[发明专利]一种对特征描述方法进行衡量的方法

摘要

本发明涉及图像识别领域中的物体探测和识别领域，尤其是涉及一种对特征描述方法进行衡量的方法。本发明针对现有技术存在的问题，提供一种对特征描述方法进行衡量的方法，对多种特征描述方法进行定量比较，从而选择最佳的特征描述方法。本发明通过对待识别物体正负样本采样，并使用待衡量特征描述方法转换正负采样为正负特征描述向量，然后通过聚类分析方法对正‑正特征描述向量的可重复性，以及正‑负特征向量的可区分性进行量化计算，从而定量评估待衡量特征描述方法对待识别物体进行探测和识别的性能。

主权项

一种对特征描述方法进行衡量的方法，其特征在于包括：步骤1：对正样本的图像全部标识区域通过采样窗口进行均匀分布的采样；对负样本的图像通过采样窗口进行均匀分布的采样；步骤2：使用被衡量的特征描述方法，将正样本图像全部标识区域的全部采样窗口和负样本图像的全部采样窗口分别对应转换为正特征向量FP＝{α1,α2, ..., αΑ}和负特征向量FN＝{β1,β2, ..., βΒ}，其个数分别记为Α和Β；步骤3：使用一种聚类分析方法，依据正特征向量的空间分布距离，将正特征向量划分成K个聚类{w1,w2, ..., wK}，每个聚类中wk为普通描述词，1≤k≤K，每个普通描述词wk是n个正特征向量αi的集合，wk是FP的子集，n≤Α，10≤K≤1000；若某普通描述词包含的特征向量个数n≤X，则删除该普通描述词；否则保留该普通描述词；其中X为正样本数量的1％到50％；步骤4：对普通描述词汇wk，使用一种概率分布模型计算概率分布密度公式参数P(f|wk)，然后使用所有的正特征向量αi∈FP,i＝1, ..., A， 计算对该普通描述词汇的正可区分值用所有的负特征向量βj∈FN,j＝1, ..., B， 计算对该普通描述词的负可区分值其中，f表示特征空间中任意特征向量；步骤5：计算该普通描述词汇的可区分值为V(wk)＝VP(wk)+VN(wk)；步骤6：在所有普通描述词汇wk中选择可区分值最高的M个区分值作为关键描述词T＝{t1,t2, ..., tM}，这M个关键描述词的区分度的总和为该特征描述方法的类属物体探测性能衡量指标，越大说明被衡量的特征描述方法更适合被测试物体的特征描述，其中m＝1, ..., M。