[發明專利]一種用于商品圖像搜索的融合多視角的仿射不變描述子

在審

• 申請號: 201710371020.3
• 申請日: 2017-05-18
• 公開（公告）號: CN107644227A
• 公開（公告）日: 2018-01-30
• 發明（設計）人: 王斌;王其浩;曾范清
• 申請（專利權）人: 南京財經大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06F17/30;G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種融合多視角的仿射不變特征描述方法，主要用于服裝商品圖像的搜 索與匹配。

背景技術

由于本發明抽取的是服裝商品圖像的視覺特征，對于現實中采集到的RGB彩色圖 像，在抽取圖像特征前需要通過圖像預處理將采集的所有圖像均轉化成灰度圖像。

圖像的識別檢索通常包括以下幾個步驟：

特征抽取過程：

1、輸入訓練圖像；

2、圖像預處理，將輸入的訓練圖像轉化成灰度圖像；

3、按照特征抽取算法逐一抽取服裝圖像的視覺特征；

4、對抽取的視覺特征做必要的處理，并進行存儲。

圖像檢索識別過程：

1、輸入查詢圖像，對其進行預處理，將其轉換成灰度圖像；

2、抽取查詢圖像的視覺特征，并做相應處理；

3、按照匹配相似度度量準則，計算查詢圖像特征向量與訓練圖像的距離；

4、對上述計算得到的所有度量距離進行排序，檢索識別查詢圖像。

目前常用的圖像特征描述方法主要有：基于圖像全局特征的圖像搜索方法和基于圖 像局部特征的圖像搜索方法。基于全局特征的圖像搜索方法利用的是圖像的全局特征， 如：顏色、紋理、形狀等；基于圖像局部特征的圖像搜索方法利用的是圖像的局部特征， 如SIFT特征、MSER特征等等。表1給出了常用的圖像視覺特征的描述方法及其分類。

一級分類 二級分類 全局特征描述方法 顏色、形狀、紋理 局部特征描述方法 SIFT、MSER

表1.常用的圖像視覺特征的描述方法及其分類

對以上常用的圖像特征描述方法的部分常用方法進行具體分析：

(1)顏色特征

顏色特征是目前應用最為廣泛的底層視覺特征。顏色是組成圖像內容的基本要素， 與其它底層特征相比，顏色特征具有優于其他底層視覺特征的旋轉不變性和尺度不變 性，計算起來也比其他視覺特征方便。目前顏色特征的描述方法主要有顏色直方圖法， 顏色矩法，顏色信息熵等。

(2)形狀特征

圖像的形狀特征是圖像的另一個重要特征，也是圖像識別研究領域的一個基本問 題。但由于獲取物體的形狀比較困難，基于形狀特征的搜索匹配一般僅限于非常容易識 別的物體。目前，在基于內容的圖像搜索技術中常用的形狀特征提取方法主要分為兩類： 基于邊界的形狀特征提取和基于區域的形狀特征提取。

(3)紋理特征

紋理特征是物體表面的一種特征，紋理特征度量的是局部區域中像素間的關系。紋 理特征描繪了像素鄰域間的灰度分布規律，包含了鄰域間像素分布排列的重要信息，以 及它們與周圍像素之間的關系。常用的紋理描述方法有：統計法、頻譜法、結構法和模 型法四種。

(4)SIFT特征

SIFT是David Lowe于1999年提出的局部特征描述子，并于2004年進行了更加深 入的發展和完善。SIFT特征獨特性好，信息量豐富，并且對大多數圖像變換具有很強 的不變性。SIFT算法主要包括以下4個基本步驟：

首先，搜索所有尺度上的圖像位置，通過高斯微分函數來識別潛在的對于尺度和旋 轉不變的興趣點。圖像的極值點在經過圖像平移、旋轉等變換后仍然是圖像的極值點。 因此SIFT特征提取算法首先在尺度空間上提取極值點，以保證極值點的穩定性。

為了在尺度空間上快速找到穩定點，利用高斯差分算子在高斯差分尺度空間中檢測 圖像極值點，在利用高斯差分算子得到一系列高斯差分圖像后，利用高斯差分圖像形成 高斯差分金字塔。金字塔的每一層是通過對上一層圖像進行高斯平滑處理，并進行1/4 降采樣后，再進行差分運算得到的。