一種圖像檢索方法及裝置制造方法
【專利摘要】本發(fā)明適用于計(jì)算機(jī)視覺領(lǐng)域，提供了一種圖像檢索方法及裝置，所述方法包括：提取圖像集中每幅圖像的特征點(diǎn)，構(gòu)成一個(gè)特征點(diǎn)庫；對所述特征點(diǎn)庫中的特征點(diǎn)進(jìn)行聚類操作，獲得N類，所述N為預(yù)先定義的大于0的整數(shù)；提取待檢索圖像的特征點(diǎn)，基于待檢索圖像的特征點(diǎn)預(yù)測待檢索圖像所屬類別，該類別為所述N類中的一類；統(tǒng)計(jì)所述待檢索圖像中N類特征點(diǎn)出現(xiàn)的次數(shù)，獲取出現(xiàn)次數(shù)最高的前M類特征點(diǎn)，所述M為大于0且小于N的整數(shù)；獲得所屬類別對應(yīng)的圖像集，統(tǒng)計(jì)該圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)，并對出現(xiàn)的次數(shù)進(jìn)行加和運(yùn)算得到分值；輸出分值最高的前L幅圖像，所述L為大于0的整數(shù)。通過本發(fā)明可快速、準(zhǔn)確的獲得圖像檢索結(jié)果。
【專利說明】一種圖像檢索方法及裝置
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明屬于計(jì)算機(jī)視覺【技術(shù)領(lǐng)域】，尤其涉及一種圖像檢索方法及裝置。
【背景技術(shù)】
[0002]圖像檢索是指在圖像集合中查找具有指定特征或包含指定內(nèi)容的圖像處理技術(shù)。隨著多媒體技術(shù)、網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫技術(shù)的不斷發(fā)展，互聯(lián)網(wǎng)的不斷普及，人們對于圖形、圖像等多媒體數(shù)據(jù)的需求越來越強(qiáng)烈，因此圖像信息的應(yīng)用也越來越廣泛。數(shù)字圖像的容量隨著人們的需要飛速增長著，每天都會(huì)產(chǎn)生數(shù)以百萬計(jì)的圖像。因此提供一種快速、準(zhǔn)確的圖像檢索技術(shù)將顯得十分必要。
[0003]現(xiàn)有的圖像檢索技術(shù)主要是基于文本的圖像檢索，這種技術(shù)的實(shí)質(zhì)還是傳統(tǒng)意義上的文本檢索技術(shù)，其過程是將與網(wǎng)絡(luò)圖像相關(guān)的文本信息如圖像標(biāo)題、鏈接文本、內(nèi)容描述等建立索引來標(biāo)注圖像，最后采用關(guān)鍵字匹配技術(shù)來進(jìn)行檢索。然而，由于語義的多義性以及描述的模糊性等問題，使基于文本的圖像檢索技術(shù)的準(zhǔn)確度受到比較大的限制，所返回的結(jié)果通常不符合用戶的預(yù)期。

【發(fā)明內(nèi)容】

[0004]本發(fā)明實(shí)施例在于提供一種圖像檢索方法及裝置，以解決現(xiàn)有基于文本的圖像檢索技術(shù)檢索結(jié)果不夠準(zhǔn)確的問題。
[0005]本發(fā)明實(shí)施例的第一方面，提供一種圖像檢索方法，所述方法包括:
[0006]提取圖像集中每幅圖像的特征點(diǎn)，構(gòu)成一個(gè)特征點(diǎn)庫；
[0007]對所述特征點(diǎn)庫中的特征點(diǎn)進(jìn)行聚類操作，獲得N類，所述N為預(yù)先定義的大于O的整數(shù)；
[0008]提取待檢索圖像的特征點(diǎn)，基于所述待檢索圖像的特征點(diǎn)預(yù)測所述待檢索圖像所屬類別，該類別為所述N類中的一類；
[0009]統(tǒng)計(jì)所述待檢索圖像中N類特征點(diǎn)出現(xiàn)的次數(shù)，獲取出現(xiàn)次數(shù)最高的前M類，所述M為大于O且小于N的整數(shù)；
[0010]獲得所述所屬類別對應(yīng)的圖像集，統(tǒng)計(jì)該圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)，并對出現(xiàn)的次數(shù)進(jìn)行加和運(yùn)算得到分值；
[0011]輸出分值最高的前L幅圖像，所述L為大于O的整數(shù)。
[0012]本發(fā)明實(shí)施例的第二方面，提供一種圖像檢索裝置，所述裝置包括:
[0013]特征點(diǎn)提取單元，用于提取圖像集中每幅圖像的特征點(diǎn)，構(gòu)成一個(gè)特征點(diǎn)庫；
[0014]聚類單元，用于對所述特征點(diǎn)庫中的特征點(diǎn)進(jìn)行聚類操作，獲得N類，所述N為預(yù)先定義的大于O的整數(shù)；
[0015]類別預(yù)測單元，用于提取待檢索圖像的特征點(diǎn)，基于所述待檢索圖像的特征點(diǎn)預(yù)測所述待檢索圖像所屬類別，該類別為所述N類中的一類；
[0016]次數(shù)統(tǒng)計(jì)單元，用于統(tǒng)計(jì)所述待檢索圖像中N類特征點(diǎn)出現(xiàn)的次數(shù)，獲取出現(xiàn)次數(shù)最高的前M類，所述M為大于O且小于N的整數(shù)；
[0017]分值計(jì)算單元，用于獲得所述所屬類別對應(yīng)的圖像集，統(tǒng)計(jì)該圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)，并對出現(xiàn)的次數(shù)進(jìn)行加和運(yùn)算得到分值；
[0018]結(jié)果輸出單元，用于輸出分值最高的前L幅圖像，所述L為大于O的整數(shù)。
[0019]本發(fā)明實(shí)施例與現(xiàn)有技術(shù)相比存在的有益效果是:本發(fā)明實(shí)施例通過統(tǒng)計(jì)待檢索圖像中N類特征點(diǎn)出現(xiàn)的次數(shù)，獲取出現(xiàn)次數(shù)最高的前M類特征點(diǎn)，并統(tǒng)計(jì)圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)，對出現(xiàn)的次數(shù)進(jìn)行加和運(yùn)算得到分值，將分值最高的前L幅圖像作為檢索結(jié)果輸出。本發(fā)明實(shí)施例將圖像特征點(diǎn)出現(xiàn)的次數(shù)作為最重要的信息進(jìn)行索引檢索，可快速、準(zhǔn)確的獲得圖像檢索結(jié)果。而且本發(fā)明實(shí)施例實(shí)現(xiàn)簡單，對硬件要求較低，從而有利于降低產(chǎn)品成本。另外本發(fā)明實(shí)施例應(yīng)用靈活，可應(yīng)用于圖像檢索、顯著性檢測以及圖像排序等，適用于面廣，具有較強(qiáng)的易用性和實(shí)用性。
【專利附圖】

【附圖說明】
[0020]為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0021]圖1是本發(fā)明第一實(shí)施例提供的圖像檢索方法的實(shí)現(xiàn)流程圖；
[0022]圖2是本發(fā)明第一實(shí)施例提供的待檢索圖片各SIFT特征點(diǎn)出現(xiàn)次數(shù)的示例圖；
[0023]圖3是本發(fā)明第一實(shí)施例提供的待檢索圖片各SIFT特征點(diǎn)出現(xiàn)次數(shù)的另一示例圖；
[0024]圖4是本發(fā)明第一實(shí)施例提供的M類SIFT特征點(diǎn)出現(xiàn)次數(shù)經(jīng)加和運(yùn)算得到分值的不意圖；
[0025]圖5是本發(fā)明第一實(shí)施例提供的圖像檢索結(jié)果的示例圖；
[0026]圖6是本發(fā)明第二實(shí)施例提供的圖像檢索裝置的組成結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0027]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0028]為了說明本發(fā)明所述的技術(shù)方案，下面通過具體實(shí)施例來進(jìn)行說明。
[0029]實(shí)施例一:
[0030]圖1示出了第一實(shí)施例提供的圖像檢索方法的實(shí)現(xiàn)流程，該方法過程詳述如下:
[0031]在步驟SlOl中，提取圖像集中每幅圖像的特征點(diǎn)，構(gòu)成一個(gè)特征點(diǎn)庫。
[0032]在本實(shí)施例中，為了獲得較多的特征點(diǎn)數(shù)，提高圖像檢索的準(zhǔn)確度，所述特征點(diǎn)優(yōu)選為尺度不變特征轉(zhuǎn)換(Scale-1nvariant feature transform, SIFT)特征點(diǎn)。
[0033]其中，所述提取圖像集中每幅圖像的特征點(diǎn)具體包括:
[0034]對于圖像集中的每幅圖像，將其所有SIFT特征點(diǎn)根據(jù)最小距離原則各自映射到N類得到N維特征向量Vl JfVl中的每個(gè)值除以該幅圖像的特征點(diǎn)總數(shù)得到頻率特征向量V2, V2即為該幅圖像的SIFT特征點(diǎn)。
[0035]在步驟S102中，對所述特征點(diǎn)庫中的特征點(diǎn)進(jìn)行聚類操作，獲得N類，所述N為預(yù)先定義的大于O的整數(shù)。
[0036]具體的可以是，對所述特征點(diǎn)庫中的特征點(diǎn)采用K均值聚類算法(不局限于此算法)進(jìn)行聚類操作。
[0037]在步驟S103中，提取待檢索圖像的特征點(diǎn)，基于所述待檢索圖像的特征點(diǎn)預(yù)測所述待檢索圖像所屬類別，該類別為所述N類中的一類。
[0038]具體的可以是，基于所述待檢索圖像的特征點(diǎn)通過預(yù)測算法預(yù)測所述待檢索圖像所屬類別。其中，所述預(yù)測算法包括但不限于支持向量機(jī)(Support Vector Machine, SVM)算法。
[0039]在步驟S104中，統(tǒng)計(jì)所述待檢索圖像中N類特征點(diǎn)出現(xiàn)的次數(shù)，獲取出現(xiàn)次數(shù)最高的前M類特征點(diǎn)，所述M為大于O且小于N的整數(shù)。
[0040]在本實(shí)施例中，對所述待檢索圖像的所有特征進(jìn)行統(tǒng)計(jì)，N類中，有一些類在所述待檢索圖像中從未出現(xiàn)，一些類出現(xiàn)了 I次，一些類出現(xiàn)了 2次或多次。根據(jù)SIFT類出現(xiàn)次數(shù)排序，獲取出現(xiàn)次數(shù)最高的前M類(例如N類的30%)特征點(diǎn)作為索引。如圖2、圖3所示，圖2為聚類20K(從數(shù)據(jù)集中選取20個(gè)點(diǎn)作為初始聚類中心)時(shí)所述待檢索圖像各SIFT出現(xiàn)的次數(shù)，圖3為聚類50K (從數(shù)據(jù)集中選取50個(gè)點(diǎn)作為初始聚類中心)時(shí)所述待檢索圖像各SIFT出現(xiàn)的次數(shù)。其中，縱坐標(biāo)表示出現(xiàn)的次數(shù)，橫坐標(biāo)表示不同的SIFT類。
[0041]在步驟S105中，獲得所述所屬類別對應(yīng)的圖像集，統(tǒng)計(jì)該圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)，并對出現(xiàn)的次數(shù)進(jìn)行加和運(yùn)算得到分值(如圖4所示)。
[0042]在本實(shí)施例中，將所述M類特征點(diǎn)作為索引，對所屬類別對應(yīng)的圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)進(jìn)行加和運(yùn)算。按分塊的方式，把高分?jǐn)?shù)段(即大于或等于某一預(yù)設(shè)閾值的分值)放入一個(gè)表中，中低分?jǐn)?shù)段(即小于某一預(yù)設(shè)閾值的分值)放入另一個(gè)表中。高分?jǐn)?shù)段的圖像即為要搜索的圖像。
[0043]本實(shí)施例還包括為所述M類特征點(diǎn)的每類特征點(diǎn)設(shè)置一個(gè)權(quán)值，對所屬類別對應(yīng)的圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)進(jìn)行加權(quán)運(yùn)算；
[0044]其中，加權(quán)運(yùn)算的公式為:
[0045]Q=Yl^qn + (Kx fn)^

n=l
[0046]Q為每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)進(jìn)行加權(quán)運(yùn)算后獲得的分值，qn為第η類特征點(diǎn)對應(yīng)的權(quán)值的基本值(每類特征點(diǎn)的基本值可以相同也可以不同)，η大于O的整數(shù)，kn為每類特征點(diǎn)設(shè)置的權(quán)值、fn為第η類特征點(diǎn)出現(xiàn)的次數(shù)，P表示該幅圖像包含P類特征點(diǎn)。
[0047]在步驟S106中，輸出分值最高的前L幅(例如前40%)圖像，所述L為大于O的整數(shù)，輸出結(jié)果如圖5所示。
[0048]通過本發(fā)明實(shí)施例可快速、準(zhǔn)確的獲得圖像檢索結(jié)果。而且本發(fā)明實(shí)施例實(shí)現(xiàn)簡單，對硬件要求較低，具有較高的靈活性。
[0049]實(shí)施例二:
[0050]圖6示出了本發(fā)明第二實(shí)施例提供的圖像檢索裝置的組成結(jié)構(gòu)，為了便于說明，僅不出了與本發(fā)明實(shí)施例相關(guān)的部分。
[0051]該圖像檢索裝置可應(yīng)用于各種終端設(shè)備，例如口袋計(jì)算機(jī)(Pocket PersonalComputer, PPC)、掌上電腦、計(jì)算機(jī)、筆記本電腦、個(gè)人數(shù)字助理(Personal DigitalAssistant, PDA)等，可以是運(yùn)行于這些終端內(nèi)的軟件單元、硬件單元或者軟硬件相結(jié)合的單元，也可以作為獨(dú)立的掛件集成到這些終端中或者運(yùn)行于這些終端的應(yīng)用系統(tǒng)中。
[0052]該圖像檢索裝置包括特征點(diǎn)提取單元61、聚類單元62、類別預(yù)測單元63、次數(shù)統(tǒng)計(jì)單元64、分值計(jì)算單元65以及結(jié)果輸出單元66。其中，各單元具體功能如下:
[0053]特征點(diǎn)提取單元61，用于提取圖像集中每幅圖像的特征點(diǎn)，構(gòu)成一個(gè)特征點(diǎn)庫；
[0054]聚類單元62，用于對所述特征點(diǎn)庫中的特征點(diǎn)進(jìn)行聚類操作，獲得N類，所述N為預(yù)先定義的大于O的整數(shù)；
[0055]類別預(yù)測單元63，用于提取待檢索圖像的特征點(diǎn)，基于所述待檢索圖像的特征點(diǎn)預(yù)測所述待檢索圖像所屬類別，該類別為所述N類中的一類；
[0056]次數(shù)統(tǒng)計(jì)單元64，用于統(tǒng)計(jì)所述待檢索圖像中N類特征點(diǎn)出現(xiàn)的次數(shù)，獲取出現(xiàn)次數(shù)最高的前M類，所述M為大于O且小于N的整數(shù)；
[0057]分值計(jì)算單元65，用于獲得所述所屬類別對應(yīng)的圖像集，統(tǒng)計(jì)該圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)，并對出現(xiàn)的次數(shù)進(jìn)行加和運(yùn)算得到分值；
[0058]結(jié)果輸出單元66，用于輸出分值最高的前L幅圖像，所述L為大于O的整數(shù)。
[0059]其中，所述特征點(diǎn)為SIFT特征點(diǎn)。
[0060]進(jìn)一步的，
[0061]所述特征點(diǎn)提取單元61，用于對圖像集中的每幅圖像，將其所有SIFT特征點(diǎn)根據(jù)最小距離原則各自映射到N類得到N維特征向量VI，將Vl中的每個(gè)值除以該幅圖像的特征點(diǎn)總數(shù)得到頻率特征向量V2，V2即為該幅圖像的SIFT特征點(diǎn)。
[0062]進(jìn)一步的，
[0063]所述聚類單元62，用于對所述特征點(diǎn)庫中的特征點(diǎn)采用K均值聚類算法進(jìn)行聚類操作。
[0064]進(jìn)一步的，
[0065]所述類別預(yù)測單元63，用于基于所述待檢索圖像的特征點(diǎn)通過預(yù)測算法預(yù)測所述待檢索圖像所屬類別，所述預(yù)測算法包括SVM算法。
[0066]所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，僅以上述各功能單元、模塊的劃分進(jìn)行舉例說明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能單元、模塊完成，即所述裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能單元或模塊，以完成以上描述的全部或者部分功能。實(shí)施例中的各功能單元或模塊可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中，上述集成的單元或模塊既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。另外，各功能單元、模塊的具體名稱也只是為了便于相互區(qū)分，并不用于限制本申請的保護(hù)范圍。上述裝置中單元、模塊的具體工作過程，可以參考前述方法實(shí)施例的對應(yīng)過程，在此不再贅述。
[0067]綜上所述，本發(fā)明實(shí)施例通過統(tǒng)計(jì)待檢索圖像中N類特征點(diǎn)出現(xiàn)的次數(shù)，獲取出現(xiàn)次數(shù)最高的前M類特征點(diǎn)，并統(tǒng)計(jì)圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)，對出現(xiàn)的次數(shù)進(jìn)行加和運(yùn)算得到分值，將分值最高的前L幅圖像作為檢索結(jié)果輸出。本發(fā)明實(shí)施例將圖像特征點(diǎn)出現(xiàn)的次數(shù)作為最重要的信息進(jìn)行索引檢索，可快速、準(zhǔn)確的獲得圖像檢索結(jié)果。而且本發(fā)明實(shí)施例實(shí)現(xiàn)簡單，對硬件要求較低，從而有利于降低產(chǎn)品成本。另外本發(fā)明實(shí)施例應(yīng)用靈活，可應(yīng)用于圖像檢索、顯著性檢測以及圖像排序等，適用于面廣，具有較強(qiáng)的易用性和實(shí)用性。
[0068]本領(lǐng)域普通技術(shù)人員還可以理解，實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，所述的程序可以在存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，所述的存儲(chǔ)介質(zhì)，包括R0M/RAM、磁盤、光盤等。
[0069]以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對本發(fā)明所作的進(jìn)一步詳細(xì)說明，不能認(rèn)定本發(fā)明的具體實(shí)施只局限于這些說明。對于本發(fā)明所屬【技術(shù)領(lǐng)域】的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下做出若干等同替代或明顯變型，而且性能或用途相同，都應(yīng)當(dāng)視為屬于本發(fā)明由所提交的權(quán)利要求書確定的專利保護(hù)范圍。
【權(quán)利要求】
1.一種圖像檢索方法，其特征在于，所述方法包括: 提取圖像集中每幅圖像的特征點(diǎn)，構(gòu)成一個(gè)特征點(diǎn)庫； 對所述特征點(diǎn)庫中的特征點(diǎn)進(jìn)行聚類操作，獲得N類，所述N為預(yù)先定義的大于O的整數(shù)； 提取待檢索圖像的特征點(diǎn)，基于所述待檢索圖像的特征點(diǎn)預(yù)測所述待檢索圖像所屬類另U，該類別為所述N類中的一類； 統(tǒng)計(jì)所述待檢索圖像中N類特征點(diǎn)出現(xiàn)的次數(shù)，獲取出現(xiàn)次數(shù)最高的前M類特征點(diǎn)，所述M為大于O且小于N的整數(shù)； 獲得所述所屬類別對應(yīng)的圖像集，統(tǒng)計(jì)該圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)，并對出現(xiàn)的次數(shù)進(jìn)行加和運(yùn)算得到分值； 輸出分值最高的前L幅圖像，所述L為大于O的整數(shù)。
2.如權(quán)利要求1所述的方法，其特征在于，所述特征點(diǎn)為SIFT特征點(diǎn)。
3.如權(quán)利要求2所述的方法，其特征在于，所述提取圖像集中每幅圖像的特征點(diǎn)包括: 對于圖像集中的每幅圖像，將其所有SIFT特征點(diǎn)根據(jù)最小距離原則各自映射到N類得到N維特征向量Vl JfVl中的每個(gè)值除以該幅圖像的特征點(diǎn)總數(shù)得到頻率特征向量V2，V2即為該幅圖像的SIFT特征點(diǎn)。
4.如權(quán)利要求1所述的方法`，其特征在于，所述對所述特征點(diǎn)庫中的特征點(diǎn)進(jìn)行聚類操作包括: 對所述特征點(diǎn)庫中的特征點(diǎn)采用K均值聚類算法進(jìn)行聚類操作。
5.如權(quán)利要求1所述的方法，其特征在于，所述基于所述待檢索圖像的特征點(diǎn)預(yù)測所述待檢索圖像所屬類別包括: 基于所述待檢索圖像的特征點(diǎn)通過預(yù)測算法預(yù)測所述待檢索圖像所屬類別，所述預(yù)測算法包括SVM算法。
6.一種圖像檢索裝置，其特征在于，所述裝置包括: 特征點(diǎn)提取單元，用于提取圖像集中每幅圖像的特征點(diǎn)，構(gòu)成一個(gè)特征點(diǎn)庫； 聚類單元，用于對所述特征點(diǎn)庫中的特征點(diǎn)進(jìn)行聚類操作，獲得N類，所述N為預(yù)先定義的大于O的整數(shù)； 類別預(yù)測單元，用于提取待檢索圖像的特征點(diǎn)，基于所述待檢索圖像的特征點(diǎn)預(yù)測所述待檢索圖像所屬類別，該類別為所述N類中的一類； 次數(shù)統(tǒng)計(jì)單元，用于統(tǒng)計(jì)所述待檢索圖像中N類特征點(diǎn)出現(xiàn)的次數(shù)，獲取出現(xiàn)次數(shù)最高的前M類，所述M為大于O且小于N的整數(shù)； 分值計(jì)算單元，用于獲得所述所屬類別對應(yīng)的圖像集，統(tǒng)計(jì)該圖像集中每幅圖像出現(xiàn)所述M類特征點(diǎn)的次數(shù)，并對出現(xiàn)的次數(shù)進(jìn)行加和運(yùn)算得到分值； 結(jié)果輸出單元，用于輸出分值最高的前L幅圖像，所述L為大于O的整數(shù)。
7.如權(quán)利要求6所述的裝置，其特征在于，所述特征點(diǎn)為SIFT特征點(diǎn)。
8.如權(quán)利要求7所述的裝置，其特征在于， 所述特征點(diǎn)提取單元，用于對圖像集中的每幅圖像，將其所有SIFT特征點(diǎn)根據(jù)最小距離原則各自映射到N類得到N維特征向量VI，將Vl中的每個(gè)值除以該幅圖像的特征點(diǎn)總數(shù)得到頻率特征向量V2，V2即為該幅圖像的SIFT特征點(diǎn)。
9.如權(quán)利要求6所述的裝置，其特征在于， 所述聚類單元，用于對所述特征點(diǎn)庫中的特征點(diǎn)采用K均值聚類算法進(jìn)行聚類操作。
10.如權(quán)利要求6所述的裝置，其特征在于， 所述類別預(yù)測單元，用于基于所述待檢索圖像的特征點(diǎn)通過預(yù)測算法預(yù)測所述待檢索圖像所屬類別，所述預(yù)測算法包`括SVM算法。
【文檔編號(hào)】G06K9/46GK103793466SQ201310713508
【公開日】2014年5月14日 申請日期:2013年12月20日 優(yōu)先權(quán)日:2013年12月20日
【發(fā)明者】劉宇, 馮良炳 申請人:深圳先進(jìn)技術(shù)研究院