将图片的局部特征量化为视觉词汇的方法和装置制造方法及图纸

本发明专利技术提供了一种将图片的局部特征量化为视觉词汇的方法和装置，其中方法包括：S1、从视觉词汇树的第一层确定待选择词汇；S2、利用局部特征与当前层次的各待选择词汇之间的距离以及当前层次的各待选择词汇的父节点所在路径的置信度，分别计算当前层次中各待选择词汇所在路径的置信度；S3、选择当前层次中所在路径的置信度大于或等于预设置信度阈值的待选择词汇，判断当前层次是否为最后一层，如果是，将当前层次中选择的词汇确定为局部特征的视觉词汇；否则，从当前层次中选择的词汇进入下一层次，并将选择的词汇的子节点确定为下一层次的待选择词汇，转至步骤S2。本发明专利技术能够在提高量化误差的鲁棒性的基础上，减少量化过程中的计算开销。

【技术实现步骤摘要】
将图片的局部特征量化为视觉词汇的方法和装置
本专利技术涉及计算机应用
，特别涉及一种将图片局部特征量化为视觉词汇的方法和装置。
技术介绍
随着多媒体相关技术的发展，数字图片的规模迅速扩大，其应用也越来越广泛，因此，如何有效、快速地从大规模图片数据中检索出所需的图片已成为一个研究热点。传统的基于文本的图片检索方式由于人工标注图片引起的主观性以及不确定性等弊端，已经不能满足用户对查询的要求，因此基于内容的图片检索技术逐渐兴起和被广泛采用。根据视觉词汇对图片建立倒排索引是一种通用的基于内容的图片检索方法，这种 方法首先确定图片的局部特征，将不同的局部特征量化到视觉词汇上，进而将一副图片表示成视觉词汇的组合，用类似于文本检索的方法实现图片检索。其中，如何将局部特征量化到视觉词汇上是实现图片检索的一个基础，目前主要存在以下两种方式，即最近路径映射(Best Bin Frist)方式和贪心N近邻路径映射(Greedy N-best Paths)。这两种方式均是基于视觉词汇树的方法，假定一棵视觉词汇树有L层，每一个父节点对应K个子节点，那么一棵L为6，K为10的视觉词汇树可以表示100万个视本文档来自技高网...

【技术保护点】
一种将图片的局部特征量化为视觉词汇的方法，其特征在于，在针对图片的局部特征查询视觉词汇树的过程中，执行以下步骤：S1、从视觉词汇树的第一层确定待选择词汇，将第一层作为当前层次执行步骤S2；S2、利用所述局部特征与当前层次的各待选择词汇之间的距离以及当前层次的各待选择词汇的父节点所在路径的置信度，分别计算当前层次中各待选择词汇所在路径的置信度，其中第一层的各待选择词汇的父节点所在路径的置信度为预设的初始值；S3、选择当前层次中所在路径的置信度大于或等于预设置信度阈值的待选择词汇，判断当前层次是否为最后一层，如果是，将当前层次中选择的词汇确定为所述局部特征的视觉词汇；否则，从当前层次中选择的词汇进...

【技术特征摘要】
1.一种将图片的局部特征量化为视觉词汇的方法，其特征在于，在针对图片的局部特征查询视觉词汇树的过程中，执行以下步骤 51、从视觉词汇树的第一层确定待选择词汇，将第一层作为当前层次执行步骤S2； 52、利用所述局部特征与当前层次的各待选择词汇之间的距离以及当前层次的各待选择词汇的父节点所在路径的置信度，分别计算当前层次中各待选择词汇所在路径的置信度，其中第一层的各待选择词汇的父节点所在路径的置信度为预设的初始值； 53、选择当前层次中所在路径的置信度大于或等于预设置信度阈值的待选择词汇，判断当前层次是否为最后一层，如果是，将当前层次中选择的词汇确定为所述局部特征的视觉词汇；否则，从当前层次中选择的词汇进入下一层次，并将选择的词汇的子节点确定为下一层次的待选择词汇，将下一层次作为当前层次转至所述步骤S2。2.根据权利要求1所述的方法，其特征在于，所述步骤SI具体为将视觉词汇树的第一层中所有词汇确定为待选择词汇。3.根据权利要求1所述的方法，其特征在于，在所述步骤S2中按照以下公式计算当前层次中第i个待选择词汇所在路径的置信度Y i 4.根据权利要求1所述的方法，其特征在于，待针对图片的所有局部特征完成视觉词汇的量化后，将所有局部特征的视觉词汇按照所在路径的置信度进行排序，选择排在前N个的视觉词汇作为所述图片的视觉词汇，所述N为预设的正整数。5.根据权利要求4所述的方法，其特征在于，所述图片的局部特征数目越大，所述N值设置得越小，所述图片的局部特征数目越小，所述N值设置得越大。6.一种将图片的局部特征量化为视觉词汇的装置，其特征在于，该装置包括 初始查询单元，用...

【专利技术属性】
技术研发人员：李浩，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：