获取图像的紧凑全局特征描述子的方法及图像检索方法技术

本发明专利技术提供一种获取图像的紧凑全局特征描述子的方法及图像检索方法，其中，该方法包括：获取图像的至少一个局部特征描述子，从所有的局部特征描述子中选取一个或多个局部特征描述子，将所选取的局部特征描述子进行降维，获得降维后的局部特征描述子；根据第一规则，将降维后的局部特征描述子转换为用于表达图像视觉特征的全局特征描述子；将全局特征描述子进行数据压缩，得到图像的紧凑全局特征描述子；其中，全局特征描述子的字节大小可根据第一规则中的参数值的变化而变化。上述方法获取的全局视觉特征更加紧凑并具有可伸缩性，解决了现有技术中内存较低的移动终端上空间不足的缺陷。

【技术实现步骤摘要】

本专利技术实施例涉及计算机领域，尤其涉及一种。
技术介绍
随着智能终端的发展，移动视觉搜索应用越来越多。当前，基于智能终端的图像检索方法包括1)在移动客户端提取图像的局部特征描述子；2)对提取到的局部特征描述子进行压缩；3)通过网络将压缩后的局部特征描述子传输给服务器，以使服务器根据局部特征描述子在服务器的数据库中进行查找，并将查找的结果发送至移动客户端。然而，上述图像检索方法的局部特征压缩以及建立倒排等索引文件的计算量较高，特别地，图像检索方法中获取的局部特征描述子占用较大的空间，由此，根据当前的网·络带宽，移动客户端存在无法较快地将局部特征描述子发送至服务器的问题。另外，由于局部特征描述子占用的较大的空间，故服务器根据移动客户端传送的局部特征描述子查找匹配的过程也非常迟缓，进而严重影响了检索系统的查询响应时间，降低了查询效率。此外，现有技术还提出一种利用全局视觉特征进行图像检索的方法，该方法在提取全局特征描述子的过程中，所使用的特征降维方法和描述子压缩方法需要大量的存储空间用于存储降维矩阵和量化表等，在内存较低的移动终端上无法实现，同时，全局特征描述子的长度为固定长度，其无法应用于各种检索条件下，进而影响图像搜索的性能。
技术实现思路
针对上述缺陷，本专利技术实施例提供一种。一方面，本专利技术实施例提供一种获取图像的紧凑全局特征描述子的方法，包括获取图像的至少一个局部特征描述子，所述至少一个局部特征描述子形成一集合；根据局部特征描述子的选择方式，从所有的局部特征描述子中选取一个或多个局部特征描述子，所述选取的一个或多个局部特征描述子组成所述集合的第一子集；将所述第一子集中的局部特征描述子进行降维，获得降维后的局部特征描述子；根据预设的第一规则，将所述降维后的局部特征描述子转换为用于表达所述图像视觉特征的全局特征描述子；将所述全局特征描述子进行数据压缩，得到所述图像的紧凑全局特征描述子；其中，所述全局特征描述子的字节大小可根据所述第一规则中的参数值的变化而变化，相应地，在所述全局特征描述子的字节大小变化时，所述紧凑全局特征描述子的字节大小也相应变化。可选地，将所述第一子集中的局部特征描述子进行降维，获得降维后的局部特征描述子，包括采用降维矩阵对所述第一子集中的局部特征描述子进行降维，获得降维后的局部特征描述子；其中，所述降维矩阵为采用降维方式训练预设的第一图像数据集之后得到的矩阵。可选地，所述根据预设的第一规则，将所述降维后的局部特征描述子转换为用于表达所述图像视觉特征的全局特征描述子，包括根据Fisher向量生成规则，对所述降维后的局部特征描述子进行转换，得到累积梯度向量集合，并由所述累积梯度向量集合中的累积梯度向量构造第一 Fisher向量；以及根据Fisher向量稀疏性判别规则，对所述累积梯度向量集合进行处理，并生成用于表达所述图像视觉特征的全局特征描述子。可选地,所述Fisher向量生成规则包括离线步骤和在线步骤。·相应地，根据Fisher向量生成规则，对所述降维后的局部特征描述子进行转换，得到累积梯度向量集合，并由所述累积梯度向量集合中的累积梯度向量构造第一 Fisher向量，包括所述Fisher向量生成规则的离线步骤包括训练预设的第二图像数据集得到用于产生Fisher向量的概率分布模型，所述概率分布模型是由M个独立的概率密度函数线性叠加得到的，其中，M为大于等于I的自然数；所述Fisher向量生成规则的在线步骤包括根据所述概率分布模型中的每一概率密度函数，将每一所述降维后的局部特征描述子转换为梯度向量，得到针对所述每一概率密度函数的梯度向量集合；针对所述每一概率密度函数的梯度向量集合，求所有所述梯度向量的平均值，得到每一概率密度函数对应的累积梯度向量。所述概率分布模型的M个概率密度函数各自对应的所述累积梯度向量组成累积梯度向量集合，并由所述累积梯度向量集合中的累积梯度向量构造第一 Fisher向量。所述Fisher向量稀疏性判别规则为基于方差的稀疏性判别规则，或者基于概率的稀疏性判别规则；相应地，所述根据Fisher向量稀疏性判别规则，对所述累积梯度向量集合进行处理，并生成用于表达所述图像视觉特征的全局特征描述子，包括获取所述累积梯度向量集合中的每一所述累积梯度向量的所有维度的值的方差;将所有累积梯度向量的所述方差按照从大到小依次排序，选取排序中前K个方差对应的所述累积梯度向量，将选取的K个所述累积梯度向量组成用于表达所述图像视觉特征的全局特征描述子；或者，针对所述概率分布模型中的每一概率密度函数求得每一所述降维后的局部特征描述子对应的概率值，所述概率值构成所述每一概率密度函数的概率值集合；若概率密度函数的所述概率值集合中的最大概率值大于预设的第一阈值，则选取所述概率密度函数；将选取的所述概率密度函数对应的所述累积梯度向量保留，并将所有保留的所述累积梯度向量组成用于表达所述图像视觉特征的全局特征描述子。可选地，所述将所述全局特征描述子进行数据压缩，得到所述图像的紧凑全局特征描述子，包括采用二进制数值表示所述全局特征描述子中各维度的数值，若全局特征描述子中某一维度的数值为正数，则二进制数值为I ;若全局特征描述子中某一维度的数值为负数和零，则二进制数值为O。由上述技术方案可知，本专利技术实施例的获取图像的紧凑全局特征描述子的方法，通过选取图像的所有局部特征描述子中的部分局部特征描述子，对选取的局部特征描述子降维，并将降维后的局部特征描述子转换为用于表达图像视觉特征的全局特征描述子，进而对全局特征描述子进行数据压缩，得到图像的紧凑全局特征描述子。上述方法获取的紧凑全局特征描述子利用了图像视觉特征的统计特性，更加紧凑并具有可伸缩性，解决了现·有技术中内存较低的移动终端上空间不足的缺陷。另一方面，本专利技术实施例提供一种采用紧凑全局特征描述子生成比特流的方法，包括如上任一所述的获取图像的紧凑全局特征描述子的方法，以及，还包括根据预设的的第一规则和全局特征描述子、紧凑全局特征描述子生成用于表达图像视觉特征的比特流。可选地，所述比特流包括头部和非头部，所述第一规则中Fisher向量生成规则的离线步骤包括训练预设的第二图像数据集得到用于产生Fisher向量的概率分布模型，所述概率分布模型是由M个独立的概率密度函数线性叠加得到的，其中，M为大于等于I的自然数；相应地，根据预设的第一规则和全局特征描述子、紧凑全局特征描述子生成用于表达图像视觉特征的比特流，包括所述比特流的头部的维度与所述概率分布模型中的概率密度函数的个数相同，且所述概率分布模型中的一概率密度函数对应所述比特流的头部的一维度；若所述概率分布模型中的一概率密度函数对应的累积梯度向量用于组成所述全局特征描述子，则与所述概率密度函数对应的所述比特流的头部的相应维度的数值为1，否则为0 ;将所述紧凑全局特征描述子组成所述比特流的非头部。由上述技术方案可知，本专利技术实施例的采用紧凑全局特征描述子生成比特流的方法，通过选取图像的所有局部特征描述子中的部分局部特征描述子，对选取的局部特征描述子降维，并将降维后的局部特征描述子转换为用于表达图像视觉特征的全局特征描述子，进而对全局特征描述子进行数据压缩，得到图像的紧凑全局特征描述子，进而生成表达图像全局视觉特征的比特本文档来自技高网...

【技术保护点】
一种获取图像的紧凑全局特征描述子的方法，其特征在于，包括：获取图像的至少一个局部特征描述子，所述至少一个局部特征描述子形成一集合；根据局部特征描述子的选择方式，从所有的局部特征描述子中选取一个或多个局部特征描述子，所述选取的一个或多个局部特征描述子组成所述集合的第一子集；将所述第一子集中的局部特征描述子进行降维，获得降维后的局部特征描述子；根据预设的第一规则，将所述降维后的局部特征描述子转换为用于表达所述图像视觉特征的全局特征描述子；将所述全局特征描述子进行数据压缩，得到所述图像的紧凑全局特征描述子；其中，所述全局特征描述子的字节大小可根据所述第一规则中的参数值的变化而变化；相应地，在所述全局特征描述子的字节大小变化时，所述紧凑全局特征描述子的字节大小也相应变化。

【技术特征摘要】

【专利技术属性】
技术研发人员：段凌宇，林杰，陈杰，杨爽，李冰，黄铁军，高文，
申请(专利权)人：北京大学，
类型：发明
国别省市：