[發(fā)明專利]將圖片的局部特征量化為視覺詞匯的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201210543868.7
• 申請(qǐng)日: 2012-12-14
• 公開（公告）號(hào): CN103020231B
• 公開（公告）日: 2018-06-08
• 發(fā)明（設(shè)計(jì)）人: 李浩
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京鴻德海業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11412
• 代理人: 袁媛

本發(fā)明提供了一種將圖片的局部特征量化為視覺詞匯的方法和裝置，其中方法包括：S1、從視覺詞匯樹的第一層確定待選擇詞匯；S2、利用局部特征與當(dāng)前層次的各待選擇詞匯之間的距離以及當(dāng)前層次的各待選擇詞匯的父節(jié)點(diǎn)所在路徑的置信度，分別計(jì)算當(dāng)前層次中各待選擇詞匯所在路徑的置信度；S3、選擇當(dāng)前層次中所在路徑的置信度大于或等于預(yù)設(shè)置信度閾值的待選擇詞匯，判斷當(dāng)前層次是否為最后一層，如果是，將當(dāng)前層次中選擇的詞匯確定為局部特征的視覺詞匯；否則，從當(dāng)前層次中選擇的詞匯進(jìn)入下一層次，并將選擇的詞匯的子節(jié)點(diǎn)確定為下一層次的待選擇詞匯，轉(zhuǎn)至步驟S2。本發(fā)明能夠在提高量化誤差的魯棒性的基礎(chǔ)上，減少量化過程中的計(jì)算開銷。

【技術(shù)領(lǐng)域】

本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域，特別涉及一種將圖片局部特征量化為視覺詞匯的方法和裝置。

【背景技術(shù)】

隨著多媒體相關(guān)技術(shù)的發(fā)展，數(shù)字圖片的規(guī)模迅速擴(kuò)大，其應(yīng)用也越來越廣泛，因此，如何有效、快速地從大規(guī)模圖片數(shù)據(jù)中檢索出所需的圖片已成為一個(gè)研究熱點(diǎn)。傳統(tǒng)的基于文本的圖片檢索方式由于人工標(biāo)注圖片引起的主觀性以及不確定性等弊端，已經(jīng)不能滿足用戶對(duì)查詢的要求，因此基于內(nèi)容的圖片檢索技術(shù)逐漸興起和被廣泛采用。

根據(jù)視覺詞匯對(duì)圖片建立倒排索引是一種通用的基于內(nèi)容的圖片檢索方法，這種方法首先確定圖片的局部特征，將不同的局部特征量化到視覺詞匯上，進(jìn)而將一副圖片表示成視覺詞匯的組合，用類似于文本檢索的方法實(shí)現(xiàn)圖片檢索。其中，如何將局部特征量化到視覺詞匯上是實(shí)現(xiàn)圖片檢索的一個(gè)基礎(chǔ)，目前主要存在以下兩種方式，即最近路徑映射(Best Bin Frist)方式和貪心N近鄰路徑映射(Greedy N-best Paths)。這兩種方式均是基于視覺詞匯樹的方法，假定一棵視覺詞匯樹有L層，每一個(gè)父節(jié)點(diǎn)對(duì)應(yīng)K個(gè)子節(jié)點(diǎn)，那么一棵L為6，K為10的視覺詞匯樹可以表示100萬個(gè)視覺詞匯，如圖1所示。

在最近路徑映射方法中，一個(gè)局部特征首先與第1層的K個(gè)詞匯比較，并選定最近的詞匯對(duì)應(yīng)的子節(jié)點(diǎn)，然后與第2層選定的K個(gè)詞匯比較，并選定最近的子節(jié)點(diǎn)；以此類推，最終被映射到第L層與之最近的詞匯，將整個(gè)視覺詞匯樹查詢過程中選定的詞匯構(gòu)成該局部特征的視覺詞匯表。

在貪心N近鄰路徑映射方法中，引入了一個(gè)視覺詞匯擴(kuò)展因子N，一個(gè)局部特征首先與第1層的K個(gè)詞匯比較，并選定最近的N個(gè)詞匯對(duì)應(yīng)的子節(jié)點(diǎn)；然后與第2層選定的N×K個(gè)詞匯比較，并選定最近的N個(gè)詞匯對(duì)應(yīng)的子節(jié)點(diǎn)；以此類推，最終被映射到第L層與之最近的N個(gè)詞匯，將整個(gè)視覺詞匯樹查詢過程中選定的詞匯構(gòu)成該局部特征的視覺詞匯表。

上述的最近路徑映射方法由于每一層選定一個(gè)最近的詞匯，容易造成量化誤差，圖片局部特征的微小變化也容易被量化到不同的視覺詞匯上，進(jìn)而造成不匹配，魯棒性較差。貪心N緊鄰路徑映射方法雖然增強(qiáng)了對(duì)量化誤差的魯棒性，但每一層的比較都選定N個(gè)詞匯，即每一層都需要進(jìn)入N個(gè)路徑，帶來了較大的計(jì)算開銷。

【發(fā)明內(nèi)容】

有鑒于此，本發(fā)明提供了一種將圖片的局部特征量化為視覺詞匯的方法和裝置，以便于提高量化誤差的魯棒性的基礎(chǔ)上，減小量化過程中的計(jì)算開銷。

具體技術(shù)方案如下：

一種將圖片的局部特征量化為視覺詞匯的方法，在針對(duì)圖片的局部特征查詢視覺詞匯樹的過程中，執(zhí)行以下步驟：

S1、從視覺詞匯樹的第一層確定待選擇詞匯，將第一層作為當(dāng)前層次執(zhí)行步驟S2；

S2、利用所述局部特征與當(dāng)前層次的各待選擇詞匯之間的距離以及當(dāng)前層次的各待選擇詞匯的父節(jié)點(diǎn)所在路徑的置信度，分別計(jì)算當(dāng)前層次中各待選擇詞匯所在路徑的置信度，其中第一層的各待選擇詞匯的父節(jié)點(diǎn)所在路徑的置信度為預(yù)設(shè)的初始值；