[发明专利]指数权重VLAD特征的权重处理方法及装置

说明书

本发明公开了一种指数权重VLAD特征的权重处理方法及装置。用于将VLAD特征处理得到权重特征，所述方法包括：接收目标图像的第一特征；对所述第一特征执行降维操作，得到所述第一特征的低维特征向量；对所述低维特征向量按照预设权重处理得到权重特征向量；采用接收目标图像的第一特征的方式，通过对第一特征执行降维操作，达到了对低维特征向量按照预设权重处理得到权重特征向量的目的，从而实现了提高相似度计算精确度的技术效果，进而解决了由于相关技术中的图像特征由于没有进行准确的降维和权重修正处理导致计算相似度时产生较大误差的技术问题。

技术领域

本发明涉及图像检索领域，具体而言，涉及一种指数权重VLAD特征的权重处理方法及装置。

背景技术

基于内容的图像检索作为计算机视觉领域的一个重要研究问题，在过去的十年里受到国内外学者的广泛关注，具体的，基于内容的图像检索是指从图像数据库中查找出与待检索图像相似的图像，在特征量化的过程中，采用局部特征聚合描述符(Vector ofLocally Aggregated Descriptors，简称VLAD)算法，先将图像的SIFT特征进行聚类，然后统计一幅图像中所有 SIFT特征与其相近聚类中心的累积残差来表示最终的图像特征；这种方法能考虑到特征间关联的同时对图像的局部信息有更细致的刻画，使最终所得图像特征对各类图像变换具有更高鲁棒性。

由于相关技术中的主成分分析降维方法的降维矩阵是按照特征值从大到小排列的，所以降维后向量的前几个数据往往远大于平均值，这样会对特征的提取造成较大干扰，因为若是前几个数据出现了差错，在比较特征向量相似度时就容易产生较大误差，所以理想情况是使特征向量中前几个过大的数据按一定比例缩小，而使后面变化不大的数据尽量保持不变。

因此，急需一种指数权重VLAD特征的权重处理方法及装置，以解决相关技术中的图像特征由于没有进行准确的降维和权重修正处理导致计算相似度时产生较大误差的技术问题。

发明内容

本发明的主要目的在于提供一种指数权重VLAD特征的权重处理方法，以解决相关技术中的图像特征由于没有进行准确的降维和权重修正处理导致计算相似度时产生较大误差的技术问题。

为了实现上述目的，根据本发明的一个方面，提供了一种指数权重 VLAD特征的权重处理方法，用于将VLAD特征处理得到权重特征。

根据本发明的指数权重VLAD特征的权重处理方法包括：

接收目标图像的第一特征；

对所述第一特征执行降维操作，得到所述第一特征的低维特征向量；以及

对所述低维特征向量按照预设权重处理得到权重特征向量。

进一步的，所述接收目标图像的第一特征包括：

提取所述目标图像的局部特征，其中，所述局部特征为通过SIFT算法计算得到的局部描述子；

对所述局部特征进行聚类，得到聚类中心；

根据所述局部特征和所述聚类中心，得到所述第一特征，其中，所述第一特征为所述目标图像的VLAD特征向量。

进一步的，所述对所述第一特征执行降维操作，得到所述第一特征的低维特征向量包括：

通过所述第一特征的差别方差，得到所述第一特征的相关性；

通过所述第一特征的特征向量和特征值，得到降维矩阵；

根据所述相关性和所述降维矩阵进行映射，得到低维特征向量。

进一步的，所述对所述低维特征向量按照预设权重处理得到权重特征向量包括：