[发明专利]一种图像局部特征提取方法及装置

说明书

本发明涉及一种图像局部特征提取方法及装置，属于图像处理技术领域。其中方法包括：构建Siamese网络；选取Siamese网络输出特征向量间的夹角余弦作为图像间的相似度；利用相似度构建误差函数，利用样本图像对Siamese网络进行训练，选取误差最小时的Siamese网络作为图像局部特征提取网络；对待提取的两张整幅图像进行图像块检测，将各图像块组合成图像对，每个图像对包含有分属于两张图像中的各一个图像块，将各图像对输入到图像局部特征提取网络，选取匹配图像块作为待提取整幅图像的局部特征。该方法通过采用特征向量间的夹角余弦计算图像对的相似度，提高选取匹配图像块的效率，进一步提高了图像识别效率。

技术领域

本发明涉及一种图像局部特征提取方法及装置，属于图像处理技术领域。

背景技术

图像是对真实复杂世界的映射成像，其本质上是由若干像素排列组合而成，图像特征提取的实质是对复杂的图像信息进行抽象，简化的表达，在此基础上才能进一步完成各种视觉任务，如图像检索，图像识别等。

图像局部特征旨在表达图像中局部物体区域本质的不变信息，该特征不因物体在图像中呈现形态的变化而变化，同时不同物体的特征又存在着本质的区别，就像无论人的外在形态怎样变化，其基因总是保持不变，而即使两个人外形很相似，但各自基因却有着本质的区别。

由于拍摄角度、拍摄环境或拍摄者的不同，同一物体在不同图像上会呈现不同的形态，然而用以表达该物体的特征应尽可能保持稳定；另一方面，由于现实世界的复杂性，不同物体在图像上的成像可能视觉上很相似，但是各自物体的特征应该有明显的区分。物体特征这种既能维持自身稳定，又能与其它物体进行有效区分的能力，也叫做特征的表达能力。因此，构建图像物体特征的目标是使同一物体在不同图像上的特征距离尽可能的小，同时使不同物体特征距离尽可能的大。为此，有人提出采用Siamese网络进行图像识别，但目前在利用Siamese网络进行图像识别时采用Siamese网络中两个模型输出向量的欧氏距离作为两幅图像的相似度，并以相似度为基础构建误差函数，而采用欧式距离作为相似度，在进行相似度计算时，需要特征两两组合，进行遍历，运算次数多，影响了图像识别的效率。

发明内容

本发明的目的在于提供一种图像局部特征提取方法，以解决目前采用Siamese网络进行特征提取时运算量大、效率低的问题；同时还提供一种图像局部特征提取装置，目前采用Siamese网络进行特征提取时运算量大、效率低的问题。

为实现上述目的，本发明提出一种图像局部特征提取方法，包括以下步骤：

1)构建Siamese网络；

2)选取Siamese网络输出特征向量间的夹角余弦作为图像间的相似度；利用相似度构建误差函数，利用样本图像对Siamese网络进行训练，选取误差最小时的Siamese网络作为图像局部特征提取网络；

3)对待提取的两张整幅图像进行图像块检测，将各图像块组合成图像对，每个图像对包含有分属于两张图像中的各一个图像块，将各图像对输入到图像局部特征提取网络，选取匹配图像块作为待提取整幅图像的局部特征。

另外，本发明还提出一种图像局部特征提取装置，包括存储器、处理器以及存储在所述存储器中并在处理器上运行的计算机程序，所述处理器在执行所述计算机程序时实现上述的图像局部特征提取方法。

有益效果是：在训练图像局部特征提取网络的过程中，将特征向量间的夹角余弦作为图像间的相似度，因此相似度的阈值为[0,1]，是有边界的，不仅为后续通过交叉熵建立误差函数提供便利条件，而且还可以提高准确率；同时选取匹配图像块过程中，通过图像对的结合，采用特征向量间的夹角余弦计算图像对中图像块的相似度，只需进行点乘运算即可，无需进行遍历，减小运算次数，提高选取匹配图像块的效率，进一步提高了图像识别效率。

进一步的，上述图像局部特征提取方法及装置中，Siamese网络包括7个卷积层和2个全连接层。