文档介绍：计算机视觉中的图匹配方法研究
张新强 摘 要:计算机视觉在各行各业得到广泛的运用,在图片转化中常常会使用到图匹配的方式来降低误差,提升视觉效果。通过将两张或两张以上的图进行对比分析,来提高计算机视觉分析的精密度和准确性。在长法的分工,因此,在图形匹配时,计算机系统会自动使用不同搜索方案进行配对,通过对不同结果进行分析,用大数据分析的方法择优使用最佳方案。
3 现阶段计算机视觉中主要的图匹配方法
目前而言,计算机视觉中的图匹配方法主要有以下3种,即谱方法、双随机约束松弛法、稀疏约束松弛法。在实际匹配过程中,合理地利用3种方法能够有效增加计算机匹配的精确程度,每种方法都有其优点和可取之处,通过对匹配方法的具体分析能够促进匹配方式的融合和革新,为综合性图匹配方式的研发提供参考[3]。
谱方法
谱方法是建立在光滑函数基础上的运算方式。在计算机视觉中的具体运用分为两种方式,即谱松弛和谱嵌入。两者在运算方式上,没有绝对的区别,但是在处理方式上存在差异。谱嵌入是指在图匹配过程中,使两个图像之间的点进行对位,从周边到中间,通过点的对位情况判断匹配程度。在权值匹配的过程中,目前广泛使用的谱方法主要有正交约束的谱松弛法、奇异值分解的谱嵌入法、图邻接矩阵的谱嵌入法和联合嵌入模型图块。这些都是在谱方法的基础上进行衍生和升级的方法。虽然前者可以从整个图像中得到最佳正值,但往往会得到负值的最终结果,因此,有必要保证图像的均匀性,执行图形匹配时的大小。同时,结合嵌入模型图匹配方法,综合分析了图中所有不动点的嵌入与匹配,构建了系统模型,实现了图顶点嵌入与匹配的协同。 雙随机约束松弛法
双随机约束松弛法是图匹配中常用的方法。它是运用线性规划和路径跟随的方式进行图形匹配的,这种匹配方式更具有代表性。运用线性规划相当于是一个无限取近似值的过程,通过对近似值的判断和获取,获得图像匹配过程中的重要信息。运用函数的特点,使匹配过程中主体图像A和参考对象X进行重试、匹配。路径跟随的方法是将匹配对象和被匹配对象定义为两种函数,一者定义为凹函数,另一者定义为凸函数,最后将凹凸函数整合起来,得出一个复合函数,使用复合函数与被匹配对象进行匹配,求出最优解。以上两种方式的特点在于,充分使用数学函数的方式,实现逐层运算,在运算能力和内容上更加全面和细致,然而在图像与函数的转换过程中还存在有一定的问题。
稀疏约束松弛法
稀疏约束松弛法是从数据离散性的角度进行分析,在谱方法和双随机约束松弛法中,研究的重点是,不同图像之间参数的集中程度,通过对集中程度进行概括从而确定图像的相似度。稀疏约束松弛法是对所得的结果进行离散化处理,该种方法具备谱方法和双随机约束松弛法的全部优点,并且在此基础上,能够对匹配结果进行离散化处理。稀疏约束松弛法可以视为以上两种方法的综合和提升。通过对图片的分散情况进行分析,来确定图片像素的集中程度、不同色彩之间的配比,从寻找差异的角度去匹配图片,能够简化计算机的工作流程,提高匹配速率。
4 结语
图匹配技术有赖于计算机运算技术的发展,精确化的匹配需要计算机具备强大的运算能力,对计算机造成的负荷也更大。匹配方式的选择决定了运算方式的差异,针对不同的图像选择适合