一种面向图像检索的生成方法技术

本发明专利技术一种面向图像检索的生成方法，包括生成SIFT描述符直方图和SIFT描述符核密度，包括以下步骤：首先通过SIFT描述符的分层聚类来构造可扩展词汇树，然后累计可扩展词汇树中每个节点上的描述符出现的次数，得到SIFT描述符直方图，最后对SIFT描述符进行量化，得到SIFT描述符核密度；将本发明专利技术生成方法应用于基于词汇树信息融合与豪斯多夫距离结合的图像检索方法中，能够为提高图像检索准确率，并适用于复杂背景的图像检索提供理论基础。

A generation method for image retrieval

【技术实现步骤摘要】
一种面向图像检索的生成方法本申请是专利技术专利申请《基于词汇树信息融合与豪斯多夫距离结合的图像检索方法》的分案申请。原案申请日：2017-02-13。原案申请号：2017100760427。原案专利技术名称：基于词汇树信息融合与豪斯多夫距离结合的图像检索方法。
本专利技术一种面向图像检索的生成方法属于图像检索
，具体涉及一种基于词汇树信息融合与豪斯多夫距离结合的图像检索方法中的关键步骤。
技术介绍
图像检索方法产生至今，已经形成了三个重要的分支：基于文本的图像检索、基于内容的图像检索和基于语义的图像检索。基于文本的图像检索，是用图像名、图像特征等文本来描述用户的需求，但由于文本表达能力具有局限性，文本标注具有歧义性，因此检索结果往往和用户需求不符；基于语义的图像检索，是在图像视觉特征的基础上，进一步提炼其高级语义表达能力，但这类检索方法的检索过程复杂，而且存在方法体系发展尚不完善的问题；基于内容的图像检索，是以颜色、纹理、形状等作为图像的特征表达，并以此为判断相似性的依据，开展图像检本文档来自技高网...

【技术保护点】
1.一种面向图像检索的生成方法，其特征在于，包括生成SIFT描述符直方图和SIFT描述符核密度，包括以下步骤：/n步骤b1：通过SIFT描述符的分层聚类来构造可扩展词汇树/n提取每张图片的SIFT描述符，得到一个集合F＝{f

【技术特征摘要】
1.一种面向图像检索的生成方法，其特征在于，包括生成SIFT描述符直方图和SIFT描述符核密度，包括以下步骤：
步骤b1：通过SIFT描述符的分层聚类来构造可扩展词汇树
提取每张图片的SIFT描述符，得到一个集合F＝{fi},然后对集合F采用K-Means聚类方法进行分层聚类，初始时，在第1层对集合F进行K-Means聚类，把集合F分成k份{Fi|1≤i≤k}；以此类推，对新产生的簇集利用K-Means再分成k个簇集，不断地重复上述操作直到深度达到预先设定的L值，构造出可扩展词汇树，共有c＝BL个节点组成，其中，B是分支因子，L是深度，c是节点总个数，fi表示图片中某个SIFT描述符，F是描述符集合，Fi是对集合F进行K-Means聚类得到的某个簇集；
步骤b2：累计可扩展词汇树中每个节点上的描述符出现的次数，得到SIFT描述符直方图
在构造可扩展词汇树中，共有c＝BL个节点，对第一个节点上的SIFT描述符出现的次数进行累计，获得基于可扩展词汇树的SIFT描述符直方图，用H＝[h1,...,hi,...,hc]表示，其中hi表示第i个节点出现SIFT描述符的次数；
步骤b3：对SIFT描述符进行量化，得到SIFT描述符核密度
对所有的SIFT描述符进行量化，则每个SIFT描述符fi都对应可扩展词汇树中一条从根节点到叶子节点的量化路径，即对应一组视觉词每一组视觉词都对应它的核密度f(c)，得到基于可扩展词汇树的SIFT描述符核密度；其中是一个视觉词，即可扩展词汇树中的每个节点都代表一个视觉词，l表示该节点在可扩展词汇树中所在的层数，hl表示该节点在该层树节点中的索引，L是深度。


2.根据权利要求1所述的面向图像检索的生成...

【专利技术属性】
技术研发人员：孙晓明，张宁，车畅，刘野，吴海滨，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙;23