[发明专利]一种基于关键特征描述符选取的移动视觉检索方法

说明书

技术领域

本发明属于移动视觉领域，涉及一种基于关键特征描述符选取的移动视觉检索系统。涉及到采用亲和力传播(Affinity Propagation，AP)聚类方法对图像特征进行关键特征描述符选取，以及对关键特征描述符传输并进行加权图像匹配的方法。

背景技术

随着软硬件技术的高速发展，移动视觉检索应用得到了迅速的发展。不断增多的用户数量和用户对于服务质量要求的提高对传统的基于客户端/服务器模式的移动视觉检索服务提出了挑战。传统的客户端/服务器模式下，用户将手机等移动客户端拍摄的图像通过无线网络传输到服务器，再由服务器对图像进行检索，以返回用户查询图像的相关信息。由于无线网络环境的带宽限制，高质量图像的传输延时极大地增加了用户的等待时间，降低了用户体验。该应用的响应时间大致由三个方面组成：客户端的处理时间、网络传输时间、服务器处理时间。

现有的工作表明，在移动视觉检索系统中，相比于客户端和服务器的响应时间，网络传输延时是系统的瓶颈。因此，现有流行的系统都专注于设计一种低比特特征描述符来达到减少网络传输延时的目的，以减少检索响应时间，提高用户体验。为了解决由于无线网络带宽限制的服务瓶颈，低比特特征描述符被引入移动视觉检索应用中。在目前应用的主流移动视觉检索应用中，采用了几种新提出的低比特特征描述符，减少了一定的数据传输量。尽管采用了低比特特征描述符，但仍存在一些弊端。一方面，当查询图像中存在大量的特征点，也对应了大量的特征描述符，这种方式的传输数据量仍然很高，由此产生的网络延时仍然有待降低，另一方面，查询图像的特征点中各特征点的重要性不同，其中更是存在部分噪声点，会降低图像检索的准确性，如何避免传输无用的噪声点特征描述符是另一个值得研究的问题。

发明内容

根据上述背景技术中的不足，本发明提供了一种基于亲和力传播聚类的关键特征描述符算法的移动视觉检索系统，本发明的主要目的是通过聚类算法选取的中心点作为关键特征点，通过选取并只传输关键特征描述符进行图像检索，已达到减少传输数据量的目的，从而减少网络传输延时；同时，利用该关键性描述符提取算法，可有效的排除原查询图像中的一些噪声点；在减少数据传输量的同时，还能有效地提高图像检索精度。

本发明的基于关键特征描述符的移动视觉检索系统包括查询图像特征提取、关键特征描述符选取、加权关键特征描述符匹配；其进行图像检索的技术方案是：

（1）采用亲和力传播聚类算法(Affinity propagation)对提取到的查询图像特征进行关键特征描述符选取：移动端提取查询图像的局部特征，查询图像的局部特征作为空间点集进行亲和力传播聚类，将经过亲和力传播聚类形成的所有中心特征点选取为关键特征描述符；

（2）对步骤（1）中得到的关键特征描述符进行加权匹配，具体步骤如下：

a.当特征描述符d_k被选取为关键特征描述符，该关键特征描述符d_k代表每一个属于其类簇(cluster)的特征描述符，根据亲和力传播聚类算法中的消息参数(message)R(i,k)和消息参数A(i,k)，定义关键特征描述符d_k对一个属于其类簇(cluster)的特征描述符d_i的代表程度当i≠k时，代表程度P_i,k，0＜P_i,k＜1；当i＝k时，代表程度P_i,k＝1；

b.当选取类簇(cluster)C_k的中心点特征描述符d_k为关键特征描述符，定义d_k的重要性参数为特征描述符d_k对簇C_k所有的特征描述符的代表程度P_i,k之和，计算d_k的重要性参数P_k的公式为:

c.在服务器端进行特征匹配，对上述每个关键特征描述符d_k从服务器端中的图像特征数据库找到一个与之对应的最近邻特征点d'_k，两者之间的距离D_isk，D_isk用欧氏距离表示；根据关键特征描述符的距离参数D_isk和重要性参数P_k计算权值，每个关键特征描述符的权重值为：然后将权重值归一化：其中N_dd表示关键特征描述符的个数；