一种基于空间近邻的局部特征编码方法技术

本发明专利技术提供一种基于空间近邻的局部特征编码方法，包括选取图像构建训练集，还包括以下步骤：对训练集提取局部特征描述子，得到局部特征描述子的集合Y；对Y进行聚类，得到视觉词字典集合B；对测试图像I提取局部特征描述子；对所述测试图像I中的N个局部特征描述子通过视觉词字典B进行编码；基于空间近邻的编码优化。本发明专利技术提出了一种基于空间近邻的局部特征编码方法，通过局部特征的空间近邻区域的视觉词编码选出共性的视觉词，并加大局部特征的视觉词编码中共性视觉词的编码权重，从而保证空间相近的局部特征的视觉词编码具有一致性。

【技术实现步骤摘要】

本专利技术涉及计算机视觉的，特别是一种基于空间近邻的局部特征编码方法。

技术介绍

1、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。图像特征编码最初采用硬指派的方法。硬指派方法是指局部特征分配给视觉字典中最近的视觉词，被分配的视觉词对应的编码为1，其余的视觉词的编码为0。硬指派编码方法的问题是：对字典的失真错误非常敏感，忽略了其它相关的视觉词。针对硬指派方法的缺点，软量化方法是一个特征描述子用多个视觉词来描述。软量化方法的优点是概念简单、计算有效，整个计算过程不需要优化。稀疏编码属于软量化的编码方法，可以看作基向量的稀疏子集的线性组合，大大提高了编码的鲁棒性。稀疏编码约束了视觉词的稀疏性，但是会产生相似特征的描述视觉词不一致的问题。

2、申请公开号为cn108052948a的中国专利技术专利申请公开了一种提取图像特征的编码方法，包括：将图像划分为n×本文档来自技高网...

【技术保护点】

1.一种基于空间近邻的局部特征编码方法，包括选取图像构建训练集，其特征在于，还包括以下步骤：

2.如权利要求1所述的基于空间近邻的局部特征编码方法，其特征在于，所述视觉词字典集合B＝{bj|1≤j≤M}，其中bj∈Rd，d为特征的维数，R为实数空间，M为视觉词的个数。

3.如权利要求2所述的基于空间近邻的局部特征编码方法，其特征在于，所述局部特征描述子的集合为X＝{xi|1≤i≤N}，其中，xi∈Rd，N为测试图像I中局部特征描述子的个数。

4.如权利要求3所述的基于空间近邻的局部特征编码方法，其特征在于，视觉词编码矩阵表示为U＝[u1,u2,…ui,...

【技术特征摘要】

1.一种基于空间近邻的局部特征编码方法，包括选取图像构建训练集，其特征在于，还包括以下步骤：

2.如权利要求1所述的基于空间近邻的局部特征编码方法，其特征在于，所述视觉词字典集合b＝{bj|1≤j≤m}，其中bj∈rd，d为特征的维数，r为实数空间，m为视觉词的个数。

3.如权利要求2所述的基于空间近邻的局部特征编码方法，其特征在于，所述局部特征描述子的集合为x＝{xi|1≤i≤n}，其中，xi∈rd，n为测试图像i中局部特征描述子的个数。

4.如权利要求3所述的基于空间近邻的局部特征编码方法，其特征在于，视觉词编码矩阵表示为u＝[u1,u2,…ui,…,un]，其中ui表示特征描述子xi的编码向量，ui＝[ui1,…,uij,…,uim]，其中，uij为视觉词bj对xi的编码值，所述编码的公式为

5.如权利要求4所述的基于空间近邻的局部特征编码方法，其特征在于，所述步骤51包括从特征描述子的空间8近邻特征xi1、xi2、xi3、xi4、xi5、xi6、...

【专利技术属性】
技术研发人员：马楠，梁晔，韩义恒，郭聪，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：