[论文解读] Spectral Descriptors for Graph Matching

Nan Hu, Leonidas Guibas|arXiv (Cornell University)|Apr 4, 2013

Graph Theory and Algorithms参考文献 31被引用 8

一句话总结

本论文提出两种基于图拉普拉斯矩阵的谱图描述符——用于节点的拉普拉斯族签名（LFS）和用于边的成对热核距离，以改进加权图匹配。该方法将图匹配问题建模为一个整数二次规划（IQP）问题，并采用近似求解方法，相较于现有的基于签名和邻接矩阵的方法，在合成图、CMU房屋图以及真实图像图上均表现出更优的性能。

ABSTRACT

In this paper, we consider the weighted graph matching problem. Recently, approaches to this problem based on spectral methods have gained significant attention. We propose two graph spectral descriptors based on the graph Laplacian, namely a Laplacian family signature (LFS) on nodes, and a pairwise heat kernel distance on edges. We show the stability of both our descriptors under small perturbation of edges and nodes. In addition, we show that our pairwise heat kernel distance is a noise-tolerant approximation of the classical adjacency matrix-based second order compatibility function. These nice properties suggest a descriptor-based matching scheme, for which we set up an integer quadratic problem (IQP) and apply an approximate solver to find a near optimal solution. We have tested our matching method on a set of randomly generated graphs, the widely-used CMU house sequence and a set of real images. These experiments show the superior performance of our selected node signatures and edge descriptors for graph matching, as compared with other existing signature-based matchings and adjacency matrix-based matchings. 1

研究动机与目标

• 解决在噪声和结构扰动下的加权图匹配挑战。
• 开发稳定且具备噪声容忍能力的图节点与边的谱描述符。
• 通过替换或增强经典二阶相容性函数，提升匹配准确性。
• 设计一种基于描述符的匹配框架，其性能优于现有的基于签名和邻接矩阵的方法。

提出的方法

• 提出一种基于图拉普拉斯矩阵的拉普拉斯族签名（LFS），作为节点级别的谱描述符。
• 引入一种基于图拉普拉斯矩阵热核的边级别成对热核距离，作为边的描述符。
• 建立两种描述符在节点和边发生微小扰动下的理论稳定性。
• 证明成对热核距离能以噪声容忍的方式近似经典基于邻接矩阵的二阶相容性函数。
• 利用所提出的描述符将图匹配问题建模为整数二次规划（IQP）问题。
• 应用近似求解器，高效获得近似最优解。

实验结果

研究问题

• RQ1 基于图拉普拉斯的谱描述符在扰动下如何提升图匹配的稳定性和鲁棒性？
• RQ2 成对热核距离在多大程度上可作为经典二阶相容性函数的噪声容忍近似？
• RQ3 基于描述符的匹配方法（采用LFS与热核距离）是否能超越现有的基于签名和邻接矩阵的图匹配方法？
• RQ4 所提出的描述符在多种图类型（包括合成图、序列图和真实图像图）中的表现如何？

主要发现

• 拉普拉斯族签名（LFS）与成对热核距离在节点和边的微小扰动下均表现出稳定性。
• 成对热核距离可作为经典二阶相容性函数的噪声容忍近似。
• 在随机生成图上的实验表明，所提出的基于描述符的匹配方案优于现有基于签名的方法。
• 在CMU房屋序列数据集上，该方法优于基于签名和邻接矩阵的匹配技术。
• 在真实图像图的实验中，所提方法展现出优异的匹配准确性和鲁棒性。
• 采用近似求解器的IQP建模框架可高效计算近似最优匹配。