[發明專利]用于視覺搜索的緊致描述符的系統和方法

有效

• 申請號: 201280034727.0
• 申請日: 2012-01-04
• 公開（公告）號: CN103999097B
• 公開（公告）日: 2017-04-12
• 發明（設計）人: 辛欣;朱理;安杰洛斯·K·凱特薩杰羅斯
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 北京弘權知識產權代理事務所(普通合伙)11363
• 代理人: 逯長明,許偉群

1.一種用于處理圖像的方法，所述方法包括：

使用線性嵌入算子，根據所述圖像的第一特征點集合而生成了第二特征點集合，其中所述第一特征點集合中的成對最近鄰（NN）拓撲關系便被保留在所述第二特征點集合中，特征點為用一組數字來表示的一個點。

2.根據權利要求1所述的方法，其中所述第一特征點集合中的特征點具有用第一數字量表示的第一維度，并且所述第二特征點集合中的特征點具有用第二數字量表示的第二維度，所述第二維度小于所述第一維度。

3.根據權利要求2所述的方法，其中所述第二特征點集合中的一個特征點具有八維度，并且其每個維度的個數用六位表示。

4.根據權利要求1所述的方法，其中所述第二特征點集合用于視覺搜索以識別圖像儲存庫中的圖像。

5.根據權利要求1所述的方法，其中所述第一特征點集合與所述第二特征點集合具有的特征點數目相同。

6.根據權利要求1所述的方法，其中所述第一特征點集合為所述圖像的尺度不變特征變換（SIFT）特征點，或者為所述圖像的快速魯棒特征（SURF）特征點。

7.根據權利要求1所述的方法，其中所述線性嵌入算子由密切模型確定，所述密切模型包括第一密切參數d_max、第二密切參數a和尺寸為n*n的密切矩陣W=(w_j,k)，其中所述密切矩陣W=(w_j,k)的稀疏度由所述第一密切參數和所述第二密切參數來控制，n為所述第一特征點集合中的特征點的個數。

8.根據權利要求7所述的方法，其中所述線性嵌入算子為目標方程的解A，其中尺寸為n*n的W=(w_j,k)為所述密切矩陣，F_j和F_k為所述第一特征點集合的特征點。

9.根據權利要求7所述的方法，其中所述線性嵌入算子為根據A=eigenvalue(L)計算出的矩陣A，其中所述矩陣L=S–W，S為具有項的對角矩陣，并且n為特征點的個數。

10.根據權利要求7所述的方法，其中所述密切矩陣由所述第一密切參數d_max與所述第二密切參數a確定為其中F_j和F_k為所述第一特征點集合中的特征點。

11.根據權利要求7所述的方法，其中所述第一密切參數d_max為包括多個特征點的樣本特征點存儲庫的已排序成對距離函數的第一零梯度。

12.根據權利要求7所述的方法，其中所述第二密切參數a經選擇使得所述密切矩陣W=(w_j,k)為稀疏的。

13.根據權利要求12所述的方法，其中所述第二密切參數a值根據方程獲得。

14.根據權利要求1所述的方法，其中所述第二特征點集合中的中特征點F_j具有針對第一維度的第一精度以及針對第二維度的第二精度。

15.根據權利要求14所述的方法，其中所述第一維度的所述第一精度對于所述特征點F_j方差較大，所述第二維度的所述第二精度對于所述特征點F_j方差較小，所述第一精度大于所述第二精度。

16.一種用于處理圖像的設備，所述設備包括：

接收器，其用于接收所述圖像的第一特征點集合；以及

線性嵌入單元，其用于使用線性嵌入算子，根據所述第一特征點集合生成第二特征點集合，其中所述第一特征點集合中的成對最近鄰（NN）拓撲關系便被保留在所述第二特征點集合中，特征點為用一組數字來表示的一個點。

17.根據權利要求16所述的設備，其進一步包括：

密切單元，其用于生成密切模型，所述密切模型用于確定線性嵌入算子，其中所述密切模型包括第一密切參數d_max、第二密切參數a和大小為n*n的密切矩陣W=(w_j,k)，n為所述第一特征點集合中的特征點個數，其中所述密切矩陣W=(w_j,k)的稀疏度由所述第一密切參數和所述第二密切參數來控制。