[發(fā)明專利]一種基于局部特征鄰域信息的相似圖片檢索方法

有效

• 申請?zhí)枺?/td>: 201410386860.3
• 申請日: 2014-08-07
• 公開（公告）號: CN104199842B
• 公開（公告）日: 2017-10-24
• 發(fā)明（設計）人: 王瀚漓;王雷
• 申請（專利權(quán)）人: 同濟大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/66
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司31225
• 代理人: 趙繼明

技術(shù)領(lǐng)域

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)

近年來，計算機視覺正在飛速發(fā)展。其中，相似圖片檢索是一個基礎(chǔ)但是很具有挑戰(zhàn)性的任務，因此備受關(guān)注。

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)域的一類特征，在尺度空間尋找極值點，提取位置、尺度、旋轉(zhuǎn)不變量，可在圖像中檢測出關(guān)鍵點。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練好的字典中的視覺詞語上，并存儲于倒排索引中以作查詢使用。

然而，上述圖像檢索模型目前還存在以下問題：

第一，由于特征的局部性和量化誤差，導致特征匹配精度很低，存在大量的錯誤匹配，影響最終的檢索精度。

第二，大量的算法著重于研究特征點本身的信息，忽略了特征點鄰域信息與特征點之間的強關(guān)聯(lián)性。

第三，一些算法試圖利用特征點之間的空間關(guān)系來進行空間驗證，但是此類方法一般都消耗額外的計算資源和計算步驟，計算效率不高。

發(fā)明內(nèi)容

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確率高的基于局部特征鄰域信息的相似圖片檢索方法。

本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

一種基于局部特征鄰域信息的相似圖片檢索方法，包括：

1)獲取訓練圖片；

2)采用Hessian-Affine特征點檢測算法和SIFT局部特征描述子在多尺度空間上對圖片進行特征檢測和描述；

3)根據(jù)步驟2)提取的特征構(gòu)造相對應的影子特征；

4)利用k均值聚類算法對步驟2)中提取的特征進行聚類并生成包括k個視覺詞的視覺字典；

5)將上述所有特征逐個映射到與其L2距離最小的視覺詞匯上，并存儲在倒排索引結(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，形成查詢數(shù)據(jù)庫；

7)獲取查詢圖片，對查詢圖片依次執(zhí)行步驟2)、3)、5)，獲得相應的倒排索引，并將其與查詢數(shù)據(jù)庫進行比對，獲得檢索結(jié)果列表。

所述的步驟2)具體為：

2a)采用Hessian-Affine特征點檢測算法對圖片Ii進行檢測，得到相應的局部特征點集P_i＝{p_i，1，...，p_i，m}，i＝1，2，...n，n為圖片總數(shù)，m為每張圖片中局部特征點的個數(shù)；

2b)采用SIFT局部特征描述子對Pi進行描述，得到對應的局部特征F_i＝{f_i，1，...，f_i，m}，其中，f_i，j＝{(x_i，j，y_i，j)，σ_i，j，θ_i，j，s_i，j，D_i，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，

所述的步驟3)中，構(gòu)造的影子特征表示為fs_i，j＝{(xs_i，j，ys_i，j)，σs_i，j，θs_i，j，ss_i，j，Ds_i，j}，其中，

xs_i，j＝x_i，j+α·s_i，j·cosθ_i，j

ys_i，j＝y(tǒng)_i，j+α·s_i，j·sinθ_i，j

θs_i，j＝θ_i，j+π

σs_i，j＝σ_i，j

ss_i，j＝s_i，j

為采用SIFT局部特征描述子對影子特征fs_i，j進行描述，得到的128維特征向量；

α為構(gòu)造參數(shù)。

所述的α取值為2，以提高檢索準確率。

所述的步驟4)具體為：