[发明专利]协变局部特征聚集的图像特征表示法

权利要求书

1.协变局部特征聚集的图像特征表示方法，其特征在于包括以下步骤：

1)提取图像的局部特征，采用描述子进行描述，一幅图像被表示为一系列描述子的集合χ，同时获得每个局部特征的主方向θ；

2)用一个独立的图像集，提取并收集其局部特征，从而生成一个由描述子组成的矩阵；采用K平均聚类算法，获得K个聚类中心，K一般设为32至64之间的一个整数值，K个聚类中心作为视觉词汇集C＝{c₁,c₂,...,c_K}；

3)采用如下公式(1)对一幅图的每个局部特征进行简化的费舍尔聚集：

其中，q(x)在C中找到最近邻c_i,b＝B(θ)；c_i为视觉词汇集C＝{c₁,c₂,...,c_K}中离局部特征x，x∈χ，最近的视觉词汇；函数B(θ)对图像局部特征x的主方向θ进行量化，主方向量化为8个量化区段，公式(1)将一个图像的一系列描述子转化为一个长的向量Y表示，根据主方向的量化值，长向量又分为多个子向量，由于使用8个量化区段，因此有8个子向量，即Y＝{P¹,P²,...,P⁸}；

4)将获得的8个费舍尔子向量重组，获得一系列8维的子向量；

5)再对所述一系列8维的子向量组成的向量进行重组，把所有8维的子向量对应维度放到一起，依次排列，获得8个子向量；如果把离散余弦变换得到一系列8维的子向量看作一个有8列的矩阵，这个重组操作相当于对矩阵进行转置；然后，对重组后得到的每个子向量做主成分分析，以降低整个特征的维度；

6)再对降维之后的8个子向量进行重组；

7)在由一系列8维的子向量拼合成的向量上定义距离度量，以衡量图像两两之间的相似度；距离度量如以下公式(3)：

其中，||uⁱ||₂＝||vⁱ||₂＝1，d是子向量的个数，U和V分别为两幅图像经步骤1)～6)获得的向量表示，uⁱ和vⁱ是它们的各自的子向量；这里假设它们分别由d个子向量组成；子向量uⁱ和vⁱ进行内积运算。

2.如权利要求1所述协变局部特征聚集的图像特征表示方法，其特征在于在步骤4)中，所述将获得的8个费舍尔子向量重组，获得一系列8维的子向量的具体做法为：

把8个子向量每个对应维度放到一起，按量化主方向值依次排列，获得一系列8维的子向量，如果把Y看作一个8行的矩阵，这个重组操作相当于对Y进行转置操作；

对得到的每个8维的子向量逆排后进行1维离散余弦变换即II型离散余弦变换，给定重组后得到的一个子向量Q，逆序操作如下公式(2)：

3.如权利要求1所述协变局部特征聚集的图像特征表示方法，其特征在于在步骤6)中，所述对降维之后的8个子向量进行重组的具体做法为：把8个子向量每个对应维度放到一起，按量化主方向值依次排列，获得一系列8维子向量。