[发明专利]一种实时影像聚类方法

摘要

本发明公开了一种实时影像聚类方法，包括以下步骤：A、批量输入影像，通过边缘特征提取获得影像全局描述符；B、通过低分辨率影像特征提取获得影像局部特征描述符；C、输入影像全局描述符和影像局部特征描述符；D、创建三层自组织映射神经网络，利用影像全局描述符选取前N个竞争层神经元进入激活状态；E、计算影像局部特征描述符与每个激活神经元下的各个神经末梢间的距离，获得整体响应成功的激活神经元；F、根据整体响应成功的激活神经元的个数进行影像的聚类以及激活神经元的学习或合并，或者利用影像全局描述符和影像局部特征描述符创建新的竞争层神经元。本发明从整体上提高影像聚类结果的准确性与聚类过程的实时性和稳定性。

主权项

1.一种实时影像聚类方法，其特征在于，包括以下步骤：A、对影像进行SIFT特征提取，得到特征点集合T1，对集合T1中的特征点进行边缘点检测，得到边缘点描述符集合Q1，利用VLAD算法对集合Q1进行聚合，得到聚合描述符u1；B、对影像进行空间金字塔降采样，然后进行SIFT特征提取，得到降采样影像描述符集合Q2，利用VLAD算法对降采样影像描述符集合Q2进行聚合，得到聚合描述符u2；C、将聚合描述符u1作为影像全局描述符x＝{x1,x2,……,xm}，其中x为单个矢量，m为其维度，将聚合描述符u2作为影像局部特征描述符Y＝{y1,y2,……,yn}，其中Y为矢量集合，n为影像局部特征点的个数，yi＝{γ1,γ2,……,γh}为第i个影像局部特征的描述符，维度为h，i＝1，2，……，n；D、将影像全局描述符和影像局部特征描述符输入自组织映射神经网络，并创建自组织映射神经网络的竞争层神经元，分别对每个竞争层神经元创建响应层神经末梢，然后计算影像全局描述符与每个竞争层神经元连接权重间的距离，将得到的距离最近的前N个竞争层神经元作为激活神经元；E、采用激活神经元对集合Y中的各个影像局部特征描述符进行响应，对于任意一个影像局部特征描述符yi，分别计算其与每个激活神经元下的各个神经末梢权值间的距离，即l_i，jk为影像局部特征描述符y_i与第j个激活神经元下的第k个神经末梢的权值间的距离，为第j个激活神经元下的第k个神经末梢的权值，当距离l_i，jk小于阈值α时，判定第j个激活神经元下的第k个神经末梢对影像局部特征描述符y_i响应成功，则第j个激活神经元下的其余神经末梢不再对影像局部特征描述符y_i进行响应，当所有激活神经元的神经末梢分别对集合Y中的各个影像局部特征描述符进行响应后，分别统计同一激活神经元下的神经末梢响应成功的次数，当一个激活神经元下的神经末梢响应成功的次数大于阈值β时，判定该激活神经元整体响应成功；F、若有一个激活神经元整体响应成功，则将影像划为该激活神经元对应的聚类，并且该激活神经元及其下的神经末梢利用一定学习效率进行学习，然后返回步骤A对其他影像进行聚类；若有多个激活神经元整体响应成功，则将影像划为神经末梢响应成功次数最多的激活神经元对应的聚类，同时将所有整体响应成功的激活神经元标记为待合并神经元，并将影像标记为连接影像，将标记的待合并神经元进行合并，然后返回步骤A对其他影像进行聚类；若没有激活神经元整体响应成功，则利用影像全局描述符和影像局部特征描述符创建新的竞争层神经元及该竞争层神经元下的神经末梢，然后返回步骤A对其他影像进行聚类。