基于CGCI-SIFT局部特征的图像检索方法，本发明专利技术公开了一种图像检索方法，基于CGCI-SIFT实现，从邻域像素对关键点的影响强弱及分布入手，通过灰度纹理对比强度信息构建外围局部特征描述子，然后结合对中心特征点描述较强的方向梯度信息构建中心局部描述子形成最终的描述，CGCI-SIFT利用局部区域的对比性质结合了原SIFT算法的梯度信息，而不是像SIFT那样单纯地存储的梯度的权值大小和方向，使得CGCI-SIFT具有更加全面的几何和光学变换不变性。灰度纹理对比强度信息的使用使得CGCI-SIFT的计算简单，因此更加高效，更适合实时性的应用。实验结果表明，本发明专利技术的检索方法性能稳定，检索时间短，检索效果明显提升。
【技术实现步骤摘要】
本专利技术涉及一种图像检索的方法，具体涉及一种基于特征的图像检索方法，尤其是使用一种新的局部特征描述信息用于图像检索的方法，属于图像检索领域。
技术介绍
局部特征描述方法是图像匹配中一种非常稳定的方法。局部特征描述方法冗余性低、无需预先对图像进行分割、具有多种变换下的不变性，使得局部特征描述方法得到广泛的应用，例如基于内容的大规模检索，视频分析，重复检测，物体识别，旅游拍照，3D重建与检索等。好的局部图像特征方法应具有以下特点不需要预先分割图像，特征检测重复率高，特征描述符维度低，易于实现快速匹配，对光照、旋转、视点变化等图像变换具有鲁棒性 等。局部特征描述方法经过不断发展，已经成为图像配准技术的主流方向。如2004年提出的SIFT方法，该方法不仅具有尺度变换、旋转变换、仿射变换、光照变化的多种不变性，而且在目标遮挡、噪声干扰的情况下也能保持较好的匹配效果。但是，现有的局部特征描述方法都存在各种各样的问题，如SIFT描述子维度过高以及单纯地使用梯度直方图构建描述子，限制了其在实时及某些特殊专业方面的中应用。为了提高匹配精度，增强鲁棒性，同时减少匹配时间，希望能够专利技术更好的局部特征描述方法，以更好地满足人们对图像检索效果的需求。
技术实现思路
本专利技术的专利技术目的是提供一种基于CGCI-SIFT局部特征的图像检索方法，利用CGCI-SIFT对图像进行描述，CGCI对于图像的模糊、光照、JPEG压缩具有更好的不变性，对图像特征进行聚类后进行图像检索，以获得更好的检索效果，更贴近检索用户的需求。为达到上述专利技术目的，本专利技术采用的技术方案是一种基于CGCI-SIFT局部特征的图像检索方法，提供用于检索的图像库和待检索的图片，将图片转换成灰度图，先对用于检索的图像库进行局部特征描述处理，再进行图像检索，包括下列步骤(I)对于图像库中的每一张图片采用DOG算法检测特征点；(2)对于每一个留下来的特征点，首先将该点的外周区域的像素点进行零均值规范化，所述外周区域为以特征点为中心，边长为2R+1的方形区域，零均值规范化的公式如下所示权利要求1.一种基于CGCI-SIFT局部特征的图像检索方法，提供用于检索的图像库和待检索的图片，其特征在于，将图片转换成灰度图，先对用于检索的图像库进行局部特征描述处理，再进行图像检索，包括下列步骤 (1)对于图像库中的每一张图片采用DOG算法检测特征点； (2)对于每一个留下来的特征点，首先将该点的外周区域的像素点进行零均值规范化，所述外周区域为以特征点为中心，边长为2R+1的方形区域，零均值规范化的公式如下所示2.根据权利要求I所述的基于CGCI-SIFT局部特征的图像检索方法，其特征在于所述步骤(9)中，词汇树的构建方法是设定聚类个数K，树的深度P，对步骤(I)获得的特征集合进行分层聚类，第一层获得K个聚类，作为词汇树的K个子节点，计算出每个子节点的中心向量；对每个子节点分别进行聚类，每一子节点生成K个下一层的子节点，并计算出每个子节点的中心向量；不断重复直到树的深度达到预设值P，获得SIFT词汇树。全文摘要基于CGCI-SIFT局部特征的图像检索方法，本专利技术公开了一种图像检索方法，基于CGCI-SIFT实现，从邻域像素对关键点的影响强弱及分布入手，通过灰度纹理对比强度信息构建外围局部特征描述子，然后结合对中心特征点描述较强的方向梯度信息构建中心局部描述子形成最终的描述，CGCI-SIFT利用局部区域的对比性质结合了原SIFT算法的梯度信息，而不是像SIFT那样单纯地存储的梯度的权值大小和方向，使得CGCI-SIFT具有更加全面的几何和光学变换不变性。灰度纹理对比强度信息的使用使得CGCI-SIFT的计算简单，因此更加高效，更适合实时性的应用。实验结果表明，本专利技术的检索方法性能稳定，检索时间短，检索效果明显提升。文档编号G06F17/30GK102945289SQ20121050531公开日2013年2月27日 申请日期2012年11月30日 优先权日2012年11月30日专利技术者崔志明, 吴健, 苏栋梁, 赵朋朋 申请人:苏州搜客信息技术有限公司本文档来自技高网...
【技术保护点】
一种基于CGCI?SIFT局部特征的图像检索方法，提供用于检索的图像库和待检索的图片，其特征在于，将图片转换成灰度图，先对用于检索的图像库进行局部特征描述处理，再进行图像检索，包括下列步骤：（1）对于图像库中的每一张图片采用DOG算法检测特征点；（2）对于每一个留下来的特征点，首先将该点的外周区域的像素点进行零均值规范化，所述外周区域为以特征点为中心，边长为2R+1的方形区域，零均值规范化的公式如下所示：I′(x,y)=I(x,y)-1NumC-1Σi=1NumC(I(xi,yi))Φ---(1)Φ=1NumC-1Σi=1NumC(I(xi,yi)-1NumC-1Σi=1NumCI(xi,yi))2---(2)式中I(x,y)与I“(x,y)分别表示原图形像素强度以及规范化后的像素强度，(x,y)为进行零均值规范化的像素点在图片中的位置，R为1?2～20的整数，NumC表示像素点周边涉及计算的像素个数，NumC=R2；（3）确定特征点的主方向，方法是：在以特征点为中心的圆形邻域窗口中计算每个像素的梯度方向和梯度模值，m(x,y)=(I(x+1,y)-I(x-1,y))2+(I(x,y+1)-I(x,y-1))2---(3)θ(x,y)=arctan{[I(x,y+1)?I(x,y?1)]/[I(x+1，y)?I(x?1，y)]}????（4）其中，m(x,y)是像素点(x,y)的梯度模值，θ(x,y)是像素点(x,y)的梯度方向，梯度直方图的范围是0～3?60°，每1?0°代表一个方向,总共3?6个方向，直方图的峰值即代表该特征点的主方向，所述圆形邻域窗口的半径为8；（4）以特征点为中心，特征点的主方向为0°方向，建立极坐标系，以特征点为中心，R为半径的区域为兴趣区域，在此极坐标系中,将兴趣区域划分为内围区域和外围区域，内围区域的半径为4，周向均分为τ块，τ取1或4，外围区域分为2层，每层周向均分为δ+1块，δ取3、7或15；从内围区域中的块开始计数，分别定义每个块为Ri，内围区域为R0至Rτ?1，外围区域为Rτ至Rτ+2δ+1；(5)对特征点外围区域的每个块，分别计算其正向强度对比值和负向强度对比值，如下：正向强度对比值HRiP=Σ{(I(p)-I(pk))|p∈RiandD(p)≥0}NumRi+---(5)负向强度对比值HRiN=Σ{(I(pk)-I(p))|p∈RiandD(p)<0}NumRi----(6)式中pk为特征点，Ri表示外围区域中的第i个块，定义同步骤(4)，p表示外围区域的该块中的像素点，NumRi+,NumRi?分别代表块Ri中像素强度大于和小于特征点pk的像素点的个数，D(p)=I(p)?I(pk)，I(p)是点p的像素强度，I(pk)是点pk的像素强度；(6)对特征点的内围区域的每个像素点，采用公式（3）（4）获得梯度模值和梯度方向，然后统计内围区域中Ri块内的梯度值，并绘制梯度直方图，梯度直方图分为8个单元，每45°为一个单元，每个块产生8个方向的梯度直方图值，每个块的方向梯度直方图值表示为GRidj(i∈{0,…,τ?1}且j∈{0,…,7})，式中，GRidj表示块中属于同一45°方向单元的像素的模值的和，i表示所在的块，j表示方向单元；（7）分别对步骤(5)和(6)获得的外围区域和内围区域的描述子进行整体归一化，使得整体描述子对光照变化具有不变性，公式如下：GRidj′=GRidj/Σi=0i≤τ-1Σj=0j≤7GRidj2---(7)HRiP′=HRiP/Σi=ττ+2δ+1(HRiP2+HRiN2)---(8)HRiN′=HRiN/Σi=ττ+2δ+1(HRiP2+HRiN2)---(9)式子中GRidj“以及HRiP“，HRiN“分别表示归一化后的方向梯度直方图值以及强度对比值；（8）将两个部分的归一化后的描述子组合成一维向量，表示为：CGCI=(GR0d0′,GR0d1′,···,GRτ-1d7′,HRτP′,HRτN′,&Center...
【技术特征摘要】
【专利技术属性】
技术研发人员：崔志明，吴健，苏栋梁，赵朋朋，
申请(专利权)人：苏州搜客信息技术有限公司，
类型：发明
国别省市：
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。