[发明专利]图像多尺度自动标注方法

权利要求书

1.一种图像多尺度自动标注方法，其特征在于，包括以下步骤：

第1步、在训练集中寻找待标注图像的K近邻图像，所述训练集包含N个图像，每个图像对应若干全局标注，每个图像的每个像素对应一个局部标注；

第2步、每个全局标注在K近邻图像中出现的频率作为该全局标注的第一权重；

第3步、对待标注图像和每个K近邻图像建立逐像素的密集匹配，选择匹配度最高的M个K近邻图像加入候选集；

第4步、计算候选集中图像的每个全局标注出现的频率，与对应全局标注的第一权重加权求和得到该全局标注的第二权重；

第5步、利用候选集图像的局部标注信息对待标注图像进行逐像素的局部标注赋值；

第6步、计算待标注图像的每个局部标注在训练集图像中与训练集图像的所有全局标注的平均相关度系数，与对应全局标注的第一权重和第二权重加权求和得到对应全局标注的第三权重，训练集图像的全局标注根据第三权重从大到小进行排序，取前t个全局标注作为待标注图像的全局标注。

2.根据权利要求1的图像多尺度自动标注方法，其特征在于：所述第1步中，提取待标注图像和训练集中所有图像的特征向量，计算待标注图像的特征向量与训练集中所有图像的特征向量之间的欧氏距离，选取欧氏距离最小的K个图像为所述的K近邻图像，所述特征向量为GIST特征向量、或HOG特征向量、或视觉词包特征向量。

3.根据权利要求1的图像多尺度自动标注方法，其特征在于：所述第2步中，全局标注的第一权重计算方法如下：

设训练集图像的全局标注全集为{y₁,y₂,...,y_L}，L为训练集图像的全局标注种类数；对K近邻图像集合中每个图像的全局标注进行提取和排列并建立索引，获得与所述训练集图像的全局标注全集对应的L维向量Y_i，Y_i∈{0,1}^L，向量Y_i的第l维个元素Y_i(l)＝1，则表示第i个训练集图像含有全局标注y_l，向量Y_i的第l维个元素Y_i(l)＝0，则表示第i个训练集图像不含有全局标注y_l，对于待标注图像的K近邻图像集合{X₁,X₂,...,X_K}，建立其全局标注的索引，用{Y₁,Y₂,...,Y_K}进行表示，令为K近邻图像集中的全局标注的总数，令为K近邻图像集合中第l个全局标注y_l的总数，则第l个全局标注的第一权重为

4.根据权利要求1的图像多尺度自动标注方法，其特征在于：所述第3步中使用SIFT流方法，通过最小化两图间SIFT流能量，对待标注图像和每个K近邻图像之间建立逐像素的密集匹配。

5.根据权利要求1的图像多尺度自动标注方法，其特征在于：所述第4步中，全局标注的第二权重计算方法如下：

对候选集中每个图像的全局标注进行提取和排列并建立索引，获得与所述训练集图像的全局标注全集对应的L维向量Z_i，Z_i∈{0,1}^L，向量Z_i的第l维个元素Z_i(l)＝1，则表示第i个候选集图像含有全局标注y_l，向量Z_i的第l维个元素Z_i(l)＝0，则表示第i个候选集图像不含有全局标注y_l，对于待标注图像的候选集{X₁,X₂,...,X_M}，建立其全局标注的索引，用{Z₁,Z₂,...,Z_M}进行表示，令为候选集中所有图像的全局标注的总数，令为第l个全局标注在候选集中的总数，则第l个全局标注的第二权重α为权重参数，α∈(0,1)。