[发明专利]一种融合全局与局部视觉特征的层次化地标识别方法

权利要求书

1.一种融合全局与局部视觉特征的层次化地标识别方法，其特征在于，所述方法包括以下步骤：

(1)提取地标图像的全局颜色特征、全局纹理特征和全局形状特征，对所述全局颜色特征、所述全局纹理特征和所述全局形状特征进行处理，获取地标图像的高维特征向量，将所述高维特征向量作为地标图像的全局视觉特征x_i；

(2)获取地标图像的局部特征，其中，所述局部特征包括：局部显著点特征集y_i和局部显著点统计特征v_i；

(3)采用层级树状结构将所述全局视觉特征和所述局部特征进行存储，获取视觉特征集合{x_i，y_i，v_i，1≤i≤N}；

(4)通过所述视觉特征集合{x_i，y_i，v_i，1≤i≤N}表征每一幅图像；

(5)根据所述全局视觉特征进行初步检索，获取第一候选图像；

(6)根据所述局部显著点统计特征v_i对所述第一候选图像进行进一步检索，获取第二候选图像；

(7)根据所述局部显著点特征集y_i对所述第二候选图像进行再一步检索，获取最终候选图像，反馈给用户。

2.根据权利要求1所述的一种融合全局与局部视觉特征的层次化地标识别方法，其特征在于，所述获取地标图像的局部特征具体包括：

1)采取SIFT方法提取地标图像中表征地标图像显著特性的点，并将所述显著特性的点通过SIFT描述子表征成128维特征s_i；

2)将每幅地标图像所有的128维特征s_i构成所述局部显著点特征集y_i＝{s_i，1≤i≤M}，其中，M表示地标图像共有M个显著点，M的取值为正整数；

3)将数据库中所有地标图像包含的所述局部显著点特征集{y_j，1≤j≤P}用聚类方法进行聚类，将每个聚类中心视为视觉关键词，其中，P表示数据库中地标图像的个数，P的取值为正整数；

4)根据所述视觉关键词构建视觉关键词表，计算每个地标图像中提取的局部显著点对应的128维特征s_i与各聚类中心的欧式距离，并将所述局部显著点类别指定为所计算欧式距离最小的类；

5)计算所述视觉关键词表中的每个视觉关键词的权重，分别统计每个视觉关键词在特定文档中的频率TF和在文档集中的逆文档频率IDF；

6)将所述逆文档频率IDF进行排序，删除小于特定阈值的视觉关键词，获取最终视觉关键词表；

7)根据所述最终视觉关键词表获取视觉关键词的向量空间模型，将所述向量空间模型作为所述局部显著点统计特征v_i。

3.根据权利要求2所述的一种融合全局与局部视觉特征的层次化地标识别方法，其特征在于，所述局部显著点统计特征v_i，

v_i＝(t₁，t₂，...，t_n)^T，其中t_i＝tf_id×idf_i，i＝1，2，...，n；d＝1，2，...，N，i＝1，2，...，n，

其中，n为视觉关键词表中视觉关键词的个数，N为整个文档集中的文档数，n_id为第i类视觉关键词在文档d中的出现次数，n_d为文档d中视觉关键词的总数，n_i表示第i类视觉关键词在整个文档集中的出现文档个数。

4.根据权利要求1所述的一种融合全局与局部视觉特征的层次化地标识别方法，其特征在于，所述根据所述全局视觉特征进行初步检索，获取第一候选图像具体为：

将所述地标图像的全局视觉特征与树结构存储中各类中心图像的全局视觉特征计算欧式距离，选择欧式距离最小的前t类作为后续检索的第一候选图像，其中，k表示类的个数，k和t的取值为正整数。