計(jì)算機(jī)視覺(jué)中的圖匹配方法研究

張新強(qiáng)

摘? ?要：計(jì)算機(jī)視覺(jué)在各行各業(yè)得到廣泛的運(yùn)用，在圖片轉(zhuǎn)化中常常會(huì)使用到圖匹配的方式來(lái)降低誤差，提升視覺(jué)效果。通過(guò)將兩張或兩張以上的圖進(jìn)行對(duì)比分析，來(lái)提高計(jì)算機(jī)視覺(jué)分析的精密度和準(zhǔn)確性。在長(zhǎng)期的研究過(guò)程中出現(xiàn)了多種圖匹配的方法，文章就不同的匹配方法進(jìn)行綜合論述，以期從中找到一些共同之處和創(chuàng)新點(diǎn)，為計(jì)算機(jī)的圖匹配領(lǐng)域提供新的理論資料。

關(guān)鍵詞：計(jì)算機(jī)視覺(jué);圖匹配方法;計(jì)算機(jī)

現(xiàn)階段，計(jì)算機(jī)視覺(jué)要求的精密度和智能化水平越來(lái)越高。影響計(jì)算機(jī)視覺(jué)效果的因素有很多，既有硬件方面的，也有軟件方面的問(wèn)題。就硬件水平而言，目前，專業(yè)攝像頭的像素已經(jīng)達(dá)到一個(gè)很高的標(biāo)準(zhǔn)，因此，想要實(shí)現(xiàn)視覺(jué)效果的提升就必須在軟件上下功夫，即在算法、系統(tǒng)和圖匹配方式上進(jìn)行優(yōu)化升級(jí)。本文重點(diǎn)就圖匹配的方式進(jìn)行詳細(xì)論述，在此之前，關(guān)于匹配方式的問(wèn)題少有論述，本文將彌補(bǔ)圖匹配方面理論研究的不足，豐富相關(guān)科研資料。

1? ? 匹配方式對(duì)計(jì)算機(jī)視覺(jué)效果的影響

1.1? 矢量特征描述法

矢量特征描述法簡(jiǎn)而言之就是對(duì)線條的描述和刻畫(huà)，這種技術(shù)被廣泛地運(yùn)用于零件制造行業(yè)。這種描述方式更適合對(duì)線性指標(biāo)進(jìn)行處理，在對(duì)色彩豐富、圖形復(fù)雜的圖片進(jìn)行處理時(shí)其精確度就會(huì)明顯下降。這是由其工作原理所導(dǎo)致的，不同的工作原理決定了它獨(dú)有的服務(wù)對(duì)象和工作效率。在使用矢量特征描述的方式對(duì)現(xiàn)實(shí)生活中的圖片進(jìn)行處理時(shí)，常常會(huì)出現(xiàn)失誤率高、系統(tǒng)運(yùn)行負(fù)荷過(guò)大等情況。矢量描述的方法更適合傳統(tǒng)的零件加工行業(yè)，在節(jié)約成本的同時(shí)，也能夠滿足零件生產(chǎn)過(guò)程中的基本要求。對(duì)于精密度高、較為復(fù)雜的圖紙，使用矢量特征表述的方法缺乏專業(yè)性，尤其是對(duì)產(chǎn)品的精度要求嚴(yán)格的企業(yè)，這時(shí)就需要使用更為立體、全面的圖模型方法。

1.2? 圖模型法

圖模型法是現(xiàn)階段最常用的圖匹配方法，通過(guò)對(duì)圖片進(jìn)行精細(xì)化處理，對(duì)圖片的內(nèi)容進(jìn)行建模，通過(guò)對(duì)兩種模型具體情況的對(duì)比來(lái)提高匹配的準(zhǔn)確性。圖模型法能夠?qū)⑵矫娴恼掌Ⅲw化、層次化，使圖片不局限于平面上，使用批次對(duì)照的方式，使圖片對(duì)比更加細(xì)致化，即使用圖模型的方式能夠細(xì)化像素、曝光、白平衡等因素對(duì)照片質(zhì)量的影響，通過(guò)數(shù)字化智能處理的方式，讓圖形中的內(nèi)容“活起來(lái)”。這種方式適用于多個(gè)領(lǐng)域?qū)D片進(jìn)行匹配的要求。第一步通過(guò)智能化程序快速對(duì)圖片內(nèi)容進(jìn)行掃描;第二步進(jìn)行建模;第三步根據(jù)層次化的模型分層對(duì)比或匹配，通過(guò)科學(xué)合理的匹配方案讓圖匹配更加高效、便捷[1]。

2? ? 計(jì)算機(jī)視覺(jué)中圖匹配方法的組成要點(diǎn)

2.1? 特征空間

在圖片的拍攝過(guò)程中，極易受到人為因素的影響，導(dǎo)致圖片的質(zhì)量存在誤差，在構(gòu)圖、亮度、對(duì)比度、光照等各個(gè)方面，任何一個(gè)環(huán)節(jié)的參數(shù)變動(dòng)都會(huì)導(dǎo)致照片存在或多或少的差異，導(dǎo)致匹配過(guò)程難度提升。所謂特征空間就是指在圖片匹配環(huán)節(jié)，圖片的具體參數(shù)及情況。不同的圖片有不同的參數(shù)，在處理時(shí)，把握不同圖片參數(shù)之間的關(guān)系，通過(guò)電腦進(jìn)行整體性分析，既要凸顯相同點(diǎn)、相似率，更要明確不同點(diǎn)。圖片特征問(wèn)題是對(duì)圖片進(jìn)行處理的第一步，在匹配時(shí)，為匹配對(duì)象確定一個(gè)大致的特征區(qū)間，是區(qū)間內(nèi)圖片的各項(xiàng)參數(shù)保持相對(duì)平均的基本方法。

2.2? 相似性度量

在匹配的過(guò)程中，依據(jù)的是相似度的高低。相似度既是衡量相似性也是衡量匹配準(zhǔn)確性的重要表現(xiàn)形式之一。在匹配時(shí)，應(yīng)當(dāng)通過(guò)隨機(jī)的方式，保證不同組都有分工，保證每一組內(nèi)的圖片在特征上的相似度大致滿足。通過(guò)數(shù)字化的結(jié)果保證相似性度量。通過(guò)函數(shù)進(jìn)行相似度的分析，將復(fù)雜的數(shù)據(jù)使用函數(shù)表現(xiàn)出來(lái)。相似性的度量方式是建立在函數(shù)相似性基礎(chǔ)上的，因此，在這一過(guò)程中，選擇正確的函數(shù)公式和回歸方程是基礎(chǔ)，也是相似性匹配的基本保障[2]。

2.3? 搜索空間

搜索空間即帶估計(jì)參數(shù)組成的空間。對(duì)參數(shù)內(nèi)容進(jìn)行初步歸納，從而形成一個(gè)一定范圍的空間，最后將不同圖的參數(shù)區(qū)間進(jìn)行匹配。這種匹配方式使匹配過(guò)程更加直觀、更富有科學(xué)依據(jù)。根據(jù)參數(shù)的不同，能夠反映的不僅是圖片的質(zhì)量，更包含了圖片的色彩、內(nèi)容等因素。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和計(jì)算機(jī)成像技術(shù)的成熟，電腦顯示器也存在失真的情況，因此，使用參數(shù)進(jìn)行匹配的方式更符合計(jì)算機(jī)的運(yùn)行特點(diǎn)。通過(guò)細(xì)微參數(shù)的匹配方式能夠反應(yīng)出肉眼所無(wú)法直觀看到的差異。使用參數(shù)作為搜索更適合計(jì)算機(jī)的工作模式，能夠保證檢索的快速性和配對(duì)的準(zhǔn)確性。

2.4? 搜索策略

搜索策略即搜索時(shí)選擇的途徑和方案。通過(guò)對(duì)圖片參數(shù)的比對(duì)，選擇合適的搜索方案，搜索方案的選擇決定了搜索的準(zhǔn)確性和全面性。搜索策略的優(yōu)化，是控制匹配誤差、提高匹配質(zhì)量的最好途徑。在搜索策略的選擇上，應(yīng)當(dāng)遵循最優(yōu)選擇的原則。隨著計(jì)算機(jī)核心數(shù)量的增多，可以實(shí)現(xiàn)多核心同時(shí)運(yùn)轉(zhuǎn)，同時(shí)負(fù)責(zé)不同算法的分工，因此，在圖形匹配時(shí)，計(jì)算機(jī)系統(tǒng)會(huì)自動(dòng)使用不同搜索方案進(jìn)行配對(duì)，通過(guò)對(duì)不同結(jié)果進(jìn)行分析，用大數(shù)據(jù)分析的方法擇優(yōu)使用最佳方案。

3? ? 現(xiàn)階段計(jì)算機(jī)視覺(jué)中主要的圖匹配方法

目前而言，計(jì)算機(jī)視覺(jué)中的圖匹配方法主要有以下3種，即譜方法、雙隨機(jī)約束松弛法、稀疏約束松弛法。在實(shí)際匹配過(guò)程中，合理地利用3種方法能夠有效增加計(jì)算機(jī)匹配的精確程度，每種方法都有其優(yōu)點(diǎn)和可取之處，通過(guò)對(duì)匹配方法的具體分析能夠促進(jìn)匹配方式的融合和革新，為綜合性圖匹配方式的研發(fā)提供參考[3]。

3.1? 譜方法

譜方法是建立在光滑函數(shù)基礎(chǔ)上的運(yùn)算方式。在計(jì)算機(jī)視覺(jué)中的具體運(yùn)用分為兩種方式，即譜松弛和譜嵌入。兩者在運(yùn)算方式上，沒(méi)有絕對(duì)的區(qū)別，但是在處理方式上存在差異。譜嵌入是指在圖匹配過(guò)程中，使兩個(gè)圖像之間的點(diǎn)進(jìn)行對(duì)位，從周邊到中間，通過(guò)點(diǎn)的對(duì)位情況判斷匹配程度。在權(quán)值匹配的過(guò)程中，目前廣泛使用的譜方法主要有正交約束的譜松弛法、奇異值分解的譜嵌入法、圖鄰接矩陣的譜嵌入法和聯(lián)合嵌入模型圖塊。這些都是在譜方法的基礎(chǔ)上進(jìn)行衍生和升級(jí)的方法。雖然前者可以從整個(gè)圖像中得到最佳正值，但往往會(huì)得到負(fù)值的最終結(jié)果，因此，有必要保證圖像的均勻性，執(zhí)行圖形匹配時(shí)的大小。同時(shí)，結(jié)合嵌入模型圖匹配方法，綜合分析了圖中所有不動(dòng)點(diǎn)的嵌入與匹配，構(gòu)建了系統(tǒng)模型，實(shí)現(xiàn)了圖頂點(diǎn)嵌入與匹配的協(xié)同。

3.2? 雙隨機(jī)約束松弛法

雙隨機(jī)約束松弛法是圖匹配中常用的方法。它是運(yùn)用線性規(guī)劃和路徑跟隨的方式進(jìn)行圖形匹配的，這種匹配方式更具有代表性。運(yùn)用線性規(guī)劃相當(dāng)于是一個(gè)無(wú)限取近似值的過(guò)程，通過(guò)對(duì)近似值的判斷和獲取，獲得圖像匹配過(guò)程中的重要信息。運(yùn)用函數(shù)的特點(diǎn)，使匹配過(guò)程中主體圖像A和參考對(duì)象X進(jìn)行重試、匹配。路徑跟隨的方法是將匹配對(duì)象和被匹配對(duì)象定義為兩種函數(shù)，一者定義為凹函數(shù)，另一者定義為凸函數(shù)，最后將凹凸函數(shù)整合起來(lái)，得出一個(gè)復(fù)合函數(shù)，使用復(fù)合函數(shù)與被匹配對(duì)象進(jìn)行匹配，求出最優(yōu)解。以上兩種方式的特點(diǎn)在于，充分使用數(shù)學(xué)函數(shù)的方式，實(shí)現(xiàn)逐層運(yùn)算，在運(yùn)算能力和內(nèi)容上更加全面和細(xì)致，然而在圖像與函數(shù)的轉(zhuǎn)換過(guò)程中還存在有一定的問(wèn)題。

3.3? 稀疏約束松弛法

稀疏約束松弛法是從數(shù)據(jù)離散性的角度進(jìn)行分析，在譜方法和雙隨機(jī)約束松弛法中，研究的重點(diǎn)是，不同圖像之間參數(shù)的集中程度，通過(guò)對(duì)集中程度進(jìn)行概括從而確定圖像的相似度。稀疏約束松弛法是對(duì)所得的結(jié)果進(jìn)行離散化處理，該種方法具備譜方法和雙隨機(jī)約束松弛法的全部?jī)?yōu)點(diǎn)，并且在此基礎(chǔ)上，能夠?qū)ζヅ浣Y(jié)果進(jìn)行離散化處理。稀疏約束松弛法可以視為以上兩種方法的綜合和提升。通過(guò)對(duì)圖片的分散情況進(jìn)行分析，來(lái)確定圖片像素的集中程度、不同色彩之間的配比，從尋找差異的角度去匹配圖片，能夠簡(jiǎn)化計(jì)算機(jī)的工作流程，提高匹配速率。

4? ? 結(jié)語(yǔ)

圖匹配技術(shù)有賴于計(jì)算機(jī)運(yùn)算技術(shù)的發(fā)展，精確化的匹配需要計(jì)算機(jī)具備強(qiáng)大的運(yùn)算能力，對(duì)計(jì)算機(jī)造成的負(fù)荷也更大。匹配方式的選擇決定了運(yùn)算方式的差異，針對(duì)不同的圖像選擇適合的運(yùn)算方法，在長(zhǎng)期的經(jīng)驗(yàn)積累中，形成圖像匹配的客觀規(guī)律，用規(guī)律指導(dǎo)匹配過(guò)程。使用不同的匹配方式在數(shù)據(jù)結(jié)果上各有側(cè)重也各有優(yōu)劣。圖匹配技術(shù)還存在良好的上升空間。為實(shí)現(xiàn)精確化處理，在圖匹配的方法選擇上也應(yīng)當(dāng)遵循擇優(yōu)處理的原則。

[參考文獻(xiàn)]

[1]嚴(yán)駿馳，楊小康.計(jì)算機(jī)視覺(jué)中圖匹配研究進(jìn)展：從二圖匹配邁向多圖匹配[J].控制理論與應(yīng)用，2018（12）：1715-1724.

[2]陳然.基于幾何約束的圖匹配算法研究[D].北京：北京交通大學(xué)，2018.

[3]熊凌.計(jì)算機(jī)視覺(jué)中的圖像匹配綜述[J].湖北工業(yè)大學(xué)學(xué)報(bào)，2006（3）：171-173.

Research on graph matching method in computer vision

Zhang Xinqiang

（School of Intelligence and Electronic Engineering， Dalian Neusoft University of Information， Dalian 116023， China）

Abstract：Computer vision is widely used in various industries， and graph matching is often used to reduce the error in the process of visual conversion. Through the comparative analysis of two or more diagrams， the precision and accuracy of computer vision analysis can be improved. In the long-term research process， there are many kinds of graph matching methods. In this paper， there are many kinds of graph matching methods in the process of long-term research. This paper discusses different matching methods in order to find some common points and innovations， and to provide new theoretical data for the field of computer graph matching.

Key words：computer vision; graph matching methods; computer