[发明专利]一种基于手绘草图的识别方法

说明书

本发明公开了一种基于手绘草图的识别方法，所述识别方法包括以下步骤：对初始类别集中的每一幅草图按照预设大小进行调整，均匀提取若干个兴趣点，对每一个兴趣点均提取一个正方形块；每个正方形块内提取像素点梯度，并根据方向量化到4个方向的单元，作为每个正方形块的局部特征；使用k‑means聚类法构造视觉词典，每个草图用500维的向量表示；采用类内聚类分析、以及对每个类别的特征向量进行降维处理，获取分类后的数据库；将查询草图与分类后的数据库进行匹配，得到最终的检索结果。本发明实现了以草图作为视觉输入方式并为其设计鲁棒视觉局部特征，提高了识别准确度。

技术领域

本发明涉及图像检索领域，尤其涉及一种基于手绘草图的识别方法。

背景技术

与基于内容检索^[1]不同的是，基于草图检索的用户输入的是简单的二进制草图。基于内容检索的方法不是对草图进行学习，因此通常不能实现对于草图语义的理解。检索结果纯粹基于草图和图像内容之间的几何相似性^[2][3]。

基于草图检索的图像合成系统，允许用户创建新颖逼真的图像。仅基于草图的综合系统必须依靠大量的数据来抵消草图和图像内容之间的几何差异性问题^[4]，或者需要用户对草图增加文本标签^[5]。使用模板匹配识别面部所提出的系统，能够帮助用户在绘制肖像时获得正确的比例^[6]。

基于这个想法，将实时反馈辅助性草图推广到几十个对象类别，使用快速最近邻匹配找到几何上相似的对象，并将那些对象边缘混合到粗糙阴影准线。与其他基于草图的检索系统一样，用户必须如实绘制边缘以便能在对象类别量较大的情况下进行检索。

基于草图形状表示的草图特征提取方法，可以通过提取全局特征或者局部特征的方式。全局特征表示图像整体的分布和结构，表示相对的分布；而局部特征，找到能稳定出现且有良好区分性的点，比如Dalal^[7]等随机提取图像中分布的特征点，提取特征点周围梯度方向得到梯度方向直方图，取得相关方向构成HOG(Histogram ofOriented Gradient)特征。

发明内容

本发明提供了一种基于手绘草图的识别方法，本发明实现了以草图作为视觉输入方式并为其设计鲁棒视觉局部特征，提高了识别准确度，详见下文描述：

一种基于手绘草图的识别方法，所述识别方法包括以下步骤：

对初始类别集中的每一幅草图按照预设大小进行调整，均匀提取若干个兴趣点，对每一个兴趣点均提取一个正方形块；

每个正方形块内提取像素点梯度，并根据方向量化到4个方向的单元，作为每个正方形块的局部特征；使用k-means聚类法构造视觉词典，每个草图用500维的向量表示；

采用类内聚类分析、以及对每个类别的特征向量进行降维处理，获取分类后的数据库；

将查询草图与分类后的数据库进行匹配，得到最终的检索结果。

其中，所述初始类别集具体为：

获取草图数据集共20000张，通过预处理使得关键词覆盖常见类别，将预处理后的草图数据集作为初始类别集。

其中，所述预处理具体为：

构造草图数据集共20000张作为学习、评估和应用的基础；从标签库中提取1000个常见标签，以1000个常见标签为基准手动移除重复的、以及不符合规则的标签；

通过预设标准和预设数据集中的关键词对删除后的草图数据集补充关键词，将预处理后的草图数据集作为初始类别集。

其中，所述预设标准和预设数据集具体为：普林斯顿形状基准和Caltech256数据集。