一種基于局部特征鄰域信息的相似圖片檢索方法
【專(zhuān)利摘要】本發(fā)明涉及一種基于局部特征鄰域信息的相似圖片檢索方法，包括：1)獲取訓(xùn)練圖片；2)采用Hessian-Affine特征點(diǎn)檢測(cè)算法和SIFT局部特征描述子在多尺度空間上對(duì)圖片進(jìn)行特征檢測(cè)和描述；3)根據(jù)步驟2)提取的特征構(gòu)造相對(duì)應(yīng)的影子特征；4)利用k均值聚類(lèi)算法對(duì)步驟2)中提取的特征進(jìn)行聚類(lèi)并生成包括K個(gè)視覺(jué)詞的視覺(jué)字典；5)將上述所有特征逐個(gè)映射到與其L2距離最小的視覺(jué)詞匯上，并存儲(chǔ)在倒排索引結(jié)構(gòu)中；6)保存所述倒排索引，形成查詢(xún)數(shù)據(jù)庫(kù)；7)獲取查詢(xún)圖片相應(yīng)的倒排索引，并將其與查詢(xún)數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，獲得檢索結(jié)果列表。與現(xiàn)有技術(shù)相比，本發(fā)明具有圖片檢索準(zhǔn)確率高等優(yōu)點(diǎn)。
【專(zhuān)利說(shuō)明】一種基于局部特征鄰域信息的相似圖片檢索方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖片檢索方法，尤其是涉及一種基于局部特征鄰域信息的相似圖片檢索方法。

【背景技術(shù)】
[0002]近年來(lái)，計(jì)算機(jī)視覺(jué)正在飛速發(fā)展。其中，相似圖片檢索是一個(gè)基礎(chǔ)但是很具有挑戰(zhàn)性的任務(wù)，因此備受關(guān)注。
[0003]目前，基于局部特征和倒排索引結(jié)構(gòu)的詞袋模型是最常用的圖像檢索模型之一。圖像局部特征是用于圖像處理領(lǐng)域的一類(lèi)特征，在尺度空間尋找極值點(diǎn)，提取位置、尺度、旋轉(zhuǎn)不變量，可在圖像中檢測(cè)出關(guān)鍵點(diǎn)。詞袋模型是特征匹配的一種近似方法。在此模型中，局部特征被量化到與它最近的事先訓(xùn)練好的字典中的視覺(jué)詞語(yǔ)上，并存儲(chǔ)于倒排索引中以作查詢(xún)使用。
[0004]然而，上述圖像檢索模型目前還存在以下問(wèn)題:
[0005]第一，由于特征的局部性和量化誤差，導(dǎo)致特征匹配精度很低，存在大量的錯(cuò)誤匹配，影響最終的檢索精度。
[0006]第二，大量的算法著重于研究特征點(diǎn)本身的信息，忽略了特征點(diǎn)鄰域信息與特征點(diǎn)之間的強(qiáng)關(guān)聯(lián)性。
[0007]第三，一些算法試圖利用特征點(diǎn)之間的空間關(guān)系來(lái)進(jìn)行空間驗(yàn)證，但是此類(lèi)方法一般都消耗額外的計(jì)算資源和計(jì)算步驟，計(jì)算效率不高。


【發(fā)明內(nèi)容】

[0008]本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種圖片檢索準(zhǔn)確率高的基于局部特征鄰域信息的相似圖片檢索方法。
[0009]本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn):
[0010]一種基于局部特征鄰域信息的相似圖片檢索方法，包括:
[0011]I)獲取訓(xùn)練圖片；
[0012]2)采用Hessian-Affine特征點(diǎn)檢測(cè)算法和SIFT局部特征描述子在多尺度空間上對(duì)圖片進(jìn)行特征檢測(cè)和描述；
[0013]3)根據(jù)步驟2)提取的特征構(gòu)造相對(duì)應(yīng)的影子特征；
[0014]4)利用k均值聚類(lèi)算法對(duì)步驟2)中提取的特征進(jìn)行聚類(lèi)并生成包括K個(gè)視覺(jué)詞的視覺(jué)字典；
[0015]5)將上述所有特征逐個(gè)映射到與其L2距離最小的視覺(jué)詞匯上，并存儲(chǔ)在倒排索引結(jié)構(gòu)中，所有特征包括步驟2)提取的特征和步驟3)構(gòu)造的影子特征；
[0016]6)保存所述倒排索引，形成查詢(xún)數(shù)據(jù)庫(kù)；
[0017]7)獲取查詢(xún)圖片，對(duì)查詢(xún)圖片依次執(zhí)行步驟2)、3)、5)，獲得相應(yīng)的倒排索引，并將其與查詢(xún)數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，獲得檢索結(jié)果列表。
[0018]所述的步驟2)具體為:
[0019]2a)采用Hessian-Affine特征點(diǎn)檢測(cè)算法對(duì)圖片Ii進(jìn)行檢測(cè)，得到相應(yīng)的局部特征點(diǎn)集Pi = {Pu，...，Pi, J , i = 1,2,...η, η為圖片總數(shù)，m為每張圖片中局部特征點(diǎn)的個(gè)數(shù)；
[0020]2b)采用SIFT局部特征描述子對(duì)Pi進(jìn)行描述，得到對(duì)應(yīng)的局部特征Fi = {f,,1;..., U ,其中，fi, j = Kxijj, Yijj), O J j, θ I」，Si,」，Di, j},依次代表特征的位置信息、尺度信息、主方向、局部圖像塊半徑以及128維特征向量

【權(quán)利要求】
1.一種基于局部特征鄰域信息的相似圖片檢索方法，其特征在于，包括: 1)獲取訓(xùn)練圖片； 2)采用Hessian-Affine特征點(diǎn)檢測(cè)算法和SIFT局部特征描述子在多尺度空間上對(duì)圖片進(jìn)行特征檢測(cè)和描述； 3)根據(jù)步驟2)提取的特征構(gòu)造相對(duì)應(yīng)的影子特征； 4)利用k均值聚類(lèi)算法對(duì)步驟2)中提取的特征進(jìn)行聚類(lèi)并生成包括K個(gè)視覺(jué)詞的視覺(jué)字典； 5)將上述所有特征逐個(gè)映射到與其L2距離最小的視覺(jué)詞匯上，并存儲(chǔ)在倒排索引結(jié)構(gòu)中，所有特征包括步驟2)提取的特征和步驟3)構(gòu)造的影子特征； 6)保存所述倒排索引，形成查詢(xún)數(shù)據(jù)庫(kù)； 7)獲取查詢(xún)圖片，對(duì)查詢(xún)圖片依次執(zhí)行步驟2)、3)、5)，獲得相應(yīng)的倒排索引，并將其與查詢(xún)數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，獲得檢索結(jié)果列表。
2.根據(jù)權(quán)利要求1所述的一種基于局部特征鄰域信息的相似圖片檢索方法，其特征在于，所述的步驟2)具體為: 2a)采用Hessian-Affine特征點(diǎn)檢測(cè)算法對(duì)圖片Ii進(jìn)行檢測(cè)，得到相應(yīng)的局部特征點(diǎn)集Pi = {pia,..., pijm}, i = 1,2,...η, η為圖片總數(shù)為每張圖片中局部特征點(diǎn)的個(gè)數(shù)；2b)采用SIFT局部特征描述子對(duì)Pi進(jìn)行描述，得到對(duì)應(yīng)的局部特EFi =m}，其中，fi,」= ((XiljjYijj), Oijj.,，依次代表特征的位置信息、尺度信息、主方向、局部圖像塊半徑以及128維特征向量，Dij = {dlj,}。
3.根據(jù)權(quán)利要求2所述的一種基于局部特征鄰域信息的相似圖片檢索方法，其特征在于，所述的步驟3)中，構(gòu)造的影子特征表示為fSi, j = ((XSijj, YSijj) , σ Sijj, Θ Sijj, SSijj,DsiJ，其中，
XSijj = Xi, J+α.Sijj.cos Θ Jjj
yS1.j = yi,j+a.Si, j.sin θ Μ
θ Si, J = θ i,j+π
σ Si, j = σ i, j
SSi, J = Si, J Dsu =}為采用SIFT局部特征描述子對(duì)影子特征fsy進(jìn)行描述，得到的128維特征向量；a為構(gòu)造參數(shù)。
4.根據(jù)權(quán)利要求3所述的一種基于局部特征鄰域信息的相似圖片檢索方法，其特征在于，所述的a取值為2。
5.根據(jù)權(quán)利要求2所述的一種基于局部特征鄰域信息的相似圖片檢索方法，其特征在于，所述的步驟4)具體為: 4a)對(duì)從訓(xùn)練圖片中提取出的特征集為F= $1，...，？11}，利用1^均值聚類(lèi)算法將？聚成k個(gè)類(lèi)； 4b)記錄并保存k個(gè)類(lèi)的中心點(diǎn)，作為視覺(jué)詞，形成視覺(jué)字典:K= IK1,...，Kk}，其中每一個(gè)視覺(jué)詞都是一個(gè)128維向量。
6.根據(jù)權(quán)利要求5所述的一種基于局部特征鄰域信息的相似圖片檢索方法，其特征在于，所述的步驟5)具體為: 5a)對(duì)于每一個(gè)特征fi,」，依次計(jì)算其與每一個(gè)視覺(jué)詞K1的I2距離d，并找出距離最小的視覺(jué)詞c:
5b)對(duì)于每一個(gè)影子特征fSi, j,依次計(jì)算其與每一個(gè)視覺(jué)詞典K1的I2距離d，并找出距離最小的視覺(jué)詞CS:
5c)將特征、影子特征與它們各自所屬的視覺(jué)詞匯信息c和cs分別存儲(chǔ)在倒排索引結(jié)構(gòu)中。
7.根據(jù)權(quán)利要求1所述的一種基于局部特征鄰域信息的相似圖片檢索方法，其特征在于，所述的步驟7)中，將查詢(xún)圖片的倒排索引與查詢(xún)數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，具體為:計(jì)算查詢(xún)圖片的倒排索引與查詢(xún)數(shù)據(jù)庫(kù)保存的各倒排索引的余弦距離，按從大到小排序，得到最終結(jié)果列表。
【文檔編號(hào)】G06F17/30GK104199842SQ201410386860
【公開(kāi)日】2014年12月10日 申請(qǐng)日期:2014年8月7日 優(yōu)先權(quán)日:2014年8月7日
【發(fā)明者】王瀚漓, 王雷 申請(qǐng)人:同濟(jì)大學(xué)