[发明专利]一种基于局部PCA白化的图像表示方法和处理装置

摘要

一种基于局部PCA白化的图像表示方法和处理装置，其中，第一映射模块将单词和特征映射到一个高维度空间；主成分分析模块在对应的每个单词空间中进行主成分分析，得到投影矩阵；VLAD计算模块计算VLAD图像表示向量；第二映射模块将所述VLAD图像表示向量映射到所述高维度空间中；投影变换模块将投影得到的VLAD图像表示向量进行投影变换；归一化处理模块将投影变换得到的特征进行归一化，得到最后的图像表示向量。对于得到的图像表示向量，首先将其投影到一个高维度空间中，然后对提前计算好的投影矩阵，对每个单词对应向量进行投影变换，得到一个低维度的向量，这样使得每个单词对应的向量是一致的。该方法和处理装置具有更好的鲁棒性和更高的性能。

主权项

1.一种基于局部PCA白化的图像表示方法，其特征在于，包括：构造词典，将每个特征赋给相应的单词，将单词和特征映射到一个高维度空间，所述高维度空间的维度高于单词和特征的当前空间的维度；在所述高维度空间中对每个单词进行主成分分析，得到投影矩阵；根据所述词典计算VLAD图像表示向量；将所述VLAD图像表示向量映射到所述高维度空间中；根据所述投影矩阵将所述高维度空间中映射得到的VLAD图像表示向量进行投影变换；将投影变换得到的特征进行归一化，得到最后的图像表示向量；所述在所述高维度空间中对每个单词进行主成分分析，得到投影矩阵的过程为：计算过渡矩阵Gi，其中，c是所有单词构成的矩阵，ci为第i个单词对应的列向量，x是赋给第i单词的所有特征构成的矩阵，D为x中列向量数目或称为特征维度，xj为x中第j个特征对应的列向量，xk为x中第k个特征对应的列向量；对矩阵Gi做特征分解，得到特征值eigval(Gi)和特征向量eigvect(Gi)；计算投影矩阵其中，λi为矩阵Gi的赋给第i个单词的所有特征的特征值集合，λi的下标为特征序号，λiD为λi中第D个特征对应的特征值；∈为预设参数，∈用于避免λi+∈的计算结果为零；t为特征维度D范围内的预设参数，t<＝D；ui为矩阵Gi对应的赋给第i个单词的所有特征的特征向量集合，uiD为ui中第D个特征对应的特征向量；所述将所述VLAD图像表示向量映射到所述高维度空间中进行映射的公式包括：其中，τ表示映射的索引，sech()表示双曲函数计算，v为VLAD图像表示向量；所述根据所述投影矩阵将所述高维度空间中映射得到的VLAD图像表示向量进行投影变换的公式包括：y为投影变换后的特征构成的矩阵。