取模块,用于获取目标图像;
所述特征提取模块,用于对目标图像进行特征提取,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;
所述检索请求发送模块,用于将特征提取模块提取出来的特征数据发送到图像检索服务器进行图像检索;
所述检索结果接收模块,用于接收从图像检索服务器返回的检索结果信息。
本发明通过采用Delaunay三角形网络来表征图像特征点集的内部关系,利用Delaunay三角形网络的唯一性特性对检索结果进行排错(校正),将算法上正确(满足约束条件的底线),但人类认知上会判定为错误的检索结果剔除,能有效提高检索结果准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图:
图1为本发明一个实施例的图像检索数据库生成方法流程示意图;
图2为本发明一个实施例中一个特征点集示意图;
图3为本发明一个实施例的图像检索结果排错方法的第一流程示意图;
图4为本发明一个实施例的图像检索结果排错方法的第二流程示意图;
图5为本发明一个实施例的检索结果图像和目标图像中的对应匹配特征点位置示意图;
图6为本发明一个实施例的图像检索服务器的第一结构示意图;
图7为本发明一个实施例的图像检索服务器的第二结构示意图;
图8为本发明一个实施例的图像检索结果排错方法的第三流程示意图;
图9为本发明一个实施例的图像检索结果排错方法的第四流程示意图;
图10为本发明一个实施例的图像检索服务器的第三结构示意图;
图11为本发明一个实施例的图像检索服务器的第四结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明采用Delaunay三角形网络来表征图像特征点集的内部关系,利用Delaunay三角形网络的唯一性特性对检索结果进行排错(校正),将算法上正确(满足约束条件的底线),但人类认知上会判定为错误的检索结果剔除。
首先介绍一下Delaunay三角形网络:Delaunay三角形网络是对点集进行Delaunay三角剖分而形成的网络,要满足Delaunay三角剖分的定义,必须符合两个重要的准则:
1)空圆特性:Delaunay三角网是唯一的(任意四点不能共圆),在Delaunay三角形网中任一三角形的外接圆范围内不会有其它点存在;
2)最大化最小角特性:在散点集可能形成的三角剖分中,Delaunay三角剖分所形成的三角形的最小角最大。从这个意义上讲,Delaunay三角网是“最接近于规则化的“的三角网。具体的说是指在两个相邻的三角形构成凸四边形的对角线,在相互交换后,六个内角的最小角不再增大。
Delaunay三角网络具备如下优异特性:
1)最接近:以最近的三点形成三角形,且各线段(三角形的边)皆不相交;
2)唯一性:不论从区域何处开始构建,最终都将得到一致的结果;
3)最优性:任意两个相邻三角形形成的凸四边形的对角线如果可以互换的话,那么两个三角形六个内角中最小的角度不会变大;
4)最规则:如果将三角网中的每个三角形的最小角进行升序排列,则Delaunay三角网的排列得到的数值最大;
5)区域性:新增、删除、移动某一个顶点时只会影响临近的三角形;
6)具有凸多边形的外壳:三角网最外层的边界形成一个凸多边形的外壳。
本发明检索结果排错方法,需要对目标图像和检索结果图像匹配特征点集分别构建Delaunay三角网络,由于需要进行三角形网络比对,因此建立Delaunay三角网络时,需要将目标图像和检索结果图像匹配特征点的坐标变换到同一坐标系上,然后在转换后的坐标系中分别对目标图像匹配特征点集和检索结果图像匹配特征点集进行Delaunay三角剖分,得到目标图像对应的Delaunay三角形网络和检索结果图像对应的Delaunay三角形网络,将上述两个Delaunay三角形网络进行比对,来判断检索结果的正确性。
在本发明中,所述检索结果图像是指满足匹配算法的样本图像。在一种实施方式中,目标图像和检索结果图像对应的Delaunay三角形网络均为在线生成,在另一种实施方式中,可以在检索图像数据库建设的时候,离线生成各样本图像对应的Delaunay三角形网络,以提高图像检索时的效率。
下面首先结合图1至图7,以离线生成样本图像对应的Delaunay三角形网络为例,介绍本发明具体实施方式。
参见图1,为本发明实施例一种图像检索数据库生成方法流程示意图,采用该方法来建设具有样本图像对应的Delaunay三角形网络数据的专用检索图像数据库,所述图像检索数据库生成方法包括如下步骤:
S101:对样本图像或经预处理后的样本图像进行特征提取,得到每一个样本图像所对应的特征点集。本步骤特征提取方法,可以采用基于尺度不变的特征提取方法,如ORB,SIFT,SURF等。所述经预处理后的样本图像指经统一尺寸处理、冗余区域剔除、高斯模糊处理、仿射变换中的一种或多种方式预处理后的样本图像,预处理是为了提高检索精度。
S102:将特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息记录在图像检索数据库中对应样本图像的检索数据中,特征提取后,特征点数据记录到检索数据库中的顺序是随意的,特征描述信息可以为一个8字节的内容描述,特征点位置信息可以用二维坐标表示。
S103:根据每个特征点在图像区域内的位置信息,对每一个特征点集中的特征点进行空间排序,排序后使得空间位置较近的特征点排序后依然隔得较近。
S104:根据S103空间排序结果构建Delaunay三角形网络(该三角形网络具有唯一性,即对同一个点集进行构建,无论从哪个点开始都将得到一致的结果,同时对点集中的同一个子集进行删除操作,得到的三角网也是一致的),将构建好的Delaunay三角形网络的三角形序列数据记录在图像检索数据库中对应样本图像的检索数据中,所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。
步骤S103中所述空间排序可以为中值排序,所述中值排序指根据特征点在图像区域内的位置信息进行中值排序,具体为:将特征点集中特征点在x轴和y轴上直径最大/最小轴作为排序轴;计算构成该直径的两个特征点的中值,改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧,右侧点位于中值点右侧;然后对左侧点构成的点集和右侧点构成的点集进行上述递归处理,直到中值一侧特征点数量小于2。其中x轴直径指特征点集中,各特征点的x坐标,最大值与最小值之差的绝对值;y轴直径指特征点集中,各特征点的y坐标,最大值与最小值之差的绝对值,参见图2,为一个点集,包括如下7个点:[(-2,2)(2.5,-5)(2,1)(-4,-1.5)(-7.5,2.5)(7,2)(1,-2.5)],这7个点组成的点集的x轴直径为14,y轴直径为7.5,假设中值排序时以xy轴周直径中较大者为排序轴,则第一次排序时,以x轴作为排序轴,中值为0,将(-7.5,2.5)、(-2,2)、(-4,-1.5)三个点排在中值点左侧,其他四个点放在中值点右侧。然后对左侧点集和右侧点集进行递归处理,即对左右侧点集重新寻找xy轴中直径较大轴,计算构成该直径的两个特征点的中值,改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧,右侧点位于中值点右侧。
本实施例图像检索数据库生成方法,既可以在服务器端对大量样本图像进行处理生成对应的图像检索数据库,也能以添加的模式单张或成组地将新的样本图像数据添加进已有的检索数据库。针对不同应用需求,为了提高检索精度,可以对样本图像进行多种方式的预处理,包括统一尺寸处理、冗余区域剔除、高斯模糊处理、仿射变换等。
按照上述图像检索数据库生成方法,可生成本发明实施例中使用的一种专用图像检索数据库,该图像检索数据库存储于图像检索服务器端,图像检索数据库内存储有若干样本图像的检索数据,每一个样本图像的检索数据包括该样本图像的特征点集数据及由特征点集构建的Delaunay三角形网络的三角形序列数据;所述特征点集数据包括特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。本发明的后续结合图3至图7的实施例中所提及的图像检索数据库均为本实施例所述的专用图像检索数据库。
参见图3,为本发明实施例一种图像检索结果排错方法的第一流程示意图,所述图像检索是基于特征提取的图像检索,对目标图像进行特征提取时,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;图像检索结果指图像检索数据库中与目标图像满足匹配算法的一组或多组检索结果图像数据,图3所示的图像检索结果排错方法分别对每一个检索结果图像进行排错,包括如下步骤:
S201:根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系;
S202:根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标;
S203:根据坐标系转换后的坐标对目标图像匹配特征点集中的特征点进行空间排序,根据排序结果构建目标图像匹配特征点集所对应的Delaunay三角形网络;在本步骤中,特征点空间排序方式与检索图像数据库生成时样本图像特征点空间排序方式一致,例如:检索图像数据库生成时,样本图像的特征点排序方式为中值排序且以x,y轴直径中最大直径为排序轴,则本步骤中,对目标图像匹配特征点集中的特征点进行空间排序时,也需要按照同样的方式进行。
S204:从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到检索结果图像匹配点集合所对应的Delaunay三角形网络;
S205:将所述目标图像匹配特征点集对应的Delaunay三角形网络和检索结果图像匹配特征点集对应的Delaunay三角形网络进行比对,若两个三角形网络比对结果一致(所谓结果一致,即点对集合中对应的点对在两Delaunay三角形网络中处于同样的位置),则判定该图像检索结果正确;否则判定该图像检索结果错误。本发明实施例对图像匹配算法不做限定,只要基于特征提取的图像检索均可以采用本发明实施例方式进行检索结果排错。
在步骤S201中,计算出的目标图像与检索结果图像之间的姿态关系可用一个长度为6的向量来描述,记该向量为affine[6],步骤S202中根据affine[6]将目标图像的特征点集的坐标转换为结果图像坐标系中的坐标,公式如下:
Xr=Xo*affine[0]+Yo*affine[1]+affine[2]
Yr=Xo*affine[3]+Yo*affine[4]+affine[5]
其中(Xr,Yr)为目标图像的特征点在对应检索结果图像坐标系中的坐标,(Xo,Yo)为目标图像的特征点原始坐标。在步骤S203中,对(Xr,Yr)的点集合进行空间排序。
在图3所示的实施例中,由于按照整图匹配特征点集所构造的Delaunay三角形网络来进行比对排错,排错条件是非常严苛的,只要一组特征点匹配错误,则会将整个检索结果判断为错误。
在实际图像检索过程中,目标图像可能会存在画面扭曲等情况,在这种情况下,如果采用图3流程方法来排错,会造成排错误差过大。鉴于这种情况,本发明提出了改进方案。
参见图4,为本发明实施例一种图像检索结果排错方法的第二流程示意图,该排错方法是在图3示意的实施例上进行了改进,该图像检索结果排错方法包括如下步骤:
S301:根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系;
S302:根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标,转换方式与步骤S201中的转换方式一致。
S303:根据目标图像匹配特征点所对应的检索结果图像特征点在检索结果图像中所处的位置,对坐标系转换后的目标图像匹配特征点集进行子集划分,一般分成3*3的块至7*7的块,对9到49个块中的特征点子集集合以子集为单位进行后续步骤处理(即步骤S304至步骤S306中的处理过程均以子集为单位)避免特征点集合匹配对中由于各特征点子集姿态不同而导致计算排错结果误差过大。参见图5,左侧为检索结果图像,右侧为目标图像,二者匹配特征点对包括A A’,B B’,C C’,D D’,E E’,F F’,在对匹配特征点集划分子区域时,按照目标图像匹配特征点A’B’C’D’E’F’所对应的检索结果图像特征点A B C D E F在检索结果图像中所处的位置进行子集划分,如图5,A’B’C’D’四点对应的匹配特征点A B C D在检索结果图像中位于同一区域快中,E’F’两点对应的匹配特征点E F在检索结果图像中位于同一区域快中,因此A’B’C’D’四个点在目标图像匹配特征点中被划分到同一个目标图像子集,E’F’两个点在目标图像匹配特征点中被划分到另一个目标图像子集,同样在检索结果图像中,A B C D四点被划分到同一个检索结果图像子集,E F被划分到同一个检索结果图像子集。一个目标图像子集对应一个检索结果图像子集,相互对应的目标图像子集和检索结果图像子集合称一个子集对,一个子集对中,目标图像子集中的特征点完全与检索结果图像子集中的特征点匹配,例如A’B’C’D’四个点构成的目标图像子集与A B C D四点构成的检索结果图像子集合称一个子集对。在本步骤中,之所以选择根据目标图像匹配特征点所对应的检索结果图像特征点在检索结果图像中所处的位置,对坐标系转换后的目标图像匹配特征点集进行子集划分,是因为图像检索是以数据库中存储的样本图像作为比对基础,样本图像是一个完整图像,而目标图像在拍摄过程中,可能存在不是完全图像等情况(即只拍了整图的一部分),若以目标图像作为子集划分基础,出现误差可能性较大。
S304:对每一个目标图像子集中的特征点按坐标系转换后的坐标进行空间排序,根据排序结果为每一个目标图像子集构建一个Delaunay三角形网络;在本步骤中,特征点空间排序方式与检索图像数据库生成时样本图像特征点空间排序方式一致。
S305:从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到匹配点对集合中各检索结果图像子集所对应的Delaunay三角形网络;
S306:将各子集对所对应的上述两个Delaunay三角形网络进行比对(这里所说的上述两个Delaunay三角形网络指步骤S304和S305中分别得到的各子集对所对应的两个Delaunay三角形网络),若超过预设比例的子集对满足两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。本步骤中,预设比较可根据实际情况自由设置,设置范围优选在1/3至1/6之间,假设:预设比较设置为2/3,此时,若超过2/3的子集对满足两个三角形网络比对结果一致,则判定图像检索结果正确。
采用图4流程方法,能有效降低扭曲图像对检索结果的影响,进一步提高检索结果准确率。图4实施例对图像匹配算法不做限定,只要基于特征提取的图像检索均可以采用本发明实施例方式进行检索结果排错。
参见图6,为本发明实施例一种图像检索服务器的第一结构示意图,包括图像检索数据库10和图像匹配模块11,所述图像检索数据库10为前述实施例中所述的专用图像检索数据库;所述图像匹配模块11,用于接收来自客户端的检索请求,并根据设定的匹配算法将检索请求中包含的目标图像数据在图像检索数据库中进行匹配,得到一组或多组与目标图像满足匹配算法的检索结果图像数据;
所述检索服务器还包括排错模块12,所述排错模块12包括:
姿态计算及坐标系转换单元121,用于根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系,并根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标;
三角形网络构建单元122,用于根据坐标系转换后的坐标对目标图像匹配特征点集中的特征点进行空间排序(排序方式与图像检索数据库生成时采用的排序方式一致),根据排序结果构建目标图像匹配特征点集对应的Delaunay三角形网络;
判断单元123,用于从图像检索数据库10中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到检索结果图像匹配点集合所对应的Delaunay三角形网络,并将该Delaunay三角形网络与三角形网络构建单元122所构建的目标图像匹配特征点集对应的Delaunay三角形网络进行比对,若两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
参见图7,为本发明实施例一种图像检索服务器的第二结构示意图,该图像检索服务器结构与图6的区别在于,排错模块12结构不同,本实施例中,所述排错模块12内增加了一个子集划分单元124,另外三角形网络构建单元125及判断单元126功能也与图6中对应单元功能有所不同,具体如下:
图7中姿态计算与坐标系转换单元121与图6中姿态计算及坐标系转换单元功能完全一致,用于根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系,并根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标;
子集划分单元124,用于根据目标图像匹配特征点所对应的检索结果图像特征点在检索结果图像中所处的位置,对坐标系转换后的目标图像匹配特征点集进行子集划分,子集划分详细描述参见对图5描述部分;
三角形网络构建单元125,用于对每一个目标图像子集中的特征点按坐标系转换后的坐标进行空间排序(排序方式与图像检索数据库生成时采用的排序方式一致),根据排序结果为每一个目标图像子集构建一个Delaunay三角形网络;
判断单元126,用于从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到匹配点对集合中各检索结果图像子集所对应的Delaunay三角形网络,并将各子集对所对应的上述两个Delaunay三角形网络进行比对,若超过预设比例的子集对满足两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
下面结合图8至图11,以在线生成目标图像和检索结果图像对应的Delaunay三角形网络均为例,介绍本发明具体实施方式。在本说明书后面段落中,结合图8至图11介绍的实施例中所提及的图像检索数据库为常规图像检索数据库,其内不需要预先存储样本图像的Delaunay三角形网络数据,只需要存储样本图像的特征点集数据,每一个样本图像的特征点集数据包括特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息。
参见图8,为本发明实施例一种图像检索结果排错方法的第三流程示意图,所述图像检索同样是基于特征提取的图像检索,对目标图像进行特征提取时,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;图像检索结果指图像检索数据库中与目标图像满足匹配算法的一组或多组检索结果图像数据,图8所示的图像检索结果排错方法分别对每一个检索结果图像进行排错,包括如下步骤:
S401:根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系;
S402:根据计算出的姿态关系,将目标图像和检索结果图像匹配特征点集的坐标转换到同一坐标系中,具体实施时:可以是将目标图像匹配特征点集的坐标转换到检索结果图像坐标系中,也可以是将检索结果图像匹配特征点集的坐标转换到目标图像坐标系中,坐标系转换方式参考前述实施例中对步骤S201的描述。
S403:在转换后的坐标系中分别对目标图像匹配特征点集和检索结果图像匹配特征点集进行Delaunay三角剖分,得到目标图像对应的Delaunay三角形网络和检索结果图像对应的Delaunay三角形网络。Delaunay三角剖分具体为:分别对目标图像匹配特征点集和检索结果图像特征点集中的特征点,按坐标系转换后的坐标进行空间排序,并根据排序结果构建各自对应的Delaunay三角形网络,所述空间排序可以为中值排序,中值排序的具体方法参考前面实施例中步骤S103中对中值排序的描述。
S404:将上述两个Delaunay三角形网络进行比对,若两个三角形网络比对结果一致(所谓结果一致,即点对集合中对应的点对在两Delaunay三角形网络中处于同样的位置),则判定该图像检索结果正确;否则判定该图像检索结果错误。本发明实施例对图像匹配算法不做限定,只要基于特征提取的图像检索均可以采用本发明实施例方式进行检索结果排错。
参见图9,为本发明实施例一种图像检索结果排错方法的第四流程示意图,该排错方法是在图8示意的实施例上进行了改进,图8示意的方法流程是分别对目标图像和检索结果图像的匹配特征点集整体做一个Delaunay三角形剖分,而图9示意的方法流程是先对目标图像和检索结果图像的匹配特征点集做一个子集划分,然后分别对各子集进行Delaunay三角形剖分,最后用用子集对所对应的Delaunay三角形网络进行比对,图9排错流程具体包括如下步骤:
S501:根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系;
S502:根据计算出的姿态关系,将目标图像和检索结果图像匹配特征点集的坐标转换到同一坐标系中,同样,具体实施时:可以是将目标图像匹配特征点集的坐标转换到检索结果图像坐标系中,也可以是将检索结果图像匹配特征点集的坐标转换到目标图像坐标系中,坐标系转换方式参考前述实施例中对步骤S201的描述。
S503:根据检索结果图像匹配特征点在检索结果图像中所处的位置信息,对匹配特征点对集合进行子集划分,得到若干匹配特征点对子集,每一个匹配特征点对子集包括一个目标图像匹配特征点子集和一个检索结果图像匹配特征点子集,具体子集划分方式可结合图5,参考S303步骤中子集划分描述,在S503中子集划分方式与步骤S303实质一致,只是描述时方式稍微有所不同。
S504:在转换后的坐标系中,分别对每一个目标图像匹配特征点子集和检索结果图像匹配特征点子集进行Delaunay三角剖分,得到对应的Delaunay三角形网络;本步骤中,对每一个子集进行Delaunay三角剖分,具体为:对每一个子集中的特征点按坐标转换后的坐标进行空间排序,根据排序结果为每一个子集构建一个Delaunay三角形网络,所述空间排序可以为中值排序,中值排序的具体方法参考前面实施例中步骤S103中对中值排序的描述。
S505:将各匹配特征点对子集对应的两个Delaunay三角形网络(一个目标图像子集对应的Delaunay三角形网络和一个检索结果图像子集对应的Delaunay三角形网络)进行比对,若超过预设比例的匹配特征点对子集满足两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。本步骤中,预设比较可根据实际情况自由设置,设置范围优选在1/3至1/6之间,假设:预设比较设置为2/3,此时,若超过2/3的子集对满足两个三角形网络比对结果一致,则判定图像检索结果正确。
参见图10,为本发明实施例一种图像检索服务器第三结构示意图,包括图像检索数据库20和匹配模块21,所述图像检索数据库20中存储有若干样本图像的特征点集数据,每一个样本图像的特征点集数据包括特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;所述匹配模块21,用于接收来自客户端的检索请求,并根据设定的匹配算法将检索请求中包含的目标图像数据在图像检索数据库中进行匹配,得到一组或多组与目标图像满足匹配算法的检索结果图像数据,所述图像检索服务器还包括排错模块22,所述排错模块22包括姿态计算及坐标系转换单元221、三角形网络构建单元222和判断单元223,其中:
所述姿态计算及坐标系转换单元221,用于根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系,并根据计算出的姿态关系,将目标图像和检索结果图像匹配特征点集的坐标转换到同一坐标系中,具体实施时:可以是将目标图像匹配特征点集的坐标转换到检索结果图像坐标系中,也可以是将检索结果图像匹配特征点集的坐标转换到目标图像坐标系中,坐标系转换方式参考前述实施例中对步骤S201的描述。
所述三角形网络构建单元222,用于在转换后的坐标系中分别对目标图像匹配特征点集和检索结果图像匹配特征点集进行Delaunay三角剖分,得到目标图像对应的Delaunay三角形网络和检索结果图像对应的Delaunay三角形网络。Delaunay三角剖分具体为:分别对目标图像匹配特征点集和检索结果图像特征点集中的特征点,按坐标系转换后的坐标进行空间排序,并根据排序结果构建各自对应的Delaunay三角形网络,所述空间排序可以为中值排序,中值排序的具体方法参考前面实施例中步骤S103中对中值排序的描述。
所述判定单元223,用于将上述两个Delaunay三角形网络进行比对,若两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
参见图11,为本发明实施例一种图像检索服务器第四结构示意图,该图像检索服务器结构与图10的区别在于,排错模块22结构不同,本实施例中,所述排错模块22内增加了一个子集划分单元224,另外三角形网络构建单元225及判断单元226功能也与图10中对应单元功能有所不同,具体如下:
所述姿态计算及坐标系转换单元221与图10中姿态计算与坐标系转换单元功能完全一致,用于根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系,并根据计算出的姿态关系,将目标图像和检索结果图像匹配特征点集的坐标转换到同一坐标系中。同样,具体实施时:可以是将目标图像匹配特征点集的坐标转换到检索结果图像坐标系中,也可以是将检索结果图像匹配特征点集的坐标转换到目标图像坐标系中,坐标系转换方式参考前述实施例中对步骤S201的描述。
所述子集划分单元224,用于根据检索结果图像匹配特征点在检索结果图像中所处的位置信息,对匹配特征点对集合进行子集划分,得到若干匹配特征点对子集,每一个匹配特征点对子集包括一个目标图像匹配特征点子集和一个检索结果图像匹配特征点子集,具体子集划分方式可结合图5,参考S303步骤中子集划分描述,在S503中子集划分方式与步骤S303实质一致,只是描述时方式稍微有所不同。
所述三角形网络构建单元225,用于在转换后的坐标系中,分别对每一个目标图像匹配特征点子集和检索结果图像匹配特征点子集进行Delaunay三角剖分,得到对应的Delaunay三角形网络。对每一个子集进行Delaunay三角剖分,具体为:对每一个子集中的特征点按坐标转换后的坐标进行空间排序,根据排序结果为每一个子集构建一个Delaunay三角形网络,所述空间排序可以为中值排序,中值排序的具体方法参考前面实施例中步骤S103中对中值排序的描述。
所述判定单元226,用于将各匹配特征点对子集对应的两个Delaunay三角形网络进行比对,若超过预设比例的匹配特征点对子集满足两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。预设比较可根据实际情况自由设置,设置范围优选在1/3至1/6之间,假设:预设比较设置为2/3,此时,若超过2/3的子集对满足两个三角形网络比对结果一致,则判定图像检索结果正确。
本发明实施例还提供了一种图像检索方法,包括如下步骤:
S601:获取目标图像;
S602:对目标图像或经预处理后的目标图像进行特征提取,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息,所述经预处理后的样本图像指经统一尺寸处理、冗余区域剔除、高斯模糊处理、仿射变换中的一种或多种方式预处理后的样本图像。
S603:将提取出来的特征数据发送到图像检索服务器进行图像检索,得到一个或多个与目标图像初步匹配的检索结果图像;
S604:对初步匹配的检索结果图像,采用本发明实施例中任一种图像检索结果排错方法对检索结果进行排错。
本发明实施例还提供了一种图像检索***,包括图像检索客户端和图像检索服务器,所述图像检索客户端安装于移动终端上,所述图像检索服务器为图6、图7、图10和图11中任一图所示意的图像检索服务器;所述图像检索客户端包括图像获取模块、特征提取模块、检索请求发送模块和检索结果接收模块,其中:所述图像获取模块,用于获取目标图像;所述特征提取模块,用于对目标图像进行特征提取,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;所述检索请求发送模块,用于将特征提取模块提取出来的特征数据发送到图像检索服务器进行图像检索;所述检索结果接收模块,用于接收从图像检索服务器返回的检索结果信息。
本发明实施例中所述模块或单元,可以通过通用集成电路,例如CPU(CentralProcessing Unit,中央处理器),或通过ASIC(Application SpecificIntegratedCircuit,专用集成电路)来实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (12)
1.一种图像检索数据库生成方法,其特征在于,包括:
对样本图像或经预处理后的样本图像进行特征提取,得到每一个样本图像所对应的特征点集,将特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息记录在图像检索数据库中对应样本图像的检索数据中;
根据每个特征点在图像区域内的位置信息,对每一个特征点集中的特征点进行空间排序;
根据空间排序结果构建Delaunay三角形网络,将构建好的Delaunay三角形网络的三角形序列数据记录在图像检索数据库中对应样本图像的检索数据中,所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。
2.如权利要求1所述的方法,其特征在于,所述空间排序指根据特征点集中各特征点在图像区域内的位置信息进行中值排序,具体为:
将特征点集中特征点在x轴和y轴上直径最大/最小轴作为排序轴;
计算构成该直径的两个特征点的中值,改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧,右侧点位于中值点右侧;
然后对左侧点构成的点集和右侧点构成的点集进行上述递归处理,直到中值一侧特征点数量小于2。
3.一种图像检索数据库,其特征在于,图像检索数据库内存储有若干样本图像的检索数据,每一个样本图像的检索数据包括该样本图像的特征点集数据及由特征点集构建的Delaunay三角形网络的三角形序列数据;所述特征点集数据包括特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。
4.一种图像检索结果排错方法,所述图像检索是基于特征提取的图像检索,对目标图像进行特征提取时,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;图像检索结果指图像检索数据库中与目标图像满足匹配算法的一组或多组检索结果图像数据,其特征在于,所述图像检索结果排错方法分别对每一个检索结果图像进行排错,包括:
根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系;
根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标,并根据坐标系转换后的坐标对目标图像匹配特征点集中的特征点进行空间排序,根据排序结果构建目标图像匹配特征点集对应的Delaunay三角形网络;
从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到检索结果图像匹配点集合所对应的Delaunay三角形网络;
将所述目标图像匹配特征点集对应的Delaunay三角形网络和检索结果图像匹配特征点集对应的Delaunay三角形网络进行比对,若两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
5.如权利要求4所述的方法,其特征在于,所述空间排序指中值排序,包括:
将特征点集中特征点在x轴和y轴上直径最大/最小轴作为排序轴;
计算构成该直径的两个特征点的中值,改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧,右侧点位于中值点右侧;
然后对左侧点构成的点集和右侧点构成的点集进行上述递归处理,直到中值一侧特征点数量小于2。
6.如权利要求4或5所述的方法,其特征在于,所述方法包括预先在图像检索数据库中存储若干样本图像的检索数据,每一个样本图像的检索数据包括该样本图像的特征点集数据及由特征点集构建的Delaunay三角形网络的三角形序列数据;所述特征点集数据包括特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。
7.一种图像检索结果排错方法,所述图像检索是基于特征提取的图像检索,对目标图像进行特征提取时,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;图像检索结果指图像检索数据库中与目标图像满足匹配算法的一组或多组检索结果图像数据,其特征在于,所述图像检索结果排错方法分别对每一个检索结果图像进行排错,包括:
根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系;
根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标;
根据目标图像匹配特征点所对应的检索结果图像特征点在检索结果图像中所处的位置,对坐标系转换后的目标图像匹配特征点集进行子集划分;
对每一个目标图像子集中的特征点按坐标系转换后的坐标进行空间排序,根据排序结果为每一个目标图像子集构建一个Delaunay三角形网络;
从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到匹配点对集合中各检索结果图像子集所对应的Delaunay三角形网络;
将各子集对所对应的上述两个Delaunay三角形网络进行比对,若超过预设比例的子集对满足两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
8.如权利要求7所述的方法,其特征在于,所述空间排序指中值排序,包括:
将特征点集中特征点在x轴和y轴上直径最大/最小轴作为排序轴;
计算构成该直径的两个特征点的中值,改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧,右侧点位于中值点右侧;
然后对左侧点构成的点集和右侧点构成的点集进行上述递归处理,直到中值一侧特征点数量小于2。
9.如权利要求7或8所述的方法,其特征在于,所述方法包括预先在图像检索数据库中存储若干样本图像的检索数据,每一个样本图像的检索数据包括该样本图像的特征点集数据及由特征点集构建的Delaunay三角形网络的三角形序列数据;所述特征点集数据包括特征点集中每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;所述三角形序列数据包括每个三角形对应的三个点和三条边的序号。
10.一种图像检索服务器,包括图像检索数据库和图像匹配模块,其特征在于,所述图像检索数据库为权利要求4所述的图像检索数据库;所述图像匹配模块,用于接收来自客户端的检索请求,并根据设定的匹配算法将检索请求中包含的目标图像数据在图像检索数据库中进行匹配,得到一组或多组与目标图像满足匹配算法的检索结果图像数据;
所述检索服务器还包括排错模块,所述排错模块包括:
姿态计算及坐标系转换单元,用于根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系,并根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标;
三角形网络构建单元,用于根据坐标系转换后的坐标对目标图像匹配特征点集中的特征点进行空间排序,根据排序结果构建目标图像匹配特征点集对应的Delaunay三角形网络;
判断单元,用于从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络;将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到检索结果图像匹配点集合所对应的Delaunay三角形网络,并将该Delaunay三角形网络与目标图像匹配特征点集对应的Delaunay三角形网络进行比对;若两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
11.一种图像检索服务器,包括图像检索数据库、图像匹配模块和检索结果信息返回模块,其特征在于,所述图像检索数据库为权利要求4所述的图像检索数据库;所述匹配模块,用于接收来自客户端的检索请求,并根据设定的匹配算法将检索请求中包含的目标图像数据在图像检索数据库中进行匹配,得到一组或多组与目标图像满足匹配算法的检索结果图像数据;
所述检索服务器还包括排错模块,所述排错模块包括:
姿态计算及坐标系转换单元,用于根据图像检索结果,利用匹配特征点对集合的尺度和方向信息计算目标图像与每一个检索结果图像之间的姿态关系,并根据计算出的姿态关系,将目标图像匹配特征点集的坐标转换为检索结果图像坐标系中的坐标;
子集划分单元,用于根据目标图像匹配特征点所对应的检索结果图像特征点在检索结果图像中所处的位置,对坐标系转换后的目标图像匹配特征点集进行子集划分;
三角形网络构建单元,用于对每一个目标图像子集中的特征点按坐标系转换后的坐标进行空间排序,根据排序结果为每一目标图像个子集构建一个Delaunay三角形网络;
判断单元,用于从图像检索数据库中获取检索结果图像所对应的Delaunay三角形网络,将未匹配上的特征点子集在该Delaunay三角形网络中删除,得到匹配点对集合中各检索结果图像子集所对应的Delaunay三角形网络,并将各子集对所对应的上述两个Delaunay三角形网络进行比对,若超过预设比例的子集对满足两个三角形网络比对结果一致,则判定该图像检索结果正确;否则判定该图像检索结果错误。
12.一种图像检索***,包括图像检索客户端和图像检索服务器,其特征在于:
所述图像检索服务器为权利要求10或11所述的图像检索服务器;
所述图像检索客户端包括图像获取模块、特征提取模块、检索请求发送模块和检索结果接收模块,其中:
所述图像获取模块,用于获取目标图像;
所述特征提取模块,用于对目标图像进行特征提取,提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息;
所述检索请求发送模块,用于将特征提取模块提取出来的特征数据发送到图像检索服务器进行图像检索;
所述检索结果接收模块,用于接收从图像检索服务器返回的检索结果信息。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510968120.5A CN106909539A (zh) | 2015-12-22 | 2015-12-22 | 图像检索***、服务器、数据库及相关的方法 |
PCT/CN2016/110341 WO2017107865A1 (zh) | 2015-12-22 | 2016-12-16 | 图像检索***、服务器、数据库及相关的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510968120.5A CN106909539A (zh) | 2015-12-22 | 2015-12-22 | 图像检索***、服务器、数据库及相关的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106909539A true CN106909539A (zh) | 2017-06-30 |
Family
ID=59089035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510968120.5A Pending CN106909539A (zh) | 2015-12-22 | 2015-12-22 | 图像检索***、服务器、数据库及相关的方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106909539A (zh) |
WO (1) | WO2017107865A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109288586A (zh) * | 2018-10-09 | 2019-02-01 | 陈功 | 一种基于骨科手术导航的控制*** |
CN114003743A (zh) * | 2021-07-30 | 2022-02-01 | 浙江创邻科技有限公司 | 基于安平***的图数据库***、构建方法、设备及介质 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537287A (zh) * | 2018-04-18 | 2018-09-14 | 北京航空航天大学 | 基于图模型的图像闭环检测方法及装置 |
CN109857893A (zh) * | 2019-01-16 | 2019-06-07 | 平安科技(深圳)有限公司 | 图片检索方法、装置、计算机设备及存储介质 |
CN110826452B (zh) * | 2019-10-30 | 2024-07-16 | 平安科技(深圳)有限公司 | 一种掌纹验证方法、装置、计算机设备及可读存储介质 |
CN111046906B (zh) * | 2019-10-31 | 2023-10-31 | 中国资源卫星应用中心 | 一种面状特征点可靠加密匹配方法和*** |
CN115578451B (zh) * | 2022-09-30 | 2024-01-23 | 北京百度网讯科技有限公司 | 图像处理方法、图像处理模型的训练方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620677A (zh) * | 2009-03-11 | 2010-01-06 | 刘鸣宇 | 一种基于三角剖分与lod技术的指纹识别方法 |
CN104392434A (zh) * | 2014-11-05 | 2015-03-04 | 浙江工业大学 | 一种基于三角形约束的图像匹配扩散方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1272731C (zh) * | 2003-12-30 | 2006-08-30 | 上海交通大学 | 面向海量空间信息的地图浏览器实现方法 |
CN101727452B (zh) * | 2008-10-22 | 2012-09-19 | 富士通株式会社 | 图像处理方法和设备 |
CN101719140B (zh) * | 2009-12-23 | 2012-04-18 | 中山大学 | 一种图形检索方法 |
-
2015
- 2015-12-22 CN CN201510968120.5A patent/CN106909539A/zh active Pending
-
2016
- 2016-12-16 WO PCT/CN2016/110341 patent/WO2017107865A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620677A (zh) * | 2009-03-11 | 2010-01-06 | 刘鸣宇 | 一种基于三角剖分与lod技术的指纹识别方法 |
CN104392434A (zh) * | 2014-11-05 | 2015-03-04 | 浙江工业大学 | 一种基于三角形约束的图像匹配扩散方法 |
Non-Patent Citations (2)
Title |
---|
石丹丹: ""基于特征点空间关系的图像检索技术研究"", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
闫自庚等: ""基于SURF特征和Delaunay三角网格的图像匹配"", 《自动化学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109288586A (zh) * | 2018-10-09 | 2019-02-01 | 陈功 | 一种基于骨科手术导航的控制*** |
CN114003743A (zh) * | 2021-07-30 | 2022-02-01 | 浙江创邻科技有限公司 | 基于安平***的图数据库***、构建方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2017107865A1 (zh) | 2017-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106909539A (zh) | 图像检索***、服务器、数据库及相关的方法 | |
CN109816012B (zh) | 一种融合上下文信息的多尺度目标检测方法 | |
US8798357B2 (en) | Image-based localization | |
CN103336957B (zh) | 一种基于时空特征的网络同源视频检测方法 | |
CN104182974B (zh) | 一种基于特征点进行图像匹配的加速方法 | |
WO2021052283A1 (zh) | 处理三维点云数据的方法和计算设备 | |
CN106909552A (zh) | 图像检索服务器、***、相关检索及排错方法 | |
CN101645091A (zh) | 图像数据压缩方法、图像处理中的图案模型定位方法,图像处理设备,图像处理程序和计算机可读记录介质 | |
CN106373118A (zh) | 可有效保留边界和局部特征的复杂曲面零件点云精简方法 | |
CN103489200A (zh) | 图像处理装置及图像处理方法 | |
CN104951562B (zh) | 一种基于vlad双重自适应的图像检索方法 | |
CN106156281A (zh) | 基于Hash‑Cube空间层次划分结构的最近邻点集快速检索方法 | |
US20200005078A1 (en) | Content aware forensic detection of image manipulations | |
CN102663733B (zh) | 基于特征组对的特征点匹配方法 | |
CN114783068A (zh) | 姿态识别方法、装置、电子装置和存储介质 | |
CN104050675A (zh) | 基于三角形描述的特征点匹配方法 | |
CN105844647A (zh) | 一种基于颜色属性的核相关目标跟踪方法 | |
US20200034691A1 (en) | Class level artificial neural network | |
CN110427506B (zh) | 空间数据边界处理方法、装置、计算机设备及存储介质 | |
CN108564116A (zh) | 一种摄像头场景图像的成分智能分析方法 | |
CN117495891B (zh) | 点云边缘检测方法、装置和电子设备 | |
CN111104922B (zh) | 一种基于有序抽样的特征匹配算法 | |
CN113159103A (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
CN108536769B (zh) | 图像分析方法、搜索方法及装置、计算机装置及存储介质 | |
CN113065604B (zh) | 一种基于dtw-dbscan算法的空中目标分群方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170630 |