[發明專利]基于壓縮域的社會圖像標簽排序方法

在審

• 申請號: 201410146890.7
• 申請日: 2014-04-12
• 公開（公告）號: CN103970838A
• 公開（公告）日: 2014-08-06
• 發明（設計）人: 張菁;劉欣;卓力;周倩蘭;王超
• 申請（專利權）人: 北京工業大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

1.基于壓縮域的社會圖像標簽排序方法，其特征在于包括：

壓縮域描述性詞包構建

1）重建低分辨率圖像

對8×8的圖像塊構建出原圖像分辨率的1/2×1/2版本的圖像；

2）提取SIFT描述算子

3）生成視覺單詞

從圖像中提取SIFT特征數據庫，采用k均值聚類方法進行聚類分析，并選取每類中心作為視覺單詞，構建視覺單詞庫；

4）構建描述性視覺詞包

提出了描述性視覺詞包建立方案，包括描述性視覺單詞DVW和描述性視覺單詞對DVP；DVW指能夠高效描述某類目標或者場景的特定視覺單詞，DVP指在某類別的圖像中經常出現的視覺單詞對；

針對DVW，依據網頁排序的原理提出一種視覺單詞排序算法，挑選出各個圖像類別中具有描述性的視覺單詞，也即得到DVW；針對DVP，首先通過檢測一定的空間距離內經常成對出現的視覺單詞得到DVP候選詞，然后計算每個DVP候選詞的重要性并進行排序，從中挑選出各類別中具有描述性的候選詞對，得到DVP；最后將DVW和DVP集中起來，形成最終的描述性視覺詞包；

還包括標簽排序：

在描述性視覺詞包基礎上，進行相似性匹配得到查詢圖像的k近鄰圖像子集；引入近鄰投票模型進行標簽排序，通過近鄰圖像的標簽對關鍵圖的標簽進行投票，進行投票統計，也即計算標簽的相關度得分，按照最終的相關度得分對標簽排序，得到圖像新的標簽列表；

具體說來，給定圖像I和相應的標簽列表T={t₁,t₂,…,t_n}，首先，根據圖像的低層特征尋找圖像I的k近鄰圖像集；然后，統計標簽列表T={t₁,t₂,…,t_n}中各標簽在圖像I的k近鄰圖像集中的出現次數，計算相關度得分；最后，依據各標簽的相關度得分將標簽進行降序排列，得到最終的排序結果。

2.根據權利要求1所述的基于壓縮域的社會圖像標簽排序方法，其特征在于：

生成視覺單詞具體為：

對圖像庫中的每類圖像進行SIFT特征的提取；假定該類圖像共N幅，首先檢測每幅圖像的關鍵點，得到每幅圖像各個關鍵點的描述算子，即128維的SIFT特征向量；然后將所有圖像的所有關鍵點的描述算子集中起來，采用K均值聚類方法進行聚類分析，選取每個聚類中心作為視覺單詞，也就得到了該類別N幅圖像的視覺單詞庫。