[发明专利]图像中的对象的自动分类

权利要求书

1.一种在计算设备中用于对目标图像的对象进行分类的方法，所述方法包 括：

提供分类图像以及对于每一个分类图像的相关联的分类，所述相关联的分 类指示由所述分类图像表示的对象的分类，每个分类图像具有通过特征向量来 表示的显著点；

提供多个分类图像的显著点聚类，每个聚类具有从该聚类的每个显著点到 包含该显著点的分类图像的映射；

标识目标图像的目标显著点；

为每个目标显著点生成目标特征向量；

为每个显著点标识候选图像，包括：

选择其显著点与目标显著点最相似的聚类，其中相似程度由聚类的 显著点的特征向量和目标特征向量之间的最短距离所指示；

标识所选择的聚类的接近的显著点，所述接近的显著点的特征向量 和目标特征向量之间的距离低于阈值；以及

将包含所标识的接近的显著点的图像标记为候选图像；

标识与所述目标图像最相似的分类图像，包括：

基于候选图像的显著点的特征向量与目标特征向量之间的相似度来 计算每个候选图像和目标图像之间的相似度；

丢弃计算出的相似度不满足阈值相似度的候选图像；以及

在丢弃候选图像之后，滤除其显著点排列与相应的目标显著点不一 致的候选图像，其中剩余的候选图像为所标识的分类图像；以及 基于所标识的分类图像的分类来选择对所述目标图像的对象的分类。

2.如权利要求1所述的方法，其特征在于，每一个显著点都使用高斯差分 技术来标识并且由特征向量来表示。

3.如权利要求1所述的方法，其特征在于，所述映射使用聚合技术来生成。

4.如权利要求3所述的方法，其特征在于，所述聚合技术基于神经元增长 结构算法。

5.如权利要求1所述的方法，其特征在于，所述相似度是根据以下公式来 计算的：

Sim(I,J)=∑_i，jcorr(X_i,Y_j)

其中I(X₁，…X_n)表示目标图像的目标特征向量，J(Y₁，…,Y_m)表示分类图像 的特征向量，而corr(X_i,Y_j)表示测量特征向量之间的对应性的度量。

6.如权利要求1所述的方法，其特征在于，所述滤除包括应用基于 RANSAC的算法。

7.一种用于对目标图像的对象进行分类的计算机系统，包括：

用于提供分类图像以及对于每一个分类图像的相关联的分类的装置，所述 相关联的分类指示由所述分类图像表示的对象的分类，每个分类图像具有通过 特征向量来表示的显著点；

用于提供多个分类图像的显著点聚类的装置，每个聚类具有从该聚类的每 个显著点到包含该显著点的分类图像的映射；以及

用于标识目标图像的目标显著点的装置；

用于为每个目标显著点生成目标特征向量的装置；

用于为每个显著点标识候选图像的装置，包括：

用于选择其显著点与目标显著点最相似的聚类的装置，其中相似程 度由聚类的显著点的特征向量和目标特征向量之间的最短距离所指示；

用于标识所选择的聚类的接近的显著点的装置，所述接近的显著点 的特征向量和目标特征向量之间的距离低于阈值；以及

用于将包含所标识的接近的显著点的图像标记为候选图像的装置； 用于标识与所述目标图像最相似的分类图像的装置，包括：

用于基于候选图像的显著点的特征向量与目标特征向量之间的相似 度来计算每个候选图像和目标图像之间的相似度的装置；

用于丢弃计算出的相似度不满足阈值相似度的候选图像的装置；以 及

用于在丢弃候选图像之后，滤除其显著点排列与相应的目标显著点 不一致的候选图像的装置，其中剩余的候选图像为所标识的分类图像； 以及

用于基于所标识的分类图像的分类来选择对所述目标图像的对象的分类 的装置。