基于随机森林算法的判别二进制图像特征相似实现方法

摘要

本发明公开了一种基于随机森林算法的判别二进制图像特征相似实现方法，该方法包括：离线索引阶段，提取图像的尺度不变特征转换特征，把所有特征的每一维当作一个向量用K均值方法聚类，将尺度不变特征转换特征量化成512维的二进制特征；把量化后的特征、特征索引、特征对应的图像名称及其近邻特征写入数据库作为图像特征库。在线检索阶段，提取图像的尺度不变特征转换特征，把特征量化成512维的二进制特征，并与图像特征库中的特征匹配，找出特征的近邻特征，并用随机森林算法对近邻特征进行判别，投票机制检索出相似图像。

主权项

基于随机森林算法的判别二进制图像特征相似实现方法，其特征在于，包括以下步骤：1)离线索引阶段，提取图像的尺度不变特征转换特征，把所有尺度不变特征转换特征的每一维当作一个向量用K均值方法聚类，得到5个聚类中心，然后将尺度不变特征转换特征的每一维按汉明距离最近的聚类中心量化成4位的二进制码，得到512维的二进制特征；把量化后的特征、特征索引、特征对应的图像名称及其近邻特征写入数据库作为图像特征库；2)取不少于图像库60％的图像用于有监督的训练，将图像的量化特征与图像库中的特征进行匹配，如果两幅图像相似，则把类别1和量化特征与其匹配特征的异或结果作为新的标签向量，若否，则把类别0和量化特征与其匹配特征的异或结果作为新的标签向量；将这些标签向量用随机森林算法进行有监督的学习和预测，选取最优参数生成随机森林判别模型；3)在线检索阶段，提取图像的尺度不变特征转换特征，把特征量化成512维的二进制特征，并与图像特征库中的特征匹配，得到量化特征的近邻特征，并用步骤2)中生成的随机判别模型对近邻特征进行判别，投票机制检索出相似图像。