[发明专利]一种商品图像特征描述方法

权利要求书

1.一种商品图像特征描述方法，其特征在于，所述方法包括：

S1：对2倍升采样的商品图像进行小波多尺度分解，在不同分解尺度进行多尺度特征点提取；

S2：对提取的多尺度特征点进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；

S3：对S2得到的局部区域特征进行聚类，形成词包；

S4：对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，并使用对角同心矩空间模型进行特征汇聚形成图像描述子，将该图像描述子使用主成分分析对特征进行降维，获得降维的视觉词包特征向量；

S5：将S4获得的视觉词包特征向量用分类器分类；

所述S4中，使用对角同心矩空间模型进行特征汇聚形成图像描述子，将该图像描述子使用主成分分析对特征进行降维，获得降维的视觉词包特征向量，为：

按照对角同心矩空间模型，给图像划定空间子区域，统计整张图像内每类词的出现次数以及在划定空间子区域每类词出现次数，进行归一化处理，得到空间词频特征向量F，作为图像描述子：

F＝[f₀,f₁,...,f_M]

若图像划分为n部分则得到的空间词频特征向量F是K*(n+1)维的；其中，f0表示在整个图像范围而不考虑子空间范围得到的词频统计特征，它是K维的向量；f1,...,fn表示在划定的不同子空间内得到的词频统计特征，它们也是K维的向量。

2.根据权利要求1所述的一种商品图像特征描述方法，其特征在于，所述S1包括：

S11：将商品图像灰度值化并进行二倍升采样处理，然后对升采样图像进行多层小波分解，对每层分解得到的三个方向的高频小波响应矩阵提取相同坐标上的归一化系数；

S12：根据归一化系数的大小筛选出侯选点；

S13：对所有候选点进行非极大值抑制，以候选点为中心划定5*5大小的矩阵块，矩阵块每个位置的值为坐标相同的三个小波高频通道响应值之和，若候选点的值为该区域的最大值则保留，反之去除，得到对应尺度下的特征点；

S14：计算出特征点映射到原图的坐标位置。

3.根据权利要求2所述的一种商品图像特征描述方法，其特征在于，所述S11中，对每层分解得到的三个方向的高频小波响应矩阵提取相同坐标上的归一化系数为：

其中ch、cv、cd分别为小波分解的竖直方向、水平方向和对角方向的高频小波响应矩阵，max表示分量内取最大值，cH、cV、cD分别为竖直方向、水平方向和对角方向对应的归一化系数。

4.根据权利要求2所述的一种商品图像特征描述方法，其特征在于，所述S14中，映射到原图的坐标位置为：

其中，L为小波分解层数，x和y是在尺度上检测的特征点位置坐标，X和Y为原图所对应的坐标位置。

5.根据权利要求1所述的一种商品图像特征描述方法，其特征在于，所述S1中，尺度大小为：

σ＝1.6*2^L-1

其中，L为小波分解层数。