[發明專利]一種基于特征點聚類的圖像檢索方法

在審

• 申請號: 201810871853.0
• 申請日: 2018-08-02
• 公開（公告）號: CN110807120A
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 史凌波;劉文龍
• 申請（專利權）人: 國科易訊（北京）科技有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于特征點聚類的圖像檢索方法，其特征在于，包括以下步驟：

步驟1：提取圖像數據庫中所有圖像的局部特征點；

步驟2：使用聚類算法對步驟1中提取的所有局部特征點進行聚類，得到K個聚類中心，其中，K的取值為K＝1-1000；

步驟3：對于數據庫中的每一幅圖像，基于步驟1提取的該幅圖像的局部特征點和步驟2得到的K個聚類中心，計算其局部特征聚合描述子；

步驟4：對于檢索圖像，提取其局部特征點，并使用聚類算法對局部特征點進行聚類，生成K’個類，得到K’個類中心，其中，K’的取值為K’＝1-10；

步驟5：計算檢索圖像的所有類中心之間的最短距離d_min；設定閾值T，若d_min≤T，則將最短距離對應的兩個類進行合并；

d_min＝min||μ′_i-μ′_j||

其中，μ′_i和μ′_j表示第i個和第j個類中心，i＝1～K′，j＝1～K′；

步驟6：重復執行步驟5，直到d_min>T為止，此時，檢索圖像的聚類個數為K”，K”<＝K’；

步驟7：對于檢索圖像的K”個類，選取特征點數量最大類中的圖像特征點，基于步驟2得到的K個聚類中心，計算局部特征聚合描述子；

步驟8：計算步驟7中得到的局部特征聚合描述子與數據庫中所有圖像的局部特征聚合描述子的歐式距離，最小距離對應的數據庫圖像即為最終檢索結果：

retrievelIdx＝argmin_j||V_r-V_j||

其中，V_r為檢索圖像的局部特征聚合描述子，V_j為圖像數據庫中第j幅圖像的局部特征聚合描述子，retrievelIdx為計算得到的最小距離圖像的編號。

2.根據權利要求1所述的基于特征點聚類的圖像檢索方法，其特征在于，所述步驟1中的局部特征點是SIFT特征點、SURF特征點、ORB特征點、HOG特征點、FAST特征點、BRISK特征點或LBP特征點。

3.根據權利要求1所述的基于特征點聚類的圖像檢索方法，其特征在于，所述步驟3具體方法如下：

步驟3-1：計算圖像中每一個特征點所屬的類編號；

步驟3-2：計算每個聚類的殘差向量；

步驟3-3：將步驟3-2求得的k個殘差向量合成一個一維向量；

步驟3-4：對一維向量V中的每一個分量進行冪律規一化處理：

V_i＝sign(V_i)·|V_i|^α

其中，V_i表示一維向量V中第i個分量，i＝1,2,...,N，N表示一維向量V的維度；α≤1，代表歸一化參數；

步驟3-5：對處理后的一維向量采用如下公式進行L2范數歸一化，得到的一維向量V即為圖像的局部特征聚合描述子：

4.根據權利要求3所述的基于特征點聚類的圖像檢索方法，其特征在于，所述步驟3-1：采用以下公式計算圖像中每一個特征點所屬的類編號：

i＝argmin_j||x_t-μ_j||

其中，x_t表示圖像第t個特征點，t＝1,2,...,n，n表示圖像特征點數量，μ_j表示第j個聚類中心，j＝1,2,...,K，i表示求得的x_t所屬類編號。

5.根據權利要求3所述的基于特征點聚類的圖像檢索方法，其特征在于，所述步驟3-2：采用以下公式計算每個聚類的殘差向量：

其中，μ_i表示第i個聚類中心，表示圖像中屬于第i個聚類的第k個特征點，m表示圖像中屬于第i個聚類的特征點總數；v_i表示第i個聚類的殘差向量。

6.根據權利要求3所述的基于特征點聚類的圖像檢索方法，其特征在于，所述步驟3-3：采用以下公式將步驟3-2求得的k個殘差向量合成一個一維向量：

V＝[v₁ v₂ Λ v_K]。