【技术实现步骤摘要】
一种面向对象型图像集的视觉词字典生成方法及系统
本专利技术涉及计算机视觉
，具体地说是一种面向对象型图像集的视觉词字典生成方法及系统。
技术介绍
BoF模型是近年来在计算机视觉领域应用最广泛的一类特征，已经应用于图像分类、对象识别、图像检索、机器人定位和纹理识别。大量研究结果表明BoF特征在计算机视觉中具有很好的性能。构建BoF特征的关键步骤包括：特征提取、字典生成、特征编码和特征池化。每个步骤的实现都有很多不同的方法。在字典的生成中，通过对训练集进行处理，提取大量的局部特征，将这些局部特征进行聚类，每个类都有多个局部特征构成，每个类的聚类中心就代表一个视觉词，所有的视觉词加起来就形成了视觉词典。视觉字典生成后，直接比较由视觉词典构成的特征向量之间的相似性，从而确定图像之间的相似度，大大提高了计算效率。视觉字典的生成目前都是采用不同的聚类方法，常用的聚类方法有：K-means、近似K-means、模糊K-means和分层K-means。虽然有不同的聚类方法对视觉词字典的聚类效果进行改进，但是存在一个很大的问题是：对图像...
【技术保护点】
1.一种面向对象型图像集的视觉词字典生成方法，包括构建训练集，其特征在于，还包括以下步骤：/n步骤1：提取所述训练集中的每幅图像的局部特征描述子；/n步骤2；对所述训练集中的每幅图像进行显著性提取，得到每幅图像对应的显著图；/n步骤3：根据所述步骤2中得到的显著图结果，提取训练集中每幅图像的显著区域，生成显著区域集合R；/n步骤4：抽取所述显著区域集合R对应的特征描述子，得到新的特征描述子集合X′；/n步骤5：将所述特征描述子集合X′进行聚类，得到视觉词字典B。/n
【技术特征摘要】
1.一种面向对象型图像集的视觉词字典生成方法，包括构建训练集，其特征在于，还包括以下步骤：
步骤1：提取所述训练集中的每幅图像的局部特征描述子；
步骤2；对所述训练集中的每幅图像进行显著性提取，得到每幅图像对应的显著图；
步骤3：根据所述步骤2中得到的显著图结果，提取训练集中每幅图像的显著区域，生成显著区域集合R；
步骤4：抽取所述显著区域集合R对应的特征描述子，得到新的特征描述子集合X′；
步骤5：将所述特征描述子集合X′进行聚类，得到视觉词字典B。
2.如权利要求1所述的面向对象型图像集的视觉词字典生成方法，其特征在于，所述训练集包括数量为T的对象型图像，其中，T为数量阈值。
3.如权利要求2所述的面向对象型图像集的视觉词字典生成方法，其特征在于，所述步骤1包括得到特征描述子集合X。
4.如权利要求3所述的面向对象型图像集的视觉词字典生成方法，其特征在于，所述步骤4包括从所述特征描述子集合X抽取显著区域集合R对应的特征描述子。
5.如权利要求4所述的面向对象型图像集的视觉词字典生成方法，其特征在于，所述特征描述子集合X′是X的子集。
6.一种面向对象型图像集的视觉...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。