[发明专利]一种基于SIFT特征软匹配的图像分类方法

说明书

本发明公开了一种基于SIFT特征软匹配的图像分类方法，该方法主要包括如下步骤：使用SIFT特征提取算法对每个待分类图像提取特征；将提取出来的SIFT特征在每两个图像之间进行软匹配；根据图像之间匹配后的结果定义一种相似度度量标准；将上述图像之间的相似度作为后续分类算法的输入，进行分类。该方法定义了一种基于SIFT特征的相似度度量标准，很好地保证了算法的可行性。该方法不需要训练大量的样本，能够直接对输入的图像进行分类，很好地提高了图像分类的准确度。

技术领域

本发明涉及一种基于SIFT特征软匹配的图像分类方法，属于图像分类技术领域。

背景技术

随着社会科技的飞速发展，全球每天都会产生海量的图片，作为一种信息的载体，这些图像是一种巨大的数据资源，为了充分利用这些资源，必须要对这些图像进行分析处理，而对这些大量的图像进行分类则是后续分析处理的基础，也是必须要做的重要的一步。

很多领域都会涉及图像分类，例如数据挖掘，模式识别，图像检索，计算机视觉等等。而人工对这些大量的图像进行分类显然是不可行的，尤其是在人工智能火热发展的今天，这种繁重的工作自然是让机器代替人工来完成，以提高工作效率。这就需要人们设计出各种图像分类方法，让计算机更加准确高效的完成图像分类的工作。

关于图像分类的方法有很多，一类方法是用一些事先人工分好类的图像来训练算法(称为有监督的方法)，以达到分类更精确的目标。然而，这种方法需要大量的训练图像，实现起来非常困难。还有一类方法是不需要训练，直接对待分类图像进行分类的方法(称为无监督的方法)。这种方法一般先要对图像提取特征及一些预处理，然后送入到分类器中进行分类。这类方法中包含各种图像特征提取技术和多种分类器，不同的特征提取技术与不同的分类器相结合都可能成为一种图像分类方法，但是也不能随意结合，要考虑最终实现的可行性和分类的性能，相对第一类有监督的分类方法，该类方法较容易实现，但是分类准确率有待提高。

发明内容

本发明目的在于针对上述现有技术的不足，提出了一种基于SIFT特征软匹配的图像分类方法，该方法很好地提高了图像分类的准确度。

本发明解决其技术问题所采取的技术方案是：一种基于SIFT特征软匹配的图像分类方法，该方法包括以下步骤：

步骤1：对待分类的图像分别进行SIFT特征提取操作。

步骤2：将步骤1中提取出来的SIFT特征在每两个图像之间进行“软匹配”。

软匹配的含义是指：将图像i与图像j提取出来的特征逐个关键点进行比较计算，用欧氏距离来度量图像i中第k个关键点与图像j中所有关键点的距离，找出最近和第二近的两个距离，把这两个距离的比值记为

步骤3：根据步骤2中计算出的图像i，j之间的匹配程度定义一种相似度度量标准。

步骤4：将步骤3中计算所得的相似度作为AP聚类算法的输入，进行最终的分类。

有益效果：

1、本发明在SIFT特征提取算法与分类算法相结合实现图像分类的过程中，提出SIFT特征“软匹配”的方法，该方法定义了一种基于SIFT特征的相似度度量标准，很好地保证了算法的可行性。

2、本发明不需要训练大量的样本，能够直接对输入的图像进行分类，很好地提高了图像分类的准确度。

附图说明

图1是本发明图像分类的方法流程图。

图2是参数β取不同数值时对应的函数sigmoid(β，x)的曲线。

图3是本发明具体实施例的曲线示意图。

具体实施方式

下面结合说明书附图对本发明创造作进一步的详细说明。