[发明专利]一种基于局部特征邻域信息的相似图片检索方法

摘要

本发明涉及一种基于局部特征邻域信息的相似图片检索方法，包括1)获取训练图片；2)采用Hessian‑Affine特征点检测算法和SIFT局部特征描述子在多尺度空间上对图片进行特征检测和描述；3)根据步骤2)提取的特征构造相对应的影子特征；4)利用k均值聚类算法对步骤2)中提取的特征进行聚类并生成包括K个视觉词的视觉字典；5)将上述所有特征逐个映射到与其L2距离最小的视觉词汇上，并存储在倒排索引结构中；6)保存所述倒排索引，形成查询数据库；7)获取查询图片相应的倒排索引，并将其与查询数据库进行比对，获得检索结果列表。与现有技术相比，本发明具有图片检索准确率高等优点。

主权项

一种基于局部特征邻域信息的相似图片检索方法，其特征在于，包括：1)获取训练图片；2)采用Hessian‑Affine特征点检测算法和SIFT局部特征描述子在多尺度空间上对图片进行特征检测和描述，具体为：2a)采用Hessian‑Affine特征点检测算法对图片Ii进行检测，得到相应的局部特征点集Pi＝{pi,1,…,pi,m}，i＝1,2,…n，n为图片总数，m为每张图片中局部特征点的个数；2b)采用SIFT局部特征描述子对Pi进行描述，得到对应的局部特征Fi＝{fi,1,…,fi,m}，其中，fi,j＝{(xi,j,yi,j),σi,j,θi,j,si,j,Di,j}，依次代表特征的位置信息、尺度信息、主方向、局部图像块半径以及128维特征向量，3)根据步骤2)提取的特征构造相对应的影子特征，表示为fsi,j＝{(xsi,j,ysi,j),σsi,j,θsi,j,ssi,j,Dsi,j}，其中，xsi,j＝xi,j+α·si,j·cosθi,jysi,j＝yi,j+α·si,j·sinθi,jθsi,j＝θi,j+πσsi,j＝σi,jssi,j＝si,j为采用SIFT局部特征描述子对影子特征fsi,j进行描述，得到的128维特征向量；α为构造参数；4)利用k均值聚类算法对步骤2)中提取的特征进行聚类并生成包括k个视觉词的视觉字典；5)将上述所有特征逐个映射到与其L2距离最小的视觉词汇上，并存储在倒排索引结构中，所有特征包括步骤2)提取的特征和步骤3)构造的影子特征；6)保存所述倒排索引，形成查询数据库；7)获取查询图片，对查询图片依次执行步骤2)、3)、5)，获得相应的倒排索引，并将其与查询数据库进行比对，获得检索结果列表。