一种面向大规模三维重建的图像分块方法及装置
专利汇可以提供一种面向大规模三维重建的图像分块方法及装置专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种面向大规模 三维重建 的图像分 块 方法，属于 图像处理 技术领域；包括以下步骤：首先利用图像间的特征匹配关系进行图像整体相似性度量，生成图像间相似度矩阵；然后引入谱聚类思想：首先利用谱分析将图像集中的每一个元素映射到利于 聚类分析 的高维空间，然后利用模糊聚类 算法 将整个图像集合分成若干个簇，同时对每张图像计算属于各簇的隶属度；最后通过对分类结果的分析处理，在自动生成一系列三维重建效率较高的图像子集合的同时，将与其它图像相似性较低的图像以噪声的形式予以剔除。对比 现有技术 ，应用本发明方法能够有效降低三维重建的计算量，提高三维重建效率；同时，还能够有效剔除噪声图像，降低噪声图像对三维重建时的干扰。，下面是一种面向大规模三维重建的图像分块方法及装置专利的具体信息内容。
1.一种面向大规模三维重建的图像分块方法，其特征在于，包括以下步骤：
步骤一、对于输入的图像集合根据图像间的匹配程度求出相似度矩阵；
步骤二、根据相似度矩阵通过以下步骤进行谱聚类：
步骤2.1根据相似度矩阵通过下述过程进行谱聚类：
步骤2.1.1利用相似度矩阵C通过下式计算对应的Graph Laplaction矩阵L，并对L做特征分解：
-1
L＝I-D C,D＝diag(d1,d2,...dn),
其中，I表示单位矩阵，D-1表示D的逆矩阵，diag表示对角矩阵；
步骤2.1.2根据输入图像数目以及以下原则确定分类数m：如果是首次谱聚类，分类数通过谱间隙确定，如果是递归进行的谱聚类，分类数由公式m＝(n+20)/50确定，其中m为分类数，n为当前图像集中图像数目；
步骤2.1.3嵌入映射：将矩阵L的特征值按照升序排列，取前k个最大的特征d1,d2,...,dk，得到对应的k个特征向量构成的特征矩阵X＝(x1,x2,...,xk)，该特征矩阵的每一行可以视为每张图像映射到Rn×k空间的一个像；其中，k为预设的值；
步骤2.1.4将特征矩阵X的行向量归一化为单位向量，得到归一化后的矩阵Y；
步骤2.1.5对映射的像根据分类数m使用聚类方法将n个图像划分到m个类中；
步骤2.2迭代谱聚类：对经过步骤2.1得到的聚类结果进行如下判定：
假设当前子类中的图像数目为α，THR1和THR2分别为预设的图像数目阈值，则：
i.如果α＜THR1，则将当前子类中的所有图像归入不确定集合中；
ii.如果THR1≤α＜THR2，则当前子类为一个分好类的集合；
iii.如果α＞THR2，则当前子类过大，对当前子类所有图像根据步骤一结果抽取对应图像间相似度值构成新的相似度矩阵C，然后对当前子类继续执行步骤2.1进行递归谱聚类；
步骤三、对不确定集合中的每一个图像Ii搜索其与已经分好类集合中图像Ij的最大相似度Cij，如果Cij大于预设的阈值THR3，则将Ii纳入图像Ij所在的集合中，反之直接丢弃。
2.根据权利要求1所述的一种面向大规模三维重建的图像分块方法，其特征在于：所述步骤一进一步通过以下过程得到相似度矩阵：
首先，对所有图像进行SIFT特征提取、匹配，求出所有不同图像对之间的仿射矩阵；
然后，根据仿射矩阵求出N×N维图像间的相似度矩阵C，N为图像数目；矩阵元素Cij表示图像对Ii和Ij之间的相似性，其值通过下述公式计算：
其中Si表示图像Ii的大小，Sij表示图像对Ii和Ij之间的相似区域面积，通过图像Ii关于图像Ij的仿射矩阵Hij将Ii映射到图像Ij上，然后求出相似面积Sij。
3.根据权利要求1所述的一种面向大规模三维重建的图像分块方法，其特征在于：所述步骤2.1.4对特征矩阵X进行归一化得到矩阵Y，矩阵Y中元素的值通过下述公式进行计算：
其中，i∈[1，n]，j∈[1，k]，Xij和Yij分别表示特征矩阵X和矩阵Y的第i行第j列元素的值。
4.根据权利要求1所述的一种面向大规模三维重建的图像分块方法，其特征在于：所述步骤2.1.5采用模糊C均值聚类法进行聚类，具体过程如下：
T
步骤2.1.5.1在区间(0，1)随机初始化向量集Y＝(y1,y2,...,yn)的隶属度矩阵U，使其满足
步骤2.1.5.2通过下面的公式算出整个向量集的m个聚类中心：
其中，uij∈[0,1]，ci＝[c1i,c2i,…,cki]为第i个聚类簇Ai的中心，i∈[1,m]，yj＝[yj1,yj2,…,yjk]为向量集Y的第j个行向量，dij＝||cj-yi||为第j个聚类中心到第i个归一化特征向量的距离，σ∈[1,∞)是一个加权系数；
步骤2.1.5.3对下面公式中的能量函数进行计算，如果能量函数值小于预设阈值THRd，或者相对于上一次计算得到的能量值的变化小于预设阈值THRc，则结束；否则，转到步骤
2.1.5.2根据更新的隶属度矩阵U更新聚类中心；
5.根据权利要求4所述的一种面向大规模三维重建的图像分块方法，其特征在于：σ＝1.5。
6.根据权利要求4所述的一种面向大规模三维重建的图像分块方法，其特征在于：
THRd＝0.02，THRc＝0.0001。
7.根据权利要求1-6任一所述的一种面向大规模三维重建的图像分块方法，其特征在于：THR1＝30，THR2＝80。
8.一种面向大规模三维重建的图像分块装置，其特征在于：包括直接相连的相似度矩阵计算模块和图像聚类模块；所述相似度矩阵计算模块用于计算图像集中任意两张图像的相似度，然后得到相似度矩阵，所述图像聚类模块用于根据相似度矩阵自适应地将图像分类。
9.根据权利要求8所述的一种面向大规模三维重建的图像分块装置，其特征在于：所述图像聚类模块由谱聚类单元和不确定图像归类单元，谱聚类单元通过谱聚类算法对图像集合进行归类，同时将不确定图像归入不 确定集合中，然后由不确定图像归类单元对这些图像按照权利要求1所述步骤三的规则进行进一步的分类。
一种面向大规模三维重建的图像分块方法及装置
技术领域：
具体实施方式
作为优选，本实施例采用模糊C均值聚类法进行聚类，具体聚类过程可以通过以下过程完成：
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种通过在线分类跟踪内窥镜图像序列特征点的方法 | 2020-05-08 | 884 |
| 基于卷积神经网络和概念格的图像语义完备标注方法 | 2020-05-11 | 741 |
| 一种基于聚类分析自主再学习的人脸识别方法 | 2020-05-11 | 519 |
| 基于共同注意力范式的孤独症辅助诊断装置 | 2020-05-08 | 386 |
| 一种基于局部区域聚类的电力设备故障区域提取方法 | 2020-05-11 | 767 |
| 一种基于深度学习的2D+3D大飞机外形缺陷检测与分析方法 | 2020-05-08 | 534 |
| 信用评分模型的构建方法、装置、设备及存储介质 | 2020-05-08 | 41 |
| 酒店评分方法、酒店推荐方法、电子装置和存储介质 | 2020-05-08 | 214 |
| 一种故障数据标记方法及故障识别装置 | 2020-05-11 | 326 |
| 车辆物流路径生成的方法、装置、计算机设备及存储介质 | 2020-05-08 | 202 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
