[发明专利]基于隐结构学习的图像摘要生成方法

权利要求书

1.一种基于隐结构学习的图像摘要生成方法，其特征在于包括如下步骤： 

1）对图片提取HSV颜色直方图特征、视觉单词特征以及方向直方图特征； 

2）对上一步提取的三种特征进行归一化的预处理并在归一化后将三种特征融合为一个特征向量； 

3）构造一个带有隐变量的结构支持向量机，从数据库中多次选取训练集合，并利用训练集中不同主题相关的图片集合进行权重系数学习； 

4）利用上一步学习得到的权重系数，从数据库中选取不同主题相关的图片集，预测出它们的隐含的特征选择偏好并生成与之对应的摘要图片集合。 

2.根据权利要求1所述的一种基于隐结构学习的图像摘要生成方法，其特征在于，所述的步骤1)包括： 

1）对数据库内的所有图片在HSV颜色空间中进行颜色特征提取。首先将图片中的每一个像素计算其在HSV颜色空间中的表达，然后将HSV颜色特征空间均匀地划分为450个区域，最后对每个区域统计落在其中的像素个数，形成450维的颜色直方图特征； 

2）对数据库内的每张图片的每个像素，计算它与周围像素之间的差异性，得到128维的SIFT特征点；然后在得到的SIFT特征点基础上，利用K-means方法进行聚类，聚类得到的1000个SIFT点类别就形成了1000维的视觉单词特征； 

3）对数据库内的每张图片进行8×8的块划分；对每个划分好的块，计算它与周围块之间的方向梯度；将方向梯度特征的取值范围均匀划分为1000个区域，统计落在这1000个区域中的方向梯度特征数量，就得到了1000维的方向梯度直方图特征。 

3.根据权利要求1所述的一种基于隐结构学习的图像摘要生成方法，其特征在于，所述的步骤2)包括： 

1）将前一步得到的HSV颜色直方图特征、视觉单词特征以及方向梯度直方图特征三种特征向量按照上述顺序，依次连接融合，得到2450维特征； 

2）对上面得到的2450维的融合特征，利用如下公式，将原特征值进行归一化。归一化后，特征的取值范围统一变为0.1到0.9。 

x＝0.1+(0.9-0.1)(x-min)(max-min) 

4.根据权利要求1所述的一种基于隐结构学习的图像摘要生成方法，其特征在于，所述的步骤3)包括： 

1）为实现交叉验证，多次从数据库中设计训练集，并取出其中的主题图片集合； 

2）将权重系数参数w初始化为零向量，将隐藏特征选择变量h初始化为全1向量，通过以下的次梯度下降算法同时对w和h进行优化求解，最终输出训练好的权重系数w。 

5.根据权利要求1所述的一种基于隐结构学习的图像摘要生成方法，其特征在于，所述的步骤4)包括： 

1）多次从数据库中取出不同的需要进行摘要生成的图片集合，将与这个集合相关的隐变量h初始化为全1的向量； 

2）将步骤3中学习得到的特征权重系数w带入下述贪心算法选择出符合给定长度的摘要图像集合，并在贪心算法每一次选择的同时优化得到最终的隐变量h。