一种基于约束聚类的特征集集合匹配方法
计算机视觉与模式识别
2016-06-14 v1
摘要
本文考虑利用逐点一元特征，在特征集集合中寻找特征对应关系的问题。这是计算机视觉与模式识别中的一个基本问题，也与其他领域如运筹学密切相关。双集合匹配可转化为已知的 NP-hard 二次指派规划问题，而仅包含一元属性则将匹配两个特征集转化为线性指派问题。该问题已被充分研究，并存在有效的多项式全局最优求解器，如匈牙利方法。然而，当一元属性受到（严重）破坏时，该问题会变得不适定。由于评分函数受噪声影响产生偏差，由两集合间属性亲和力/代价定义的最佳分数所对应的全局最优匹配可能与真实对应关系不同。为解决此问题，我们设计了一种通过协同探索各集合间信息来匹配特征集集合的方法。总体而言，我们的方法可从（约束）聚类的视角来理解：在每次迭代中，将一个集合的特征分配给由其余特征集形成的簇，并依次更新簇中心。在合成数据与真实图像上的结果表明了该方法相对于现有先进方法的有效性。
引用
@article{arxiv.1606.03731,
title = {A constrained clustering based approach for matching a collection of feature sets},
author = {Junchi Yan and Zhe Ren and Hongyuan Zha and Stephen Chu},
journal= {arXiv preprint arXiv:1606.03731},
year = {2016}
}
备注
submission to ICPR 2016