[发明专利]一种基于双分辨率的特征量化方法及系统

权利要求书

1.一种基于双分辨率的特征量化方法，其特征在于，该方法包括：

对图像中的局部视觉特征进行降维处理；

对降维后的局部视觉特征每一维分别进行量化处理；其中，将每一维局部视觉特征量化处理时的标量量化函数分解为粗分辨率量化函数与细分辨率量化函数，基于粗分辨率量化函数进行级联标量量化，再基于细分辨率量化函数对级联标量量化结果进行细分辨率量化获得对应的位置比特向量。

2.根据权利要求1所述的方法，其特征在于，所述对图像中的局部视觉特征进行降维处理包括：

对于给定查询图像中的查询视觉特征其目标视觉特征位于在局部视觉特征空间中以查询视觉特征x为中心的ε邻域内，该ε邻域定义为：

其中，查询视觉特征与目标视觉特征均属于局部视觉特征，且均位于局部视觉特征空间中；目标视觉特征为数据库图像中，与查询视觉特征为近邻的局部视觉特征；

对局部特征向量进行主成分分析PCA降维处理，与分别表示x与y的PCA降维处理后前k维系数，ε邻域近似表达为对应的表达式为：

其中，t为常量。

3.根据权利要求1或2所述的方法，其特征在于，对降维后的局部视觉特征每一维分别进行量化处理的公式为：

式中为第i维系数的标量量化函数，表示上式中的与表示为：其中，s表示标量量化步长，m_i表示第i维系数可能的最小值，令r_i为第i维系数标量量化结果的区间大小。

4.根据权利要求3所述的方法，其特征在于，所述将每一维局部视觉特征量化处理时的标量量化函数分解为粗分辨率量化函数与细分辨率量化函数包括：

将第i维系数的标量量化函数分解为粗分辨率量化函数与细分辨率量化函数其中，n为粗分辨率量化步长。

5.根据权利要求1或3所述的方法，其特征在于，该方法还包括：

基于双分辨率的特征量化结果，对图像数据库进行索引和查询，其包括：

基于粗分辨率量化函数的级联标量量化结果，增量式地生成一个k层的树结构，称为索引树，对于索引树的第i层，其最大分支数为r_i；该索引树为非完全树，其大小随着图像数据库增大而增大，索引树的每个叶节点被视作一个哈希字，如果一个哈希字对应图像数据库中的至少一个局部视觉特征，则认为该哈希字有效；根据每个有效哈希字，建立一个链表，该链表中的每一个表项记录包含该哈希字的图像编号；所有有效哈希字对应的链表一起构成了倒排索引表；

将细分辨率量化的位置比特向量进行级联，并保存在倒排索引表中。

6.一种基于双分辨率的特征量化系统，其特征在于，该系统包括：

降维处理模块，用于对图像中的局部视觉特征进行降维处理；

双分辨率量化处理模块，用于对降维后的局部视觉特征每一维分别进行量化处理；其中，将每一维局部视觉特征量化处理时的标量量化函数分解为粗分辨率量化函数与细分辨率量化函数，基于粗分辨率量化函数进行级联标量量化，再基于细分辨率量化函数对级联标量量化结果进行细分辨率量化获得对应的位置比特向量。

7.根据权利要求6所述的系统，其特征在于，所述对图像中的局部视觉特征进行降维处理包括：

对于给定查询图像中的查询视觉特征其目标视觉特征位于在局部视觉特征空间中以查询视觉特征x为中心的ε邻域内，该ε邻域定义为：

其中，查询视觉特征与目标视觉特征均属于局部视觉特征，且均位于局部视觉特征空间中；目标视觉特征为数据库图像中，与查询视觉特征为近邻的局部视觉特征；

对局部特征向量进行主成分分析PCA降维处理，与分别表示x与y的PCA降维处理后前k维系数，ε邻域近似表达为对应的表达式为：

其中，t为常量。

8.根据权利要求6或7所述的系统，其特征在于，对降维后的局部视觉特征每一维分别进行量化处理的公式为：

式中为第i维系数的标量量化函数，表示上式中的与表示为：其中，s表示标量量化步长，m_i表示第i维系数可能的最小值，令r_i为第i维系数标量量化结果的区间大小。