基于权重学习的图像最大权对集匹配模型

摘要：

在图匹配模型中权重的设置对匹配性能有很大影响,但直接计算的权重往往不符合匹配图像的实际情况.为此,参照二次分配问题的图匹配学习思想,给出一阶和二阶最大权对集模型的权重学习计算方法.一阶最大权对集模型直接采用图像特征点作为图的顶点,而二阶最大权对集模型则采用某些特征点之间的连接边作为顶点,2个模型都可以通过Kuhn-Munkras算法求解.一阶最大权对集模型在本质上等价于二次分配问题的线性情况.在CMU House数据库上的图像匹配实验结果表明,二阶最大权对集模型优于一阶最大权对集模型,且两者在学习计算时的性能也优于直接计算的情况.

关键词：图像匹配、权重学习、最大权对集、Kuhn-Munkras算法、Delaunay三角化、二次分配

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61175004;北京市自然科学基金资助项目4112009;北京市教委科技发展基金资助重点项目KZ01210005007;高等学校博士学科点专项科研基金资助项目20121103110029

在线出版日期：2014-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：247-251