32、基于SIFT描述符的属性图匹配及大图像分割的因果提取方案

基于SIFT描述符的属性图匹配及大图像分割的因果提取方案

在图像处理和计算机视觉领域，图匹配和大图像分割是两个重要的研究方向。本文将介绍基于SIFT描述符的属性图匹配方法，以及一种用于大图像分割的因果提取方案。

基于SIFT描述符的属性图匹配

匹配度量

匹配度量由两部分组成。第一部分与节点的局部信息匹配质量有关，用商值 $\frac{P_{a\alpha}}{P_{a\varnothing}}$ 表示。若从局部一致性来看，$v_a \to v_{\alpha}$ 比 $v_a \to \varnothing$ 更有可能，则该商值大于1；否则小于等于1。第二部分与匹配命中质量的总和成比例。命中是指双重求和中不为零的项，即 ${(b, \beta) | D_{ab} = 1, M_{\alpha\beta} = 1, \tilde{s} {b\beta} \neq 0}$。常数 $K {\varnothing1}$ 表示为提升整体度量 $T_{a\alpha}$ 所需的命中阈值贡献。若从上下文一致性来看，$v_a \to v_{\alpha}$ 比 $v_a \to \varnothing$ 更有可能，则第二部分大于0；否则小于等于0。

为了能在Softassign框架下使用，需将 $T_{a\alpha}$ 用与 $Q_{a\alpha}$ 相同的形式表示：
[Q_{a\alpha} = \sum_{b = 1}^{|V_D|} \sum_{\beta = 1}^{|V_M|} \tilde{s} {b\beta}^{(n)} \left[\frac{P {a\alpha}}{P_{a\varnothin