一种基于加权金字塔结构的图像特征提取方法

摘要

一种基于加权金字塔结构的图像特征提取方法，图像内容一般是由颜色、纹理、形状、空间布局等特征表示的，图像可视内容的提取和表示是基于内容图像检索的基础。然而，现有的图像内容描述子还不能完美地表达图像内容。本发明提出一种基于加权金字塔结构的图像特征提取方法。基于加权金字塔结构的图像特征提取方法是借鉴人类基于图元的图像内容理解思想、从人类对图像整体和局部的认知顺序和认知程度出发的一种简化的多层次图像特征提取手段。本发明改善了图像的特征提取方法，参照人类理解图像的过程，将图像按图元进行分割，同时考虑到整体与局部对图像内容理解的不同贡献，采用相应的加权策略，有效地改善了图像描述的性能。

主权项

1.一种基于加权金字塔结构的图像特征提取方法，其特征在于：包括以下步骤：A、图像分层将图像按照金字塔结构分为三层；金字塔中的每一层来都代表着整幅图像，在图像理解过程中都发挥着相同的作用；A1、第一层每一幅图像都会表达一个完整的高层语义，即一幅图像是一个整体，它蕴涵着图像中各个图元之间的空间、时间和语义关系，而且它在人类对图像的理解过程中起着至关重要的作用，因此，把整个图像当成金字塔第一层；A2、第二层兼顾到人类摄影的习惯及尽量保持图像中每个图元的完整性，提高图像中主要图元在整幅图像理解过程中的作用，我们采用如图1所示的方式对图像进行切分，作为金字塔结构的第二层；A3、第三层作为对第一层和第二层切分方式的补充和完善，将图像切割成4*4个小块，作为金字塔结构的第三层；B、分层加权上述的多层次的图像分割手段，可以将图像分成22个子图像块，但每个子图像存在尺寸大小上的差异，在图像内容理解过程中所起的作用也不一样；因此，为了衡量各个子图像块在理解过程中所发挥的作用，需要对每个图像块进行加权处理；对于金字塔中的每一层来说，其都代表着一幅整体的图像，因此我们设每层结构的整体权重，显然W_g＝1：$\underset{i=1}{\overset{3}{\Sigma }}{W}_g=3(i=\mathrm{1,2,3})$同时，对于每层中的子图像块，设其权重为：$W_i=\frac{1}{N_i}(i=\mathrm{1,2,3})$其中N_i为第i层上子图像块的数目N={1,5,16}；C、图像特征提取提取每一幅子图像颜色、纹理、边缘方向等低层特征，子图像之间的特征提取及不同底层特征提取都是彼此独立的；成功将低层特征提出后，即将每一个样本图像的内容转化成为22组数值向量，作为该样本图像的特征向量组。