[發明專利]一種基于SIFT特征軟匹配的圖像分類方法

有效

• 申請號: 201611074826.8
• 申請日: 2016-11-29
• 公開（公告）號: CN106778775B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 吳曉富;張婉
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 南京知識律師事務所 32207
• 代理人: 李湘群

1.一種基于SIFT特征軟匹配的圖像分類方法，其特征在于，所述方法包括如下步驟：

步驟1：對待分類的圖像分別進行SIFT特征提取操作；

步驟2：將步驟1中提取出來的SIFT特征在每兩個圖像之間進行軟匹配，軟匹配的含義是指：將圖像i與圖像j提取出來的特征逐個關鍵點進行比較計算，用歐氏距離來度量圖像i中第k個關鍵點與圖像j中所有關鍵點的距離，找出最近和第二近的兩個距離，把這兩個距離的比值記為軟匹配是與硬匹配相對應，利用所有的比值信息，保留全部的比值信息并根據下式計算圖像i中第k個關鍵點與圖像j中關鍵點的匹配度

其中，

δ表示設定的閾值；

K_i表示圖像i的關鍵點的總數；

β是一個調節參數，當β→∞時，退化為硬匹配，β取不同數值時函數sigmoid(β，x)的曲線，那么圖像i與圖像j之間的匹配程度按如下公式計算：

當β→∞時，

需要指出的是，m(i，j)≠m(j，i)，且計算結果m(i，j)一定是個整數，而不一定是整數；

步驟3：根據步驟2中計算出的圖像i，j之間的匹配程度定義一種相似度度量標準，按照下式定義圖像i與圖像j之間的相似度

其中，

是對圖像i與圖像j的匹配程度的歸一化；

N表示待分類圖像的總個數；

由于μ(i，j)＝μ(j，i)，所以因此稱之為對稱相似度；

步驟4：將步驟3中計算所得的相似度作為AP聚類算法的輸入，進行最終的分類，聚類算法把圖像間的相似度作為輸入，經過算法后生成幾個類代表圖像以及每個圖像類的劃分情況，若圖像i與圖像j之間的相似度記為s(i，j)，i，j∈[1，N]，N表示待分類圖像的個數，若i＝j，則記p_j＝s(i，j)，代表圖像j被選為類代表的參考度，算法的輸入也包括每一個數據的參考度p_j，擁有較大參考度的圖像就有更大的機會被選為類代表；

聚類算法的過程是在數據之間來回傳遞兩種信息，一個是“responsibility”r(i，k)，是圖像i向可能的類代表圖像k傳遞的信息，反應圖像i選擇圖像k作為代表的可能性；另一個是“availability”a(i，k)，是從可能的類代表圖像k傳遞給圖像i的信息，表示圖像k能夠作為圖像i的代表的可信度，AP聚類算法的大致流程能用如下步驟表示：

1)初始化：

r(i，k)＝0

2)更新responsibility：

3)更新availability：

4)篩選類代表：

c_i表示圖像i對應的類代表圖像，上述過程中很容易會出現振蕩，會在更新過程中加入阻尼系數λ，λ∈[0.5，1]；

經過上述步驟的迭代進行，直至滿足迭代停止的條件，算法結束，輸出圖像分類結果。