[发明专利]一种数字图像可视化组织展示的方法

说明书

技术领域

本发明涉及信息技术领域，具体涉及一种数字图像可视化组织展示的方法。

背景技术

目前对于图像可视化的特征抽取方式，考虑细节和分布的方法通常需要很大的计算量，而直方图很容易就丢弃了图像的空间信息，而简单的分段计算的像素总量值也直接忽略了计算时像素量值的分布特性。

对于图像可视化的组织方式，目前一般都基于预定义的类别，各个图像归档到不同的类别中，这样的归类相对生硬，对类别判定的阈值依赖性很大。

发明内容

为了解决现有的图像可视化方法计算量大的问题，本发明提供了一种数字图像可视化组织展示的方法。

本发明的一种数字图像可视化组织展示的方法，它包括以下步骤：

步骤一：获取G张未经标记的原始数字图像P_k(m，n)，1≤k≤G；

步骤二：提取所述的每张原始数字图像P_k(m，n)的原始特征量FS_k(z)及其扩展图像的扩展特征量FE_k(z)，获取所述每张原始数字图像P_k(m，n)的图像特征量PF_k＝F_k(l)，所述F_k(l)表示第k张原始数字图像P_k(m，n)的原始特征量FS_k(z)及扩展特征量FE_k(z)的合并特征量，并用所获取的图像特征量PF_k表示原始数字图像P_k(m，n)，其中，z＝1，2，3...，24；

步骤三：用p范数距离来度量第b张原始数字图像与第g张原始数字图像之间的相似距离b＝1，2...G，g＝1，2...G，并建立全局距离矩阵，其中，a_l为所述两个图像特征值PF_b和PF_g的距离计算权值，取a_l为的第l个维度量，为48维度的特征权向量；

步骤四：将G张原始数字图像作为G张样本，并从所述G张样本中获取每个样本所归属的聚类中心样本其中，a(k，f)为所述有效性矩阵A_G×G中的第k行元素，r(k，f)为所述反馈矩阵R_G×G中的第k行元素；

步骤五：依据全局距离矩阵D_G×G和所获取的每个样本所归属的聚类中心样本fc_k获取每个样本的特征矢量E(k)，进而从所有样本中检测偏远样本；

步骤六：将G张样本变换为G张缩小图像，并生成所述每个缩小图像的角度偏转量rand(*)为[0，1]上的随机值，以所获得的角度偏转量Ap(k)调整所述缩小图像，并使所述缩小图像在目标展示空间中正对着用户观察面以特征矢量E(k)展示，以完成数字图像可视化组织展示。

本发明的有益效果：本发明提供了一种基于视觉感受的快速的自适应图像聚类进而实现可视化组织展示的方法，本发明在对图片组织归类时，将数字图像转化到HIS空间进行处理，使得图像可视化更符合人类的视觉感知特性，在图像可视化组织展示过程中，利用图像特征值表示图像进而排除偏远样本，使得图像可视化过程中的计算量小。

附图说明

图1是本发明的一种数字图像可视化组织展示的方法的流程图。

具体实施方式

具体实施方式一：根据说明书附图1具体说明本实施方式，本实施方式所述的一种数字图像可视化组织展示的方法，它包括以下步骤：

步骤一：获取G张未经标记的原始数字图像P_k(m，n)，1≤k≤G；

步骤二：提取所述的每张原始数字图像P_k(m，n)的原始特征量FS_k(z)及其扩展图像的扩展特征量FE_k(z)，获取所述每张原始数字图像P_k(m，n)的图像特征量PF_k＝F_k(l)，所述F_k(l)表示第k张原始数字图像P_k(m，n)的原始特征量FS_k(z)及扩展特征量FE_k(z)的合并特征量，并用所获取的图像特征量PF_k表示原始数字图像P_k(m，n)，其中，z＝1，2，3...，24；