一種圖像搜索中建立圖像索引的方法和裝置制造方法
【專利摘要】本發(fā)明公開了一種圖像搜索中建立圖像索引的方法和裝置，本發(fā)明所提供的方法，提取索引圖像的多個(gè)索引特征點(diǎn)向量，并將索引圖像多次模擬變形，得到多個(gè)形變圖像，提取挑選出的形變圖像中的多個(gè)形變特征點(diǎn)向量，計(jì)算挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離，統(tǒng)計(jì)挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離的比值小于第一預(yù)設(shè)閾值的次數(shù)，得到挑選出的索引特征點(diǎn)向量的穩(wěn)定次數(shù)，選取穩(wěn)定次數(shù)由大到小排列在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引，其中，M為任意一個(gè)自然數(shù)，本發(fā)明所提供的裝置是與方法所對(duì)應(yīng)的裝置，提高了圖像搜索的精度。
【專利說(shuō)明】一種圖像搜索中建立圖像索引的方法和裝置
【技術(shù)領(lǐng)域】
[0001]本申請(qǐng)涉及圖像分析領(lǐng)域，特別是一種圖像搜索中建立圖像索引的方法和裝置?！颈尘凹夹g(shù)】
[0002]互聯(lián)網(wǎng)絡(luò)上傳統(tǒng)的圖像搜索引擎主要是基于圖像的文件名建立索引，通過(guò)輸入文件名來(lái)實(shí)現(xiàn)圖像搜索功能。圖像的文件名一般只有少量的文字，只描述了圖像的某一個(gè)或某幾個(gè)典型的特征，不能精確的描述圖像的全部特征，因此，輸入文件名進(jìn)行搜索后，可以得到很多具有相同或相近典型特征的圖像，造成圖像搜索的準(zhǔn)確率很低。
[0003]目前，有的搜索引擎采用基于內(nèi)容的圖像搜索方法?；趦?nèi)容的圖像搜索指的是，提取索引圖像的底層特征并建立索引特征點(diǎn)，主要可以分為以下步驟:
[0004]提取索引圖像的底層特征，包括顏色、外觀、紋理或形狀等底層特征；
[0005]使用視覺詞典對(duì)提取的底層特征進(jìn)行量化，每一個(gè)索引圖像的底層特征都會(huì)被量化為視覺詞典中的某一個(gè)視覺詞；
[0006]按照視覺詞建立倒排文檔作為索引特征點(diǎn)。
[0007]在進(jìn)行圖像搜索時(shí)，將一個(gè)查詢圖像本身或者將對(duì)查詢圖像內(nèi)容的描述作為查詢條件，搜索引擎通過(guò)比較索引圖像中的底層特征和查詢條件之間的距離，來(lái)獲得與查詢圖像最近似的索引圖像，最終實(shí)現(xiàn)圖像的搜索功能。
[0008]通常，一個(gè)索引圖像的底層特征有很多，例如，一張普通大小(1000*800)的索引圖像，大約可以提取到2000個(gè)以上的底層特征，針對(duì)如此龐大的底層特征建立圖像索引，不僅需要很大的索引文件存儲(chǔ)空間，而且，在建立和查詢圖像索引的時(shí)間上，也會(huì)導(dǎo)致時(shí)間開銷比較大。
[0009]針對(duì)上述底層特征過(guò)多而導(dǎo)致的耗時(shí)和耗成本問(wèn)題，在中國(guó)專利:《面向近重復(fù)圖像匹配的S I F T特征裁減方法》(申請(qǐng)?zhí)?專利號(hào):200910152880.3)中公開了一種特征裁剪的方法，即減少底層特征的方法。其公開的方法如下:對(duì)圖像庫(kù)中每一幅圖像進(jìn)行高斯核卷積處理，得到圖像的關(guān)鍵特征點(diǎn)；對(duì)關(guān)鍵特征點(diǎn)對(duì)比度和關(guān)鍵特征點(diǎn)主曲率比分別進(jìn)行高斯歸一化，并對(duì)歸一化處理結(jié)果進(jìn)行線性加權(quán)得到各個(gè)關(guān)鍵特征點(diǎn)的顯著度；按照關(guān)鍵特征點(diǎn)的顯著度從小到大的順序，選取用戶指定數(shù)目的關(guān)鍵特征點(diǎn)，實(shí)現(xiàn)圖像的特征裁減。
[0010]使用上述方法可以減少索引圖像的底層特征，不僅有效控制了索引文件的大小，提高系統(tǒng)的運(yùn)行速度，節(jié)約了存儲(chǔ)空間，縮短了建立和查詢圖像索引的時(shí)間，并且，也減少了由于不穩(wěn)定特征點(diǎn)引入的錯(cuò)誤匹配，從而在一定程度上提高了圖像搜索的準(zhǔn)確率。
[0011]然而，在實(shí)現(xiàn)本申請(qǐng)的過(guò)程中，本申請(qǐng)的發(fā)明人發(fā)現(xiàn)上述方法至少存在如下缺陷:
[0012]首先，雖然上述專利公開的特征裁剪方法解決了由于底層特征過(guò)多而導(dǎo)致的各種問(wèn)題，但是，在圖像搜索過(guò)程中，由于索引圖像與輸入圖像之間還存在亮度(明暗)、尺度(縮放)、旋轉(zhuǎn)、仿射、遮擋或圖像裁剪等因素的變化，而這些因素會(huì)導(dǎo)致索引圖像的索引特征點(diǎn)與查詢圖像的查詢特征點(diǎn)之間匹配錯(cuò)誤，降低了圖像搜索的精度；
[0013]其次，由于索引圖像本身還存在對(duì)稱性或周期性等自相似性的結(jié)構(gòu)影響，也容易使索引圖像的索引特征點(diǎn)與查詢圖像的查詢特征點(diǎn)之間產(chǎn)生匹配錯(cuò)誤，進(jìn)一步降低了圖像的搜索精度。
[0014]申請(qǐng)內(nèi)容
[0015]有鑒于此，本申請(qǐng)?zhí)峁┝艘环N圖像搜索中建立圖像索引的方法和裝置，選取穩(wěn)定次數(shù)由大到小排列在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引，提高了圖像搜索的精度。
[0016]一種圖像搜索中建立圖像索引的方法，所述方法包括:
[0017]提取索引圖像的多個(gè)索引特征點(diǎn)向量，并將索引圖像多次模擬變形，得到多個(gè)形變圖像，提取挑選出的形變圖像中的多個(gè)形變特征點(diǎn)向量；
[0018]計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離；
[0019]統(tǒng)計(jì)挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離的比值小于第一預(yù)設(shè)閾值的次數(shù)，得到挑選出的索引特征點(diǎn)向量的穩(wěn)定次數(shù)；
[0020]選取穩(wěn)定次數(shù)由大到小排列在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引，其中，M為任意一個(gè)自然數(shù)。
[0021]優(yōu)選的，所述提取索引圖像的多個(gè)索引特征點(diǎn)向量后進(jìn)一步包括:
[0022]計(jì)算任意兩個(gè)索引特征點(diǎn)向量的歐氏距離作為特征點(diǎn)歐氏距離；
[0023]判斷所述特征點(diǎn)歐氏距離是否小于第二預(yù)設(shè)閾值，如果是，將所述兩個(gè)索引特征點(diǎn)向量剔除。
[0024]優(yōu)選的，所述計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離具體包括:
[0025]查找挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的多個(gè)臨近點(diǎn)形變特征點(diǎn)向量；
[0026]計(jì)算挑選出的索引特征點(diǎn)向量與每一個(gè)臨近點(diǎn)形變特征點(diǎn)向量的第一歐氏距離；
[0027]選取最小的第一歐氏距離作為最臨近點(diǎn)歐氏距離，選取第二小的第一歐氏距離作為次臨近點(diǎn)歐氏距離。
[0028]優(yōu)選的，所述計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離具體包括:
[0029]計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的所有形變特征點(diǎn)向量的第二歐氏距離；
[0030]選取最小的第二歐氏距離作為最臨近點(diǎn)歐氏距離，選取第二小的第二歐氏距離作為次臨近點(diǎn)歐氏距離。
[0031]優(yōu)選的，所述將索引圖像多次模擬變形包括:
[0032]將索引圖像通過(guò)改變亮度、改變分辨率、改變采樣角度、不同視角下放射變換中的任意一種或任意多種方式進(jìn)行多次模擬變形。
[0033]一種圖像搜索中建立圖像索引的裝置，所述裝置包括:
[0034]圖像處理模塊，用于提取索引圖像的多個(gè)索引特征點(diǎn)向量，并將索引圖像多次模擬變形，得到多個(gè)形變圖像，提取挑選出的形變圖像中的多個(gè)形變特征點(diǎn)向量；
[0035]歐氏距離獲取模塊，用于計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離；
[0036]穩(wěn)定次數(shù)累計(jì)模塊，用于統(tǒng)計(jì)挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離的比值小于第一預(yù)設(shè)閾值的次數(shù)，得到挑選出的索引特征點(diǎn)向量的穩(wěn)定次數(shù)；
[0037]穩(wěn)定點(diǎn)輸出模塊，用于選取穩(wěn)定次數(shù)由大到小排列在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引，其中，M為任意一個(gè)自然數(shù)。
[0038]優(yōu)選的，所述裝置進(jìn)一步包括:
[0039]特征點(diǎn)歐氏距離計(jì)算模塊和特征點(diǎn)剔除模塊；
[0040]所述特征點(diǎn)歐氏距離計(jì)算模塊，用于計(jì)算任意兩個(gè)索引特征點(diǎn)向量的歐氏距離作為特征點(diǎn)歐氏距離；
[0041]所述特征點(diǎn)剔除模塊，用于判斷所述特征點(diǎn)歐氏距離是否小于第二預(yù)設(shè)閾值，如果是，將所述特征點(diǎn)歐氏距離對(duì)應(yīng)的兩個(gè)索引特征點(diǎn)向量剔除。
[0042]優(yōu)選的，所述歐氏距離獲取模塊包括:
[0043]臨近點(diǎn)查找模塊、第一歐氏距離計(jì)算模塊和第一歐氏距離選取模塊；
[0044]所述臨近點(diǎn)查找模塊，用于查找挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的多個(gè)臨近點(diǎn)形變特征點(diǎn)向量；
[0045]所述第一歐氏距離計(jì)算模塊，用于計(jì)算挑選出的索引特征點(diǎn)向量與每一個(gè)臨近點(diǎn)形變特征點(diǎn)向量的第一歐氏距離；
[0046]所述第一歐氏距離選取模塊，用于選取最小的第一歐氏距離作為最臨近點(diǎn)歐氏距離，選取第二小的第一歐氏距離作為次臨近點(diǎn)歐氏距離。
[0047]優(yōu)選的，所述歐氏距離獲取模塊包括:
[0048]第二歐氏距離計(jì)算模塊和第二歐氏距離選取模塊；
[0049]所述第二歐氏距離計(jì)算模塊，用于計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的所有形變特征點(diǎn)向量的第二歐氏距離；所述第二歐氏距離選取模塊，用于選取最小的第二歐氏距離作為最臨近點(diǎn)歐氏距離，選取第二小的第二歐氏距離作為次臨近點(diǎn)歐氏距離。
[0050]由上述申請(qǐng)內(nèi)容可知，本申請(qǐng)有如下有益效果:
[0051]提取索引圖像的多個(gè)索引特征點(diǎn)向量，并將索引圖像多次模擬變形，得到多個(gè)形變圖像，提取挑選出的形變圖像中的多個(gè)形變特征點(diǎn)向量，計(jì)算挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離，統(tǒng)計(jì)挑選出的索引特征點(diǎn)向量的穩(wěn)定次數(shù)，選取穩(wěn)定次數(shù)由大到小排列在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引，所選取的建立圖像索引的穩(wěn)定點(diǎn)，是在多個(gè)形變圖像中，穩(wěn)定次數(shù)排在前M的索引特征點(diǎn)向量，穩(wěn)定次數(shù)越高，表明在亮度(明暗)、尺度(縮放)、旋轉(zhuǎn)、仿射、遮擋或圖像裁剪等因素的變化時(shí)，這些穩(wěn)定點(diǎn)變化越小，使用穩(wěn)定次數(shù)越高穩(wěn)定點(diǎn)建立圖像索引，減少匹配錯(cuò)誤，提聞了圖像搜索的精度；
[0052]其次，提取索引圖像的多個(gè)索引特征點(diǎn)向量，計(jì)算任意兩個(gè)索引特征點(diǎn)向量的歐氏距離作為特征點(diǎn)歐氏距離，判斷所述特征點(diǎn)歐氏距離是否小于第二預(yù)設(shè)閾值，如果是，將所述兩個(gè)索引特征點(diǎn)向量剔除，從剔除后的索引特征點(diǎn)向量提取穩(wěn)定點(diǎn)，不易受到索引圖像本身存在的對(duì)稱性或周期性等自相似性的結(jié)構(gòu)的影響，提高了圖像搜索的精度。
【專利附圖】

【附圖說(shuō)明】
[0053]為了更清楚地說(shuō)明本申請(qǐng)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請(qǐng)的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0054]圖1為本申請(qǐng)一種圖像搜索中建立圖像索引的方法實(shí)施例一流程圖；
[0055]圖2為本申請(qǐng)一種圖像搜索中建立圖像索引的方法實(shí)施例二流程圖；
[0056]圖3 Ca)為最臨近點(diǎn)歐氏距離Ttl和次臨近點(diǎn)歐氏距離T1的比值小于第一預(yù)設(shè)閾值示意圖；
[0057]圖3 (b)為最臨近點(diǎn)歐氏距離Ttl和次臨近點(diǎn)歐氏距離T1的比值大于第一預(yù)設(shè)閾值示意圖；
[0058]圖4為本申請(qǐng)一種圖像搜索中建立圖像索引的裝置實(shí)施例三結(jié)構(gòu)圖；
[0059]圖5為本申請(qǐng)一種圖像搜索中建立圖像索引的裝置實(shí)施例四結(jié)構(gòu)圖；
[0060]圖6為歐氏距離獲取模塊一個(gè)具體結(jié)構(gòu)圖；
[0061]圖7為歐氏距離獲取模塊另一個(gè)具體結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0062]本申請(qǐng)?zhí)峁┝艘环N圖像搜索中建立圖像索引的方法和裝置，選取穩(wěn)定次數(shù)由大到小排在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引。
[0063]本申請(qǐng)?zhí)峁┑姆椒?，提取索引圖像的多個(gè)索引特征點(diǎn)向量，并將索引圖像多次模擬變形，得到多個(gè)形變圖像，提取挑選出的形變圖像中的多個(gè)形變特征點(diǎn)向量，計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離，統(tǒng)計(jì)挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離的比值小于第一預(yù)設(shè)閾值的次數(shù)，得到挑選出的索引特征點(diǎn)向量的穩(wěn)定次數(shù)，選取穩(wěn)定次數(shù)由大到小排列在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引，其中，M為任意一個(gè)自然數(shù)。
[0064]本申請(qǐng)?zhí)峁┑难b置，圖像處理模塊，用于提取索引圖像的多個(gè)索引特征點(diǎn)向量，并將索引圖像多次模擬變形，得到多個(gè)形變圖像，提取挑選出的形變圖像中的多個(gè)形變特征點(diǎn)向量，歐氏距離獲取模塊，用于計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離，穩(wěn)定次數(shù)累計(jì)模塊，用于統(tǒng)計(jì)挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離的比值小于第一預(yù)設(shè)閾值的次數(shù)，得到挑選出的索引特征點(diǎn)向量的穩(wěn)定次數(shù)，穩(wěn)定點(diǎn)輸出模塊，用于選取穩(wěn)定次數(shù)由大到小排列在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引，其中，M為任意一個(gè)自然數(shù)。
[0065]下面結(jié)合附圖對(duì)本申請(qǐng)進(jìn)行詳細(xì)說(shuō)明。
[0066]實(shí)施例一
[0067]圖1所示的是本申請(qǐng)一種圖像搜索中建立圖像索引的方法實(shí)施例一流程圖，具體包括:
[0068]步驟101:提取索引圖像的多個(gè)索引特征點(diǎn)向量，并將索引圖像多次模擬變形，得到多個(gè)形變圖像，提取挑選出的形變圖像中的多個(gè)形變特征點(diǎn)向量。
[0069]可以米用SIFT(Scale-1nvariant feature transform)、SURF( Speeded Up RobustFeature)或 PCA-SIFT (Priciple Component Analysis SIFT)的方法提取索引圖像和形變圖像中的特征點(diǎn)向量。
[0070]其中，一個(gè)索引特征點(diǎn)向量用于表征一個(gè)索引特征點(diǎn)，該索引特征點(diǎn)向量包含了索引特征點(diǎn)的顏色向量、紋理向量、空間位置向量等底層特征向量，是一個(gè)多維度向量。本申請(qǐng)中，以128維度向量為例。
[0071]將索引圖像多次模擬變形包括:通過(guò)改變亮度、改變分辨率、改變采樣角度、不同視角下放射變換中的任意一種或任意多種方式對(duì)索引圖像進(jìn)行多次模擬變形。
[0072]其中，挑選出的形變圖像可以挑選出所有的形變圖像，也可以根據(jù)實(shí)際要求挑選出部分形變圖像，本實(shí)施例中以挑選出所有形變圖像為例。
[0073]步驟102:計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離。[0074]挑選出的索引特征點(diǎn)向量可以挑選出所有提取出的索引特征點(diǎn)向量，也可以根據(jù)實(shí)際情況挑選出部分索引特征點(diǎn)向量，本實(shí)施例以挑選出所有提取出的索引特征點(diǎn)向量為例。
[0075]最臨近點(diǎn)是與索引特征向量歐氏距離最小的點(diǎn)，次臨近點(diǎn)是與索引特征向量歐氏距離第二小的點(diǎn)。
[0076]其中，一個(gè)形變特征點(diǎn)向量表征一個(gè)形變特征點(diǎn)，該形變特征點(diǎn)向量包含了形變特征點(diǎn)的顏色向量、紋理向量、空間位置向量等底層特征向量，是一個(gè)多維度向量。本申請(qǐng)中，以128維度向量為例。
[0077]在形變圖像中與索引特征點(diǎn)向量歐氏距離最小的形變特征點(diǎn)向量為此索引特征點(diǎn)向量在此形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量，挑選出的索引特征點(diǎn)向量在挑選出的形變圖像中都有一個(gè)最臨近點(diǎn)形變特征向量。
[0078]在形變圖像中與索引特征點(diǎn)向量歐氏距離第二小的形變特征點(diǎn)向量為此索引特征點(diǎn)向量在此形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量，挑選出的索引特征點(diǎn)向量在挑選出的形變圖像中都有一個(gè)次臨近點(diǎn)形變特征向量。
[0079]步驟103:統(tǒng)計(jì)挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離的比值小于第一預(yù)設(shè)閾值的次數(shù)，得到挑選出的索引特征點(diǎn)向量的穩(wěn)定次數(shù)。
[0080]挑選出的索引特征點(diǎn)向量在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離的比值小于第一預(yù)設(shè)閾值，則認(rèn)為此索引特征點(diǎn)向量在此形變圖像中與最臨近點(diǎn)形變特征向量匹配，則此索引特征點(diǎn)的穩(wěn)定次數(shù)加I。
[0081]其中，第一預(yù)設(shè)閾值是根據(jù)實(shí)際計(jì)算總結(jié)得出，可以根據(jù)計(jì)算方法的不斷優(yōu)化進(jìn)行修改，確定第一預(yù)設(shè)閾值的方法如下:
[0082]將索引特征點(diǎn)在挑選出的形變圖像中的最臨近點(diǎn)作為此索引特征點(diǎn)在挑選出的形變圖像中的匹配點(diǎn)，計(jì)算此索引特征點(diǎn)在挑選出的形變圖像中的最臨近點(diǎn)與次臨近點(diǎn)的比值；
[0083]通過(guò)人工方式標(biāo)注，確定索引特征點(diǎn)在挑選出的形變圖像中的匹配點(diǎn)是否匹配正確(假設(shè)匹配正確為1，匹配錯(cuò)誤為O)；
[0084]設(shè)定挑選出的索引特征點(diǎn)Si在每一幅挑選出的形變圖像Pj中的向量為Yij (最近鄰點(diǎn)與次近鄰點(diǎn)的比值，是否匹配正確)，其中，1、j為自然數(shù)；
[0085]挑選出的索引特征點(diǎn)Si得到j(luò)幅挑選出的形變圖像中的向量Yij,每幅索引圖像有i個(gè)挑選出的索引特征點(diǎn)，每幅索引圖像得到i X j個(gè)向量Yij,選取m幅挑選出的索引圖像進(jìn)行統(tǒng)計(jì)，得到iXjXm個(gè)向量Yij,其中，m為自然數(shù)；
[0086]按照最近鄰點(diǎn)與次近鄰點(diǎn)的比值大小進(jìn)行排序，設(shè)N = iX jXm，匹配正確的個(gè)數(shù)為Nt,匹配錯(cuò)誤的個(gè)數(shù)為Nf,則N = Nt+Nf ；
[0087]同時(shí)，假設(shè)大于閾值的向量個(gè)數(shù)為N1，小于閾值的向量個(gè)數(shù)為Ns;大于閾值的向量中，匹配正確的個(gè)數(shù)為Nlt，匹配錯(cuò)誤的個(gè)數(shù)為Nlf ;小于閾值的向量中，匹配正確的個(gè)數(shù)為Nst，匹配錯(cuò)誤的個(gè)數(shù)為Nsf，則
[0088]N1 = Nlt+Nlf
[0089]Ns = Nst+Nsf[0090]Nt = Nlt+Nst
[0091]Nf = Nlf+Nsf ；
[0092]找最優(yōu)閾值，取每相鄰兩個(gè)向量Yij中最近鄰點(diǎn)與次近鄰點(diǎn)的比值的平均值作為
閾值L，統(tǒng)計(jì)準(zhǔn)確率
【權(quán)利要求】
1.一種圖像搜索中建立圖像索引的方法，其特征在于，所述方法包括: 提取索引圖像的多個(gè)索引特征點(diǎn)向量，并將索引圖像多次模擬變形，得到多個(gè)形變圖像，提取挑選出的形變圖像中的多個(gè)形變特征點(diǎn)向量； 計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離； 統(tǒng)計(jì)挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離的比值小于第一預(yù)設(shè)閾值的次數(shù)，得到挑選出的索引特征點(diǎn)向量的穩(wěn)定次數(shù)； 選取穩(wěn)定次數(shù)由大到小排列在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引，其中，M為任意一個(gè)自然數(shù)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取索引圖像的多個(gè)索引特征點(diǎn)向量后進(jìn)一步包括: 計(jì)算任意兩個(gè)索引特征點(diǎn)向量的歐氏距離作為特征點(diǎn)歐氏距離； 判斷所述特征點(diǎn)歐氏距離是否小于第二預(yù)設(shè)閾值，如果是，將所述兩個(gè)索引特征點(diǎn)向量剔除。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離具體包括: 查找挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的多個(gè)臨近點(diǎn)形變特征點(diǎn)向量; 計(jì)算挑選出的索引特征點(diǎn)向量與每一個(gè)臨近點(diǎn)形變特征點(diǎn)向量的第一歐氏距離； 選取最小的第一歐氏距離作為最臨近點(diǎn)歐氏距離，選取第二小的第一歐氏距離作為次臨近點(diǎn)歐氏距離。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離具體包括: 計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的所有形變特征點(diǎn)向量的第二歐氏距離； 選取最小的第二歐氏距離作為最臨近點(diǎn)歐氏距離，選取第二小的第二歐氏距離作為次臨近點(diǎn)歐氏距離。
5.根據(jù)權(quán)利要求1-4任意一項(xiàng)所述的方法，其特征在于，所述將索引圖像多次模擬變形包括: 將索引圖像通過(guò)改變亮度、改變分辨率、改變采樣角度、不同視角下放射變換中的任意一種或任意多種方式進(jìn)行多次模擬變形。
6.一種圖像搜索中建立圖像索引的裝置，其特征在于，所述裝置包括: 圖像處理模塊，用于提取索引圖像的多個(gè)索引特征點(diǎn)向量，并將索引圖像多次模擬變形，得到多個(gè)形變圖像，提取挑選出的形變圖像中的多個(gè)形變特征點(diǎn)向量； 歐氏距離獲取模塊，用于計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的最臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離，并計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的次臨近點(diǎn)形變特征點(diǎn)向量的歐氏距離作為挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的次臨近點(diǎn)歐氏距離； 穩(wěn)定次數(shù)累計(jì)模塊，用于統(tǒng)計(jì)挑選出的索引特征點(diǎn)分別在挑選出的形變圖像中的最臨近點(diǎn)歐氏距離和次臨近點(diǎn)歐氏距離的比值小于第一預(yù)設(shè)閾值的次數(shù)，得到挑選出的索引特征點(diǎn)向量的穩(wěn)定次數(shù)； 穩(wěn)定點(diǎn)輸出模塊，用于選取穩(wěn)定次數(shù)由大到小排列在前M的索引特征點(diǎn)向量作為穩(wěn)定點(diǎn)建立圖像索引，其中，M為任意一個(gè)自然數(shù)。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述裝置進(jìn)一步包括: 特征點(diǎn)歐氏距離計(jì)算模塊和特征點(diǎn)剔除模塊； 所述特征點(diǎn)歐氏距離計(jì)算模塊，用于計(jì)算任意兩個(gè)索引特征點(diǎn)向量的歐氏距離作為特征點(diǎn)歐氏距離； 所述特征點(diǎn)剔除模塊，用于判斷所述特征點(diǎn)歐氏距離是否小于第二預(yù)設(shè)閾值，如果是，將所述特征點(diǎn)歐氏距離對(duì)應(yīng)的兩個(gè)索引特征點(diǎn)向量剔除。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述歐氏距離獲取模塊包括: 臨近點(diǎn)查找模塊、第一歐氏距離計(jì)算模塊和第一歐氏距離選取模塊； 所述臨近點(diǎn)查找模塊，用于查找挑選出的索引特征點(diǎn)向量分別在挑選出的形變圖像中的多個(gè)臨近點(diǎn)形變特征點(diǎn)向量； 所述第一歐氏距離計(jì)算模塊，用于計(jì)算挑選出的索引特征點(diǎn)向量與每一個(gè)臨近點(diǎn)形變特征點(diǎn)向量的第一歐氏距離； 所述第一歐氏距離選取模塊，用于選取最小的第一歐氏距離作為最臨近點(diǎn)歐氏距離，選取第二小的第一歐氏距離作為次臨近點(diǎn)歐氏距離。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述歐氏距離獲取模塊包括: 第二歐氏距離計(jì)算模塊和第二歐氏距離選取模塊； 所述第二歐氏距離計(jì)算模塊，用于計(jì)算挑選出的索引特征點(diǎn)向量分別與挑選出的形變圖像中的所有形變特征點(diǎn)向量的第二歐氏距離； 所述第二歐氏距離選取模塊，用于選取最小的第二歐氏距離作為最臨近點(diǎn)歐氏距離，選取第二小的第二歐氏距離作為次臨近點(diǎn)歐氏距離。
【文檔編號(hào)】G06F17/30GK103577409SQ201210250725
【公開日】2014年2月12日 申請(qǐng)日期:2012年7月19日 優(yōu)先權(quán)日:2012年7月19日
【發(fā)明者】薛暉 申請(qǐng)人:阿里巴巴集團(tuán)控股有限公司