專(zhuān)利名稱(chēng)：基于局部特征多級(jí)聚類(lèi)及圖像-類(lèi)距離計(jì)算的商品圖像自動(dòng)分類(lèi)算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種商品圖像的自動(dòng)分類(lèi)方法，具體是一種基于局部特征分級(jí)聚類(lèi)及圖像-類(lèi)距離計(jì)算的商品圖像分類(lèi)算法。
背景技術(shù)：
隨著互聯(lián)網(wǎng)的發(fā)展，電子商務(wù)的逐漸普及。電子商務(wù)網(wǎng)站需要通過(guò)對(duì)在線(xiàn)銷(xiāo)售商品進(jìn)行標(biāo)注以方便用戶(hù)進(jìn)行搜索。但“一圖勝千言”，傳統(tǒng)的基于人工標(biāo)注的方法不但費(fèi)時(shí)費(fèi)力，又難做到準(zhǔn)確完整。如果在網(wǎng)站中設(shè)置圖片分類(lèi)過(guò)濾器，無(wú)疑能方便用戶(hù)進(jìn)行瀏覽。 基于視覺(jué)信息的圖像自動(dòng)分類(lèi)技術(shù)能夠方便商家和用戶(hù)，如進(jìn)行商品自動(dòng)標(biāo)注和輔助圖像檢索。基于視覺(jué)信息的圖像自動(dòng)分類(lèi)是是根據(jù)圖像的視覺(jué)特征對(duì)圖像進(jìn)行自動(dòng)語(yǔ)義分類(lèi)，需要克服類(lèi)內(nèi)差異、遮擋、姿態(tài)變化和背景干擾對(duì)分類(lèi)帶來(lái)的不利影響，目前是計(jì)算機(jī)視覺(jué)領(lǐng)域最具挑戰(zhàn)的課題之一。針對(duì)商品圖像分類(lèi)，B. Tomasik等(Tagging products using image classification, in Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval.2009, ACM Boston, MA, USA.)探討了運(yùn)用圖像分類(lèi)進(jìn)行圖像標(biāo)注的方法，在2_3類(lèi)商品圖像上取得了 66 % —96 % 的石;S ·。 Oren Boiman φ (In Defense of Nearest-Neighbor Based Image Classification, Proceedings of IEEE Conference on Computer Vision and Pattern Recognition)提出了一種樸素貝葉斯最近鄰的分類(lèi)器NBNN，(Naive-Bayes Nearest-Neighbor)，在圖像局部特征空間采用最近鄰方法，計(jì)算圖像-類(lèi)之間的距離，并且證明了在基于貝葉斯假設(shè)下，這種分類(lèi)器可以近似理論上最優(yōu)的圖像分類(lèi)器。但由于這種方式基于窮盡搜索，當(dāng)標(biāo)記圖像數(shù)目比較多、類(lèi)別數(shù)比較大時(shí)，運(yùn)行時(shí)間就會(huì)變得越來(lái)越大，很難達(dá)到實(shí)際應(yīng)用的要求。本發(fā)明在此基礎(chǔ)上提出了基于局部特征聚類(lèi)及樸素貝葉斯分類(lèi)器的商品圖像分類(lèi)算法。首先在圖像局部特征空間進(jìn)行分級(jí)層次聚類(lèi)，形成若干個(gè)分級(jí)聚類(lèi)中心，在計(jì)算圖像-類(lèi)距離時(shí)，首先計(jì)算圖像和每類(lèi)各個(gè)分級(jí)聚類(lèi)中心之間的距離， 找出每類(lèi)最近鄰的聚類(lèi)中心。在此聚類(lèi)包含的所有描述子中計(jì)算圖像各描述子的最近鄰， 將圖像各描述子與其對(duì)應(yīng)最近鄰描述子的距離進(jìn)行相加，得到的距離之和即為圖像-類(lèi)之間的距離。測(cè)試圖像的類(lèi)別即為最小距離所對(duì)應(yīng)的類(lèi)別。本發(fā)明可在保證較高正確率的情況下有效提高計(jì)算速度，適用于較大規(guī)模的商品圖像分類(lèi)。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題是基于視覺(jué)特征的商品圖像自動(dòng)分類(lèi)，提供了一種基于視覺(jué)信息的商品圖像自動(dòng)分類(lèi)方法，這種方法提取圖像局部特征，采用分級(jí)聚類(lèi)和圖像-類(lèi)距離計(jì)算的方法實(shí)現(xiàn)類(lèi)別識(shí)別。
本發(fā)明的技術(shù)方案如下步驟一.取已分好類(lèi)的商品圖像作為分類(lèi)器標(biāo)記樣本；步驟二 .以稠密采樣方式提取并描述各標(biāo)記圖像類(lèi)的局部圖像特征(如SIFT)。步驟三.將各類(lèi)內(nèi)訓(xùn)練圖片提取的局部特征進(jìn)行層次聚類(lèi)，形成若干個(gè)分級(jí)聚類(lèi)中心，并標(biāo)記隸屬于每個(gè)聚類(lèi)中心的圖像塊描述子；步驟四.以稠密采樣方式提取并描述測(cè)試圖片局部特征(SIFT)；步驟六.依次計(jì)算測(cè)試圖像每個(gè)圖像塊到各類(lèi)各分級(jí)聚類(lèi)中心的L2距離，找出每個(gè)測(cè)試圖像塊與每個(gè)標(biāo)記類(lèi)距離和最小的聚類(lèi)中心；步驟七.在相應(yīng)最近鄰聚類(lèi)中，依次計(jì)算各圖像局部特征塊的最近鄰描述子，并計(jì)算對(duì)應(yīng)L2距離；步驟八.對(duì)應(yīng)L2距離和最小的類(lèi)別即為分類(lèi)結(jié)果。本發(fā)明的效果和益處能夠根據(jù)商品圖像的視覺(jué)內(nèi)容實(shí)現(xiàn)商品自動(dòng)分類(lèi)；采用每類(lèi)圖像局部特征描述子分級(jí)層次聚類(lèi)的方法，大大減少了圖像-類(lèi)距離計(jì)算中的窮盡搜素問(wèn)題，大大提高了計(jì)算效率。在計(jì)算圖像塊之間距離時(shí)，充分考慮特征所在位置信息，能夠提高分類(lèi)效果。


附圖1是本發(fā)明算法基本過(guò)程示意框圖。附圖2是本發(fā)明算法訓(xùn)練和測(cè)試過(guò)程流程圖。附圖3是圖像-類(lèi)距離計(jì)算方法示意圖。附圖4是本發(fā)明實(shí)施例中的部分圖庫(kù)示意圖。
具體實(shí)施例方式如圖1所示，具體描述如下步驟如下步驟一.獲取取已知類(lèi)別的商品圖像樣本，每類(lèi)10 50個(gè)樣本；步驟二 .以稠密采樣方式提取各標(biāo)記圖像類(lèi)的圖片特征，采樣間隔為8個(gè)像素，每個(gè)采樣圖像塊大小為16*16 ；將每個(gè)圖像塊表示為SIFT特征描述子。步驟三.依次對(duì)每個(gè)圖像標(biāo)記類(lèi)中的局部圖像塊描述子進(jìn)行分級(jí)層次聚類(lèi)，(聚類(lèi)層級(jí)數(shù)與每級(jí)聚類(lèi)中心數(shù)目可以根據(jù)訓(xùn)練集大小適當(dāng)設(shè)定，一般設(shè)層級(jí)數(shù)為2，第一級(jí)聚類(lèi)中心數(shù)5-10，第二級(jí)聚類(lèi)中心數(shù)10 20，每類(lèi)可以不同)；訓(xùn)練圖像數(shù)量較多時(shí)，可以抽取其中一部分進(jìn)行聚類(lèi)，形成多級(jí)聚類(lèi)中心；但要計(jì)算所有標(biāo)記圖像描述子屬于哪一個(gè)聚類(lèi)中心。聚類(lèi)方法遞歸使用K-means方法。(1)隨機(jī)選擇K個(gè)局部描述子為聚類(lèi)中心；mk，k= 1....K(2)計(jì)算所有局部描述子&與聚類(lèi)中心的距離，找出每個(gè)局部描述子L2距離最小
的聚類(lèi)中心，所有與此聚類(lèi)中心最近的描述子形成一個(gè)聚類(lèi)，即屬于聚類(lèi)ca)
, 、(_'《:i) = Ullllj Λ； — Wl^ i =U
I . μ ；-N為局部特征描述子的個(gè)數(shù)。
(3)對(duì)每個(gè)聚類(lèi)，重新計(jì)算聚類(lèi)中心，
權(quán)利要求
1.基于局部特征多級(jí)聚類(lèi)及圖像-類(lèi)距離計(jì)算的商品圖像自動(dòng)分類(lèi)算法，其特征在于如下步驟，步驟一.取已分好類(lèi)的商品圖像作為分類(lèi)器標(biāo)記樣本； 步驟二 .以稠密采樣方式提取并描述各標(biāo)記圖像類(lèi)的局部圖像特征(SIFT)； 步驟三.將各類(lèi)內(nèi)訓(xùn)練圖片提取的局部特征進(jìn)行層次聚類(lèi)，形成若干個(gè)分級(jí)聚類(lèi)中心，并標(biāo)記隸屬于每個(gè)聚類(lèi)中心的圖像塊描述子；步驟四.以稠密采樣方式提取并描述測(cè)試圖片局部特征(SIFT)； 步驟六.依次計(jì)算測(cè)試圖像每個(gè)圖像塊到各類(lèi)各分級(jí)聚類(lèi)中心的L2距離，找出測(cè)試圖像與每個(gè)標(biāo)記類(lèi)距離和最小的聚類(lèi)中心；步驟七.與每類(lèi)最近臨聚類(lèi)中，依次計(jì)算測(cè)試各圖像局部特征塊的最近鄰描述子，并計(jì)算對(duì)應(yīng)L2距離之和；步驟八.對(duì)應(yīng)L2距離和最小的類(lèi)別即為分類(lèi)結(jié)果。
全文摘要
本發(fā)明涉及的是一種商品圖像的自動(dòng)分類(lèi)方法，提供了一種基于視覺(jué)信息的商品圖像自動(dòng)分類(lèi)方法。這種方法提取圖像局部特征，采用分級(jí)聚類(lèi)和圖像-類(lèi)距離計(jì)算的方法實(shí)現(xiàn)類(lèi)別識(shí)別。本發(fā)明的效果和益處能夠根據(jù)商品圖像的視覺(jué)內(nèi)容實(shí)現(xiàn)商品自動(dòng)分類(lèi)；采用每類(lèi)圖像局部特征描述子聚類(lèi)的方法，大大減少了圖像-類(lèi)距離計(jì)算中的窮盡搜素問(wèn)題，大大提高了計(jì)算效率。在計(jì)算圖像塊之間距離時(shí)，充分考慮特征所在位置信息，能夠提高分類(lèi)效果。
文檔編號(hào)G06K9/62GK102509111SQ20111034076
公開(kāi)日2012年6月20日 申請(qǐng)日期2011年11月2日 優(yōu)先權(quán)日2011年11月2日
發(fā)明者孔祥維, 賈世杰 申請(qǐng)人:大連理工大學(xué)