[发明专利]一种基于关键特征描述符选取的移动视觉检索方法

摘要

本发明公开了一种基于关键特征描述符选取的移动视觉检索系统，属于移动视觉检索领域。其特点是利用亲合力传播聚类方法对查询图像的特征描述符进行关键特征描述符的选取，并采用对关键特征描述符传输后进行加权匹配的方法。提出了通过关键特征描述符的选取进而减少数据的传输量，以减少网络传输延时，从而达到改善用户体验的目的。同时，该方法可以有效地排除查询图像的噪声点数据，在减少数据传输量的同时，还能有效提高检索精确度。

主权项

一种基于关键特征描述符选取的移动视觉检索方法，其特征在于，(1)采用亲和力传播聚类算法对提取到的查询图像特征进行关键特征描述符选取：移动端提取查询图像的局部特征，查询图像的局部特征作为空间点集进行亲和力传播聚类，将经过亲和力传播聚类形成的所有中心特征点选取为关键特征描述符；(2)对步骤(1)中得到的关键特征描述符进行加权匹配，具体步骤如下：a.当选取类簇Ck的中心点特征描述符dk为关键特征描述符，该关键特征描述符dk代表每一个属于其类簇的特征描述符，根据亲和力传播聚类算法中的消息参数R(i,k)和消息参数A(i,k)，定义dk对一个属于其类簇的特征描述符di的代表程度当i≠k时，0＜Pi,k＜1；当i＝k时，代表程度Pi,k＝1；b.定义dk的重要性参数为dk对簇Ck所有的特征描述符的代表程度之和，计算dk的重要性参数Pk的公式为:c.在服务器端进行特征匹配，对上述每个dk从服务器端中的图像特征数据库找到一个与之对应的最近邻特征点d'k，两者之间的距离Disk用欧氏距离表示；根据关键特征描述符的距离参数Disk和重要性参数Pk计算权重值，每个关键特征描述符的权重值为：然后将权重值归一化：其中Ndd表示关键特征描述符的个数；d.对于图像特征数据库中的任意图像I与查询图像之间的相似性S用如下公式计算：其中当dk的最近邻特征点属于图像I时,Sk＝W*k，否则Sk＝0；将图像库中的图像按相似性排序，即找到匹配结果。