[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

说明书

技术领域

本发明涉及图像检索领域，特别涉及一种融合全局与局部视觉特征的层次化地标识别方法。

背景技术

近年来，随着旅游行业的飞速发展，便捷的旅游导航设备成为用户不可缺少的工具。通常，用户在旅游中面对一个景点位置，不仅需要知道该景点的地标名称，还需要了解其相关信息。但是，传统的基于卫星的GPS定位系统往往仅能提供定位其内置的地理信息的功能，其定位精度和扩展性都存在严重的局限性，无法满足用户的个性化需求。因此，针对不同旅游景区建立个性化的景点的地标识别方法成为亟待解决的问题，从而使得用户可以根据个人需求输入对景点的描述，自动反馈景点的位置和相关信息。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

1)为了实现准确的地标识别，用户输入的景点描述信息是一个重要的因素。现有技术中的地标识别方法均是输入对事物的文字描述信息，但是文字信息所包含的信息十分有限，并且不同用户对同一事物的描述也多种多样，严重限制了地标识别的准确度，增加了地标识别的复杂度，无法满足实际应用中的需要；

2)尽管新兴的图像检索相关研究已经开展多年，但是如何有效的提取、组织以及综合利用图像的高维特征从而实现快速准确的检索仍然是一个亟待解决的问题。

发明内容

本发明提供了一种融合全局与局部视觉特征的层次化地标识别方法，该方法提高了地标识别的准确度、降低了地标识别的复杂度，详见下文描述：

一种融合全局与局部视觉特征的层次化地标识别方法，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。

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。

所述局部显著点统计特征v_i，