[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

本發明提出了一種用于群體圖像插入的最優圖像集選取方法，旨在為待插入圖像選取出與其相似度最高的圖像集，實現步驟為：提取訓練圖像的SIFT特征；建立視覺詞典；取群體圖像每個圖像集中各圖像的SIFT特征；獲取每個圖像集的視覺單詞直方圖；獲取待插入圖像的視覺單詞直方圖；計算待插入圖像與群體圖像中每個圖像集的相似性；選取最優插入圖像集。本發明發掘了待插入圖像與圖像集之間的關系，可以為添加到群體圖像中的圖像選取出與其相似度最高的圖像集，可用于云端群體圖像管理以及圖像數據庫管理的場景中插入圖像的情況。

技術領域

本發明屬于圖像編碼技術領域，涉及一種最優圖像集選取方法，具體涉及一種用于群體圖像插入的基于詞包模型的最優圖像集選取方法，可用于云端群體圖像管理以及圖像數據庫管理的場景中向群體圖像中插入圖像的情況，可以為待插入的圖像選取出與其相似度最高的圖像集。

背景技術

在最近十年中.隨著互聯網相關產業的飛速發展，數字圖像等多媒體內容也呈現出爆炸式的增長。據全球最大社交網絡服務公司Facebook報告，其存儲的照片己經超過二千二百億張，并正以每天三億張的速度增加。規模巨大的圖像視頻數據為帶寬存儲等方面帶來了極大的壓力。為此，研究者一直在努力改進數字圖像壓縮技術。相同場景下拍攝的很多圖片具有很大的相似性，但他們的單獨采用JPEG或JPEG-2000對圖像進行編碼，將會造成存儲空間大、編碼效率不夠高。因此，對于相似圖像的壓縮存儲很有必要。群體圖像編碼利用存在于群體圖像之間的相關性，通過一系列處理從而得到偽視頻序列，最后通過該序列進行視頻壓縮編碼的方法可以獲得更高的圖像壓縮比。群體圖像中存在多個圖像集，每個圖像集中包含多張圖像，每個圖像集中的圖像具有一定的相似性，會整體進行編碼。因此群體圖像對于圖像的添加缺少了靈活性，需要進行圖像集的管理。對于向群體圖像中添加圖像來說，首先需要找到與添加圖像相似度最高的圖像集。目前一般通過人眼進行主觀判斷，效率較低。

詞包模型最初被應用于文本信息檢索領域中，忽略文檔中單詞的位置信息和語義信息，統計單詞在文檔中出現的頻率，利用構建的單詞分布直方圖來描述文檔的語義內容，通過文檔到數值向量的轉化將文本語言的處理分析轉化為數學向量的問題，方便計算機快速的檢索文本。

在圖像場景分類和檢索的領域中，詞包模型仿照由單詞分布特性來表達文檔內容的原理，提取圖像的局部特征，通過對圖像的局部特征進行訓練生成合適的視覺單詞，通過統計視覺單詞的分布特性來表達圖像的語義信息。

發明內容

本發明的目的在于克服上述現有技術存在的缺陷，提出了一種用于群體圖像插入的最優圖像集選取方法，旨在提高查找與插入到群體圖像中的圖像相似度最高的圖像集的效率。

為實現上述目的，本發明采取的技術方案包括如下步驟：

(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；