如下：
[0096] 步骤111，采用步骤10中步骤101~步骤105相同步骤，获得待匹配特征点的空间 关系编码，记为mbs(i) (0 <i〈D);
[0097] 步骤112,记录Dmbs为mbs( ?)中不等于-1的元素个数，Ddbs为dbs( ?)中不等 于-1的元素个数，二者中较小值记录为validlen，称为有效编码长度；
[0098] 步骤113,构建空间关系矩阵dr( ?，?）。依次比较mbs(i)(0彡i〈Dmbs)与dbs(j) (0彡j〈Ddbs)中的元素，如果视觉关键词mbs(i)与dbs(j)相等，则将关系矩阵元素dr(i，j) (0彡i〈Dnbs,0彡j〈Ddbs)记为1，否则记为0;
[0099] 步骤114,从上而下，从左向右，在符合距离顺序关系（下行"1"出现的水平位置 在上一行"1"出现位置的右侧）前提下，扫描关系矩阵中的元素，构建由元素"1"构成的阶 梯，称为同序阶梯，阶梯数称为同序长度，参看图2;
[0100] 步骤115,选择阶梯数最大的阶梯，其阶梯数称为最长同序长度，记为maxlen(注 意：上一步骤中每行仅需选择最左边的"1"开始扫描，由其他"1"开始扫描生成的同序阶梯 长度不可能为最大同序长度）；
[0101] 步骤116,计算Sims=maxlen/validlen，作为待匹配点与候选特征点的空间关系 编码相似度的相似程度
[0102] 步骤117,按照下述公式融合特征点视觉相似度及空间关系编码相似度，获得两个 特征点的最终相似程度：
[0103]Sim=(人?simv+sims) ?w
[0104] 其中，Simv为所述待匹配视频/图像特征点基于特征描述子的视觉相似度，SimsS 所述待匹配视频/图像特征点基于特征描述子的空间关系编码相似度，w为该特征点在整 个视频图像匹配中的权重，A(〇. 01彡A彡〇. 99)为描述子距离相对于空间关系距离的重 要程度，可根据实际应用予以调整，通常设置为0. 1。
[0105] 以下为本发明的实施例，如下所示：
[0106] 图1特征点空间关系编码示例1)设当前特征点为0,获取其尺度因子〇，从而确 定其以〇为中心，半径为?的邻域空间；2)获取周围特征点与其距离，并获取其邻域空间内 特征点对应的视觉关键词；3).按照特征点距离对视觉关键词排序，获得点0的空间关系编 码为"BEDCA-1-1-1-1-1-1-1-1-1-1-1"（假设编码维度为16)。（为便于区分，关键词编码 使用字母表示，实际上是32位整数，下同。）
[0107] 图2空间关系编码的距离计算示例1)生成序列"BABCDBEF-1-1-1-1-1-1-1-1"与 "ABACBCXDFECDAFHG"的关系矩阵（编码维度为16, -1不需要参数空间编码距离计算），二 者长度较小者为有效编码长度，为8 ;2)多次扫描产生同序阶梯，确定最长同序长度（图中 生成蓝、红、黄3个同序阶梯，其中蓝色同序阶梯的阶梯数最多，则最大同序长度为7)，计算 获得空间编码的相似度为7/8 = 0. 875。
【主权项】
1. 一种适用于视频/图像局部特征的空间关系匹配方法，其特征在于，包括： 步骤1，获取所述视频/图像的所有视频/图像特征点与所述视频/图像特征点的属性 信息，根据所述视频/图像特征点与所述属性信息，获取所有所述视频/图像特征点的尺度 信息，通过所述尺度信息，确定每个所述视频/图像特征点的局部邻域空间，获取所述局部 邻域空间内所有所述视频/图像特征点的视觉关键词编码，对所述视觉关键词编码进行量 化处理，生成新视觉关键词编码，对所述新视觉关键词编码进行排序，生成所述视频/图像 特征点的空间关系编码； 步骤2,比较待匹配视频/图像特征点与所述视频/图像特征点的空间关系编码，构建 关系矩阵，计算所述关系矩阵中所述待匹配视频/图像特征点与所述视频/图像特征点空 间关系编码相似度，融合所述待匹配视频/图像特征点与所述视频/图像特征点的视觉相 似度及空间关系编码相似度，以完成空间关系匹配。2. 如权利要求1所述的适用于视频/图像局部特征的空间关系匹配方法，其特征在于， 所述步骤1包括计算视频图像特征点之间的位置距离，公式为：其中ro(i，j)为位置距离，i、j为视频/图像特征点，x( ?)，y( ?)分别为视频/图像 特征点在视频/图像中水平和垂直方向的位置坐标； 计算邻域空间因子s，公式为：其中〇为所述尺度信息。3. 如权利要求1或2所述的适用于视频/图像局部特征的空间关系匹配方法，其特 征在于，还包括所述邻域空间是以所述视频/图像特征点为中心，半径为a?s的圆，其中 1彡a彡2,a为缩放系数。4. 如权利要求1所述的适用于视频/图像局部特征的空间关系匹配方法，其特征在于， 所述步骤2包括： 步骤201，所述关系矩阵中，若待匹配视频/图像特征点与所述视频/图像特征点的视 觉关键词相同，则矩阵元素设置为z，否则设置为h; 步骤202,从左向右，从上而下，在符合距离顺序关系前提下，扫描关系矩阵中的元素， 构建由元素z构成的阶梯，阶梯数称为同序长度，所述同序长度最大的阶梯数为最长同序 长度； 步骤203.计算最长同序长度与有效编码长度的比值作为所述待匹配视频/图像特征 点与所述视频图像特征点的空间关系编码的相似度。5. 如权利要求4所述的适用于视频/图像局部特征的空间关系匹配方法，其特征在于， 通过如下公式融合特征点视觉相似度及空间关系编码相似度： Sim=(入?simv+sims) ?w 其中Sim最终相似度，Simv为所述待匹配视频/图像特征点基于特征描述子的视觉相 似度，Sims为所述待匹配视频/图像特征点基于特征描述子的空间关系编码相似度，w为所 述待匹配视频/图像特征点在整个视频图像匹配中的权重，A为特征描述子距离相对于空 间关系距离的重要程度。6. -种适用于视频/图像局部特征的空间关系匹配系统，其特征在于，包括： 生成空间关系编码模块，用于获取所述视频/图像的所有视频/图像特征点与所述视 频/图像特征点的属性信息，根据所述视频/图像特征点与所述属性信息，获取所有所述视 频/图像特征点的尺度信息，通过所述尺度信息，确定每个所述视频/图像特征点的局部邻 域空间，获取所述局部邻域空间内所有所述视频/图像特征点的视觉关键词编码，对所述 视觉关键词编码进行量化处理，生成新视觉关键词编码，对所述新视觉关键词编码进行排 序，生成所述视频/图像特征点的空间关系编码； 空间关系匹配模块，用于比较待匹配视频/图像特征点与所述视频/图像特征点的空 间关系编码，构建关系矩阵，计算所述关系矩阵中所述待匹配视频/图像特征点与所述视 频/图像特征点空间关系编码相似度，融合所述待匹配视频/图像特征点与所述视频/图 像特征点的视觉相似度及空间关系编码相似度，以完成空间关系匹配。7. 如权利要求6所述的适用于视频/图像局部特征的空间关系匹配系统，其特征在于， 所述生成空间关系编码模块包括计算视频图像特征点之间的位置距离，公式为：其中ro(i，j)为位置距离，i、j为视频/图像特征点，x( ?)，y( ?)分别为视频/图像 特征点在视频/图像中水平和垂直方向的位置坐标； 计算邻域空间因子s，公式为：其中〇为所述尺度信息。8. 如权利要求6或7所述的适用于视频/图像局部特征的空间关系匹配系统，其特 征在于，还包括所述邻域空间是以所述视频/图像特征点为中心，半径为a?s的圆，其中 1彡a彡2,a为缩放系数。9. 如权利要求6所述的适用于视频/图像局部特征的空间关系匹配系统，其特征在于， 所述空间关系匹配模块包括： 所述关系矩阵中，若待匹配视频/图像特征点与所述视频/图像特征点的视觉关键词 相同，则矩阵元素设置为z，否则设置为h; 从左向右，从上而下，在符合距离顺序关系前提下，扫描关系矩阵中的元素，构建由元 素z构成的阶梯，阶梯数称为同序长度，所述同序长度最大的阶梯数为最长同序长度； 计算最长同序长度与有效编码长度的比值作为所述待匹配视频/图像特征点与所述 视频图像特征点的空间关系编码的相似度。10. 如权利要求9所述的适用于视频/图像局部特征的空间关系匹配系统，其特征在 于，通过如下公式融合特征点视觉相似度及空间关系编码相似度： Sim=(入?simv+sims) ?w 其中Sim最终相似度，Simv为所述待匹配视频/图像特征点基于特征描述子的视觉相 似度，Sims为所述待匹配视频/图像特征点基于特征描述子的空间关系编码相似度，w为所 述待匹配视频/图像特征点在整个视频图像匹配中的权重，A为特征描述子距离相对于空 间关系距离的重要程度。
【专利摘要】本发明提出一种适用于视频/图像局部特征的空间关系匹配方法及系统，该方法包括获取所有所述视频/图像特征点的尺度信息，确定每个所述视频/图像特征点的局部邻域空间，获取所述局部邻域空间内所有所述视频/图像特征点的视觉关键词编码，对所述视觉关键词编码进行量化处理，生成新视觉关键词编码，对所述新视觉关键词编码进行排序，生成所述视频/图像特征点的空间关系编码；比较待匹配视频/图像特征点与所述视频/图像特征点的空间关系编码，构建关系矩阵，计算所述关系矩阵中所述待匹配视频/图像特征点与所述视频/图像特征点空间关系编码相似度，融合所述待匹配视频/图像特征点与所述视频/图像特征点的视觉相似度及空间关系编码相似度。
【IPC分类】G06F17/30
【公开号】CN105224619
【申请号】CN201510599948
【发明人】张冬明, 靳国庆, 袁庆升, 张勇东, 包秀国
【申请人】中国科学院计算技术研究所
【公开日】2016年1月6日
【申请日】2015年9月18日