一种基于多尺度分析的图像特征包构建方法

摘要

本发明通过在特征包模型中引入图像的多尺度分析理念，构建了一种基于多尺度分析的图像特征包构建方法。该方法首先利用小波变换对图像进行分解，接着分别提取其高频和低频子带的局部区域特征，并分别构建高频视觉词典与低频视觉词典，然后利用视觉词典对图像加以描述，生成图像特征包。本发明聚焦于图像的多尺度特征提取和图像的语义描述层面，可以更好的捕获图像中的细节信息从而生成视觉特征词汇，新的特征包模型可具体应用于医学图像、遥感图像、网络图像等数字图像数据的分类、检索等。

主权项

本发明一种基于多尺度分析的图像特征包构建方法，主要包括以下内容：在特征包模型中引入图像的多尺度分析理念，利用小波变换对图像进行分解，分别提取其高频和低频子带的局部区域特征，并分别构建高频视觉词典与低频视觉词典，然后依据视觉词典对图像加以描述，此后可根据图像所包含视觉单词的分布情况进行分类和检索。技术方案如下：步骤一：首先利用小波变换对训练图像进行多尺度分解，分别生成高频子带与低频子带；步骤二：对多尺度分解之后的高频子带与低频子带分别进行局部特征提取，生成高频子带特征集合与低频子带特征集合；步骤三：对训练集中所有的高频子带特征和低频子带特征分别进行聚类，将聚类中心作为视觉单词，构建视觉词典；步骤四：根据上述步骤生成的视觉词典对图像特征进行编码，将图像转换为视觉特征包；步骤五：在获得视觉特征包模型之后，再通过SVM分类器对图像进行分类。