鬼佬大哥大
  • / 6
  • 下載費用:30 金幣  

一種搜索相似圖片的方法.pdf

摘要
申請專利號:

CN201510514545.9

申請日:

2015.08.20

公開號:

CN105069144A

公開日:

2015.11.18

當前法律狀態:

撤回

有效性:

無權

法律詳情: 發明專利申請公布后的視為撤回 IPC(主分類):G06F 17/30申請公布日:20151118|||實質審查的生效IPC(主分類):G06F 17/30申請日:20150820|||公開
IPC分類號: G06F17/30 主分類號: G06F17/30
申請人: 華南理工大學
發明人: 陸湛; 馮久超
地址: 510640廣東省廣州市天河區五山路381號
優先權:
專利代理機構: 廣州市華學知識產權代理有限公司44245 代理人: 羅觀祥
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201510514545.9

授權公告號:

||||||

法律狀態公告日:

2019.02.01|||2015.12.16|||2015.11.18

法律狀態類型:

發明專利申請公布后的視為撤回|||實質審查的生效|||公開

摘要

本發明公開了一種搜索相似圖片的方法,包括如下步驟,S1構建圖像的RootSIFT模型,并對圖像數據庫中的圖像進行RootSIFT特征的提取,所述RootSIFT特征包括關鍵點和特征描述子,將提取的特征描述子存儲到特征數據庫;S2提取目標圖像的RootSIFT特征,使用Flann特征匹配方法,與特征數據庫中的特征描述子進行匹配,計算匹配成功的關鍵點個數,即兩幅圖像之間的距離;S3輸出相似圖像。

權利要求書

1.一種搜索相似圖片的方法,其特征在于,包括如下步驟:
S1構建圖像的RootSIFT模型,并對圖像數據庫中的圖像進行RootSIFT特
征的提取,所述RootSIFT特征包括關鍵點和特征描述子,將提取的特征描述子
存儲到特征數據庫;
S2提取目標圖像的RootSIFT特征,使用Flann特征匹配方法,與特征數
據庫中每一幅圖像的特征描述子進行匹配,計算匹配成功的關鍵點個數,即兩
幅圖像之間的距離;
S3輸出與目標圖像匹配成功的關鍵點數最多的前n幅圖像。
2.根據權利要求1所述一種搜索相似圖片的方法,其特征在于,所述S1
具體為:
S1.1在SIFT基礎上,建立圖像的RootSIFT模型;
S1.2遍歷圖像數據庫中的每一張圖片,通過RootSIFT模型提取每一張圖
片的RootSIFT特征;
S1.3將提取的RootSIFT特征的特征描述子通過python的pickle模塊存儲
到一個pkl文件中。
3.根據權利要求1所述的方法,其特征在于,所述Flann特征匹配方法具
體為:計算兩幅圖像的特征描述子向量的距離,具體是對每個需要匹配的關鍵
點同對應圖片的各個關鍵點進行距離的計算并找出距離目標關鍵點最近距離的
關鍵點。
4.根據權利要求1所述的方法,其特征在于,當最近的距離除以次近的距
離的值少于0.75時認為這兩個關鍵點匹配成功。

說明書

一種搜索相似圖片的方法

技術領域

本發明涉及圖像處理領域,具體涉及一種搜索相似圖片的方法。

背景技術

隨著數字信息技術的發展,數字圖像已經進入了千家萬戶,然而隨著數字
圖像數量的增加,如何在龐大的圖像數據庫里快速而準確地尋找跟某一張圖片
相似的其它圖片成為了一個難題。例如一個人去了埃及旅行,那里風景秀麗文
化深厚,因此拍攝了成千上萬的照片。有一天他偶爾發現特別喜歡一張黃昏下
金字塔的照片,然后他想知道他的相機里面還有沒有類似場景的照片,如果一
張又一張地翻閱他的照片集工作量是非常龐大的,那能不能建立一個個人的圖
片搜索引擎?只要在引擎中輸入某一張圖片,圖像搜索引擎就會提取該圖像的
特征,然后跟圖像數據庫中的圖像特征進行匹配,最后輸出跟輸入圖像相似度
最高的圖像。

SIFT即尺度不變特征變換(Scale-invariantfeaturetransform,SIFT),
是用于圖像處理領域的一種描述子。這種描述具有尺度不變性,可在圖像中檢
測出關鍵點,是一種局部特征描述子。SIFT由DavidLowe在1999年提出,在
2004年加以完善。SIFT特征是基于物體上的一些局部外觀的興趣點而與影像的
大小和旋轉無關。對于光線、噪聲、微視角改變的容忍度也相當高。RootSIFT
是SIFT的一種改進算法,它采用Hellinger核函數代替SIFT中歐氏距離度量
值作為兩個向量間的相似性度量,實驗結果表明,RootSIFT的效果比SIFT更好。

發明內容

為了克服現有技術存在的缺點與不足,本發明提供一種搜索相似圖片的方
法。

本發明采用如下技術方案:

一種搜索相似圖片的方法,包括如下步驟

S1構建圖像的RootSIFT模型,并對圖像數據庫中的圖像進行RootSIFT特
征的提取,所述RootSIFT特征包括關鍵點和特征描述子,將提取的特征描述子
存儲到特征數據庫;

S2提取目標圖像的RootSIFT特征,使用Flann特征匹配方法,與特征數
據庫中每一幅圖像的特征描述子進行匹配,計算匹配成功的關鍵點個數,即兩
幅圖像之間的距離;

S3輸出與目標圖像匹配成功的關鍵點數最多的前n幅圖像。

所述S1具體為:

S1.1在SIFT基礎上,建立圖像的RootSIFT模型;

S1.2遍歷圖像數據庫中的每一張圖片,通過RootSIFT模型提取每一張圖
片的RootSIFT特征;

S1.3將提取的RootSIFT特征的特征描述子通過python的pickle模塊存儲
到一個pkl文件中。

所述Flann特征匹配方法具體為:計算兩幅圖像的特征描述子向量的距離,
具體是對每個需要匹配的關鍵點同對應圖片的各個關鍵點進行距離的計算并找
出距離目標關鍵點最近距離的關鍵點。

當最近的距離除以次近的距離的值少于0.75時認為這兩個關鍵點匹配成
功。

本發明的有益效果

(1)本發明依據SIFT的改進算法RootSIFT特征提取方法提取圖像的特征,
該特征具有對旋轉、尺度、縮放、亮度變化保持不變性,從不同的角度描述圖
像的特征,更能準確地搜索與目標圖像相似的圖像;

(2)本發明在特征匹配時使用了Flann特征匹配方法,使系統擁有了快速
的匹配速率以及更好的搜索的準確率。

附圖說明

圖1是本發明的工作流程圖。

具體實施方式

下面結合實施例及附圖,對本發明作進一步地詳細說明,但本發明的實施
方式不限于此。

實施例

如圖1所示,一種搜索相似圖片的方法,包括如下步驟:

S1構建圖像的RootSIFT模型,并對圖像數據庫中的圖像進行RootSIFT特
征的提取,將提取的特征描述子存儲到特征數據庫。所述RootSIFT特征包括關
鍵點和特征描述子,每個關鍵點有三個信息:位置,所處尺度、方向,為每個
關鍵點建立一個特征描述子,用一組向量將這個關鍵點描述出來,使其不隨各
種變化而改變,比如光照變化、視角變化等等。一般表征特征描述子在關鍵點
尺度空間內4*4的窗口中計算的8個方向的梯度信息,共4*4*8=128維向量。

所述的RootSIFT模型是在SIFT特征模型拓展而來的。在紋理分類和圖像
分類中使用歐氏距離的性能比使用Hellinger核函數的性能低。因此,考慮SIFT
算法中相似性度量也可以用Hellinger核函數來度量,發現核函數的效果更好。

步驟S1具體包括:

S1.1在SIFT基礎上,建立圖像的RootSIFT模型。

具體方式是使用Hellinger核函數代替歐氏距離來衡量兩個特征向量之間的
相似性,具體的操作可以分為兩個步驟完成:①對特征向量進行L1規范化,②
對每個元素求平方根。得到具有L1規范化的特征向量RootSIFT。

S1.2遍歷圖像數據庫中的每一張圖片,提取每一張圖片的RootSIFT特征。

S1.3將提取的RootSIFT特征的特征描述子通過python的pickle模塊存
儲到一個pkl文件中。

S2提取目標圖像的RootSIFT特征,使用Flann特征匹配方法,與特征數
據庫中的每一幅圖像的特征描述子進行匹配,計算圖像數據庫中每一幅圖像與
目標圖像匹配成功的關鍵點個數,即圖像與圖像的距離。

具體方式是使用Flann特征匹配方法,其中k設置為2,即選擇距離最近的
關鍵點數為2。取一幅圖像中的某個關鍵點,并找出其與另一幅圖像中距離歐氏
最近的前兩個關鍵點,具體計算方法是在計算兩個關鍵點的特征描述子向量的
歐氏距離,即兩個向量每個對應元素差的平方和。這兩個關鍵點中,如果最近的
距離除以次近的距離少于某個比例閾值,則接受這一對匹配點,這樣操作的原
因是為了排除因為圖像遮擋和背景混亂而產生的無匹配關系的關鍵點。本方法
中設置的閾值是0.75。在本方法中認為兩幅圖像之間匹配成功的關鍵點個數是
兩幅圖像的距離,匹配成功的個數越多說明這兩幅的圖像距離越近,兩幅圖像
之間的相似度越高。

S3輸出與目標圖像匹配成功的關鍵點數最多的前n幅圖像。

上述實施例為本發明較佳的實施方式,但本發明的實施方式并不受所述實
施例的限制,其他的任何未背離本發明的精神實質與原理下所作的改變、修飾、
替代、組合、簡化,均應為等效的置換方式,都包含在本發明的保護范圍之內。

關 鍵 詞:
一種 搜索 相似 圖片 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種搜索相似圖片的方法.pdf
鏈接地址:http://www.wwszu.club/p-6385976.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大