[發明專利]一種用于群體圖像插入的最優圖像集選取方法

有效

• 申請號: 201810507679.1
• 申請日: 2018-05-24
• 公開（公告）號: CN108764258B
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 吳煒;許冬梅
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/50;G06V10/762;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 陳宏社;王品華

1.一種用于群體圖像插入的最優圖像集選取方法，其特征在于，包括如下步驟：

(1)提取多張訓練圖像的SIFT特征：

從圖像樣本庫中選取多張訓練圖像，并提取每張訓練圖像的SIFT特征，得到訓練圖像的SIFT特征向量集合；

(2)建立視覺詞典：

對訓練圖像的SIFT特征向量集合中的SIFT特征向量進行聚類，得到多個聚類簇，并將每個聚類簇的聚類中心作為一個視覺單詞，得到由多個視覺單詞組成的視覺詞典；

(3)提取群體圖像每個圖像集中各圖像的SIFT特征：

分別提取群體圖像中每個圖像集中各圖像的SIFT特征，得到每個圖像集的SIFT特征向量集合；

(4)獲取每個圖像集的視覺單詞直方圖：

(4a)對每個圖像集的SIFT特征向量集合中的各SIFT特征向量進行最近鄰搜索，得到每個SIFT特征向量在視覺詞典中對應的距離最近的視覺單詞；

(4b)統計每個視覺單詞在圖像集SIFT特征向量集合中出現的次數，并將每個視覺單詞出現的次數作為被統計的SIFT特征向量集合對應的圖像集的視覺單詞直方圖；

(5)獲取待插入圖像的視覺單詞直方圖：

(5a)提取待插入圖像的SIFT特征，得到待插入圖像的SIFT特征向量集合，并對待插入圖像中的每個SIFT特征向量進行最近鄰搜索，得到多個SIFT特征向量在視覺詞典中對應的距離最近的視覺單詞；

(5b)統計每個視覺單詞在待插入圖像的SIFT特征向量集合中出現的次數，并將其作為待插入圖像的視覺單詞直方圖；

(6)計算待插入圖像與群體圖像中每個圖像集的相似性：

采用余弦相似度計算待插入圖像視覺單詞直方圖與每個圖像集視覺單詞直方圖之間的余弦值，并將每一個余弦值作為待插入圖像與余弦值對應的圖像集的相似性，得到多個待插入圖像與圖像集的相似性；

(7)選取最優插入圖像集：

從群體圖像的所有圖像集中選取與待插入圖像相似性最大的圖像集作為最優的插入圖像集。

2.根據權利要求1所述的一種用于群體圖像插入的最優圖像集選取方法，其特征在于，步驟(2)中所述的對訓練圖像的SIFT特征向量集合中的SIFT特征向量進行聚類，實現步驟為：

(2a)對聚類參數進行初始化：

給定最大迭代次數的值，令初始迭代次數t為1，隨機分配k個SIFT特征向量作為聚類中心；

(2b)建立聚類中心的KD-Tree索引，遍歷每個SIFT特征向量，通過KD-Tree索引對聚類中心進行最近鄰搜索，得到每次進行最近鄰搜索的SIFT特征向量的聚類中心，并將與聚類中心對應的SIFT特征向量納入聚類中心所在的聚類簇中；

(2c)對每個聚類簇的聚類中心進行更新：

對于每個聚類簇，計算聚類簇中SIFT特征向量的平均值，并將其作為該聚類簇新的聚類中心；

(2d)令t＝t+1，并判斷新的聚類中心的值與更新前的聚類中心的值是否相同，若是，則輸出每個新的聚類中心的值；否則，執行步驟(2e)；

(2e)判斷當前迭代次數是否大于最大迭代次數，若是，迭代停止，輸出每個新的聚類中心的值；否則執行步驟(2b)。

3.根據權利要求1所述的一種用于群體圖像插入的最優圖像集選取方法，其特征在于，步驟(6)中所述的采用余弦相似度計算待插入圖像視覺單詞直方圖與每個圖像集視覺單詞直方圖之間的余弦值，計算公式為：

其中G為圖像集的視覺單詞直方圖，P為待插入圖像的視覺單詞直方圖，G_i表示圖像集視覺單詞直方圖中第i個元素的值，P_i表示待插入圖像視覺單詞直方圖中第i個元素的值，n表示視覺單詞直方圖中元素的個數。