基于特征点局部颜色及分布特征的图像拣出方法

摘要

本发明公开了一种基于特征点局部颜色及分布特征的图像拣出方法，主要解决现有技术中图像特征描述的有效性不够以及图像理解歧义性问题。该方法的步骤为：首先，对图像进行尺度归一化和旋转归一化，并检测特征点；接着，将归一化后的图像按照特征点的分布划分成一系列面积不等的扇形子区域，提取每个子区域内特征点局部颜色及空间分布特征，生成特征向量进行相似性度量并排序；然后，将图像看作为多示例包，采用多示例学算法获得目标图像特征；最后，重新计算相似度，并输出拣出结果。本发明不仅提高了图像特征描述的有效性，而且缩小了图像拣出过程中的歧义性，从而实现了对互联网图像更为准确的拣出，可用于对互联网中图像信息的查找。

主权项

1.一种基于特征点局部颜色及分布特征的图像拣出方法，包括：(1)先对一幅指定的目标图像Q进行尺度归一化和旋转归一化，得到归一化后的目标图像Q₁，然后对归一化后的目标图像Q₁采用Harris角点检测器检测特征点；(2)将归一化后的目标图像Q₁按照特征点的分布划分成J个同心不等面积的扇形子区域；(3)对每个扇形子区域，选取其中所有特征点δ邻域内的像素，统计它们的色调、饱和度和亮度空间的颜色直方图H_k(1≤k≤J)，用以表示每个扇形子区域内特征点局部像素的颜色特征；(4)对每个扇形子区域，选取其中所有特征点像素，计算特征点的空间分布离散度，用以表示每个扇形子区域内特征点空间分布的疏密程度；(5)初始化拣出次数为α＝1，进行第α次图像拣出，对图像库中的每一幅图像I按照步骤(1)-(4)提取图像特征，按下式计算目标图像Q所提取特征与图像库中每一幅图像I所提取特征的相似度S：S＝ω_cS_c(Q，I)+ω_dS_d(Q，I)其中，ω_c是特征点局部颜色特征的权值，ω_d是特征点空间分布特征的权值，满足ω_c+ω_d＝1，S_c(Q，I)表示目标图像Q与图像库中一幅图像I的特征点局部色调、饱和度和亮度空间的颜色直方图相似度，表示为：S_d(Q，I)表示目标图像Q与图像库中一幅图像I的特征点空间分布离散度相似度，表示为：式中，H_k(Q)为目标图像Q的第k个扇形子区域内特征点局部色调、饱和度和亮度空间的颜色直方图，H_k(I)为图像库中图像I的第k个扇形子区域内特征点局部色调、饱和度和亮度空间的颜色直方图，D_k(Q)为目标图像Q的第k个扇形子区域内特征点的空间分布离散度，D_k(I)为图像库中图像I的第k个扇形子区域内特征点的空间分布离散度；(6)将图像库中的图像按照相似度由大到小的顺序排序拣出；(7)将各扇形子区域特征与多示例学习中示例的概念相对应，使目标图像Q与图像库中的每一幅图像I成为包含示例的包，从第α次拣出结果中选取排序最靠前的5幅正例图像和5幅反例图像作为训练集进行多示例学习，通过EM-DD算法获得用户期望的目标图像特征，计算目标图像特征和第α次拣出结果中各图像包中最相似示例间距离作为图像包含目标图像特征的概率S_M；(8)将步骤(5)中的相似度S和步骤(7)中的图像包含目标图像特征的概率S_M相加，以此计算目标图像Q和第α次拣出结果中各图像之间新的相似度S′：S′＝S+S_M并按新的相似度由大到小的顺序，将拣出的图像重新排序输出；(9)令α＝α+1，重复步骤(7)-(8)，获得更好的图像拣出结果。