基于地理位置特征与全局视觉特征的图像分类和检索方法

摘要

基于地理位置特征与全局视觉特征的图像分类和检索方法，本发明涉及图像分类和检索方法。本发明的目的是为了解决现有室外图像仅依靠视觉特征进行场景分类时精度低以及随着数据库规模的不断增大，图像检索过程耗费大量的时间，影响导航定位算法的实时性，无法保证用户的位置服务需求的问题。通过以下技术方案实现的：步骤一、数据库初始化：步骤二、数据库图像预处理：步骤三、数据库图像聚类：步骤四、数据库图像类排序：步骤五、图像类内检索。本发明应用于信息技术中计算机视觉和图像处理领域。

主权项

基于地理位置特征与全局视觉特征的图像分类和检索方法，其特征在于，基于地理位置特征与全局视觉特征的图像分类和检索方法具体是按照以下步骤进行的：步骤一、数据库初始化：在室外采集带有地理位置信息的图像作为数据库数据进行存储；步骤二、数据库图像预处理：将数据库中图像转换成灰度图像，提取Gist特征作为全局视觉特征，并用向量G表示，然后将数据库中灰度图像的位置信息作为灰度图像的位置特征L，数据库中灰度图像的融合特征向量为F_t＝{αG,(1‑α)L}；步骤三、数据库图像聚类：利用K‑means算法对步骤二中的融合特征向量进行聚类，并计算聚类中心，得到聚类中心后，将聚类中心的全局视觉特征向量作为数据库中灰度图像类别的视觉特征；步骤四、数据库图像类排序：当用户上传查询图像后，对查询图像提取全局视觉特征和SIFT特征，并计算查询图像全局视觉特征与数据库中灰度图像类别的视觉特征的欧氏距离，根据欧式距离由小到大对数据库中灰度图像的各个类别进行排序；步骤五、图像类内检索：查询图像按照步骤四得到的类别排序结果，逐一对各个类别进行检索，在类内检索时，首先提取类内每一幅灰度图像的全局视觉特征，然后根据查询图像的全局视觉特征与类内灰度图像的全局视觉特征的欧氏距离，由小到大进行排序，查询图像根据此排序结果进行图像特征匹配，在图像匹配过程中，提取数据库灰度图像和查询图像的SIFT特征点，并对特征点进行匹配，设定匹配阈值k_match，若ε≥k_match，则数据库图像与查询图像匹配，并将匹配的数据库灰度图像作为检索结果；否则，继续检索。