亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于圖像動態(tài)分割的手繪草圖圖像檢索方法及系統(tǒng)的制作方法_4

文檔序號:8457341閱讀:來源:國知局
的匹配; (4) 圖像興趣點全局特征提取,全局特征表征的是在分割后的一系列的矩形區(qū)域中某 個興趣點在這個區(qū)域中的空間位置信息,采用基于興趣點分布的全局特征提取算法計算得 到圖像興趣點全局特征; (5) 圖像興趣點特征構造,經過步驟(2)和步驟(4),對于圖像上的每一個興趣點都得 到了其局部特征和全局特征,圖像興趣點特征構造就是把這個局部特征和全局特征結合在 一起作為每個興趣點最終的特征; (6) 手繪草圖特征提取,對于用戶提交給檢索系統(tǒng)的手繪草圖,將其上的每一個邊界點 當做興趣點,然后,對于每一個興趣點分別計算其局部特征和全局特征,最后構造得到興趣 點最終的特征; (7) 圖像-手繪草圖相似性計算,計算手繪草圖和圖像數據庫中的每一個圖像之間的 相似性,對于每一個圖像,首先,對其進行邊界點篩選,只保留那些在視覺上對于表現物體 結構比較重要的邊界點以提升圖像和手繪草圖的之間的相似性;然后,采用基于圖像-手 繪草圖分區(qū)域加權相似性算法計算手繪草圖和每一個圖像之間的相似性,相似性最高的K 幅圖像將作為最后的檢索結果返回給用戶。
2. 根據權利要求1所述的檢索方法,其特征在于在圖像興趣點局部特征提取步驟中, 對興趣點的局部特征進行提?。菏紫扔嬎忝總€興趣點的HOG特征,然后把興趣點周圍區(qū)域 的信息融合到HOG特征量化過程中;在HOG特征量化過程中,采用局部特征自適應量化算 法,具體處理過程如下: (1) 對所有HOG特征進行聚類,聚類算法采用Kmens算法,假設聚類中心的個數為N,那 么聚類后得到N個離散的HOG特征,稱之為codebook,每個離散的HOG特征稱為codeword, 之后所有的HOG特征都被量化為這N個離散值中的一個; (2) 對于圖像上的每一個興趣點,計算其梯度方向; (3) 確定一個以興趣點幻為中心的一個rXr大小的矩形窗口,計算窗口內其 余興趣點/6(/,左')和/6(J;幻之間的歐式距離; (4) 根據權重值計算公式計算其余興趣點//〗.(/,f)在J/Mj;幻的HOG特征 化過程中的權重值大小,權重值的計算公式為:
其中p(j;幻是一個歸一化系數,使得E IPiU, (iPiU, Jd)幻始終成立;t 和%是兩個系數,分別用來調整仍(j;幻和窗口區(qū)域中其余興趣點仍(/,f)的空間 位置信息差異和梯度方向信息差異;〃幻)和〃(//〗.(/,f))分別表示/6(j; 幻和//〗.(/,左')的梯度方向,即上述過程(2)中計算得到的結果; (5)計算當前興趣點幻和codebook中的每一個codeword的距離,假設聚類得 到的codebook為片[…,,那么興趣點幻與codebook中的每一個codeword 之間的距離的由如下公式給定:
其中幻,//〗.(/,左'))是一個權重函數,即上述過程(4)計算得到的結I'DistiJPSJ',k' \4)表示興趣點77^.(/,左')和codeword&之間的歐式距離; 幻)表示上述過程⑶確定的窗口; 對于//*,.(J;幻的HOG特征/最終被量化為距離最小的那個codeword,即:

3. 根據權利要求2所述的檢索方法,其特征在于所述的圖像動態(tài)分割處理步驟中,對 圖像進行動態(tài)分割處理的過程如下: (1) 把圖像分割為大小相同的4個矩形子區(qū)域; (2) 判斷每個子區(qū)域是否滿足分割條件,分割條件的由以下公式計算給出:
其中r,c是兩個控制分割的閾值參數,^表示子區(qū)域心4的父區(qū)域中興趣點的個 數,/?彥示5^的父區(qū)域中興趣點的個數,mX痛示區(qū)域5^的大小; (3) 對于每一個子區(qū)域心&,當其分割條件/(〃,/?)等于1,將區(qū)域成分割為4個 大小相同的子區(qū)域,否則將不對區(qū)域5成進行分割; (4) 重復步驟(2)、(3),直到沒有任何一個區(qū)域滿足分割條件或者區(qū)域的深度達到預 先規(guī)定的最大值,分割過程結束。
4. 根據權利要求3所述的檢索方法,其特征在于所述的圖像興趣點全局特征提取步驟 中,對于區(qū)域/沖的興趣點/6(J;幻,其全局特征提取過程如下: (1) 計算興趣點//Mj;幻到區(qū)域/沖其余每一個興趣點//〗.(/,f)之間歐式距離:
(2) 計算興趣點J6(j;幻到區(qū)域/沖其余興趣點的平均歐式距離:
(3) 將區(qū)域/沖的其余興趣點77〗.(/,f)分為6個group;分類依據是興趣點77〗.(/, 左')與興趣點//Mj;幻之間的歐式距離,由以下公式計算給出:
(4) 統(tǒng)計每一個group中的興趣點的個數并對它進行正則化,即:
其中%.表示groupi中的興趣點的個數; (5) 對上述(4)計算得到的進行二值化處理,即:
其中〃表示用于二值化的參數; (6) 經過二值化處理,得到6個//,每個//的值不是0就是1,將這6個//值串聯(lián)在 一起組成一個二進制串作為興趣點/6(J;幻的全局特征,即:
從勺值從 " 000000 "," 〇〇〇〇〇 1 ",一直變化到 " 111111 "。
5.根據權利要求4所述的檢索方法,其特征在于所述的圖像-手繪草圖相似性計算步 驟中,圖像-手繪草圖相似性計算過程如下: (1) 第一次分割:對于手繪草圖5;根據圖像動態(tài)分割算法將其分割成;對于圖像 /,對它進行一次和手繪草圖相同的分割;相同的分割的定義如下:如果手繪草圖的某 個區(qū)域被分割,則圖像/上相同位置上的區(qū)域也將被分割,圖像I進行一次相同分割后將得 到心 (2) 第二次分割:對于圖像/,根據圖像動態(tài)分割算法將其分割成7^,對于手繪草圖5; 對它進行一次和圖像/相同的分割,分割后得到5k經過兩次分割處理后,手繪草圖舜口圖 像/被表示成4,4,5^, (3) 計算&,4,5^,4上的每一個興趣點的局部特征和全局特征,局部特征由局 部特征自適應量化算法計算得到,全局特征由基于興趣點分布的全局特征提取算法計算得 到; (4) 用&,心,知,心上的每一個區(qū)域/沖的興趣點的特征來構造隹的特 征直方圖//(&,),其中是全局特征的維度,是局部特征的維度; (5) 計算&,心對應區(qū)域&的相似性,假設府卩7是來自&,心上相同區(qū)域&的特 征的集合,A的深度是4盡(〇和盡,),分別是由特征Z和〗構成的特征直方圖, 盡(慫,)和盡之間的相似性由直方圖交叉核計算得出;&,心上相同區(qū)域&的相 似度由以下公式計算得出:
&^(幻是一個位于〇~1范圍內的實數,當圖像和手繪草圖在區(qū)域A很相似時,&)〃(幻 的值會很接近1,不然SiW,.)的值會接近〇 ; (6) 計算&,心之間的相似性,和心的之間的相似性由各個區(qū)域加權計算得到, 其計算公式為:
其中痛示5^上區(qū)域的個數,表示深度為咖區(qū)域的權重,區(qū)域越小對應的權 重越高,由以下公式計算得出:
其中不&的最大深度; (7) 計算^,心對應區(qū)域&的相似性,計算過程同上述步驟(5); (8) 計算^,心之間的相似性,計算過程同上述步驟(6),即:
(9) 計算手繪草圖舜P圖像J之間的相似性,手繪草圖舜P圖像J之間的相似性 7)的由,心)和求和得出,即:
7)將作為最終的衡量手繪草圖舜P圖像J之間的相似性的值,7)值越 高表示圖像和手繪草圖之間的相似性越強。
6. -種基于權利要求5所述方法的系統(tǒng),其特征在于按照處理時間先后分為兩大部 分:(一)為離線處理部分;(二)為在線處理部分;按照整個系統(tǒng)流分為7個模塊:(一)數 據庫圖像預處理模塊;(二)圖像興趣點局部特征提取模塊;(三)圖像動態(tài)分割處理模塊; (四)圖像興趣點全局特征提取模塊;(五)圖像興趣點特征構造模塊;(六)手繪草圖特 征提取模塊;(七)圖像-手繪草圖相似性計算模塊;第二、第三、第四、第七模塊分別對應 于方法中步驟(2)、步驟(3)、步驟(4)、步驟(7)的四個算法:局部特征自適應量化算法、基 于興趣點分布的圖像動態(tài)分割算法、基于興趣點分布的全局特征提取算法、圖像_手繪草 圖分區(qū)域加權相似性計算算法。
【專利摘要】本發(fā)明屬于圖像檢索技術領域,具體為一種基于圖像動態(tài)分割的手繪草圖圖像檢索方法與系統(tǒng)。本發(fā)明具體步驟為:數據庫圖像預處理;圖像興趣點局部特征提?。粓D像動態(tài)分割處理;圖像興趣點全局特征提?。粓D像興趣點特征構造;手繪草圖特征提??;圖像-手繪草圖相似性計算,相似性最高的K幅圖像將作為最后的檢索結果返回給用戶。其中涉及四個主要算法:局部特征自適應量化算法、基于興趣點分布的圖像動態(tài)分割算法、基于興趣點分布的全局特征提取算法、圖像-手繪草圖分區(qū)域加權相似性算法。本發(fā)明對于海量圖像的檢索具有非常重要的意義,能夠很好的解決基于文本的圖像檢索的缺點,提高圖像的檢索精度,增強用戶體驗,在圖像檢索領域具有廣泛的應用價值。
【IPC分類】G06T7-00, G06F17-30
【公開號】CN104778242
【申請?zhí)枴緾N201510164390
【發(fā)明人】金城, 王浙明, 袁建偉, 張玥杰, 薛向陽
【申請人】復旦大學
【公開日】2015年7月15日
【申請日】2015年4月9日
當前第4頁1 2 3 4 
網友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1