[发明专利]一种基于分块Gabor特征的静态图片中场景识别的方法

说明书

技术领域

一种基于分块Gabor特征的静态图片中场景识别的方法，属于图像识别领域。

背景技术

随着网络上图片数量的增长，如何有效地利用网络图片并发挥其价值是一个备受关注的问题。而解决这一问题的前提是必须大体上知道这些图片的内容，通常是通过图片自带的标签得知，这些标签是图片上传者事先赋予图片的。然而并不是所有图片都会存在相应的标签，即便存在，其标签也不一定能描述图片内容，通过计算机自动识别图片内容的需求越来越强烈，而目前的技术正在努力做到这一点。网络上的静态图片内容往往分为两种类型，一种是其中包含确定的目标，如人物、商品等等现实的或虚拟的物品；另一种是不包含上述目标，如风景照片等。包含具体目标的图片，可以通过目标检测及识别的方法确定其中的部分目标；而对于不包含任何目标的图片，只能去识别其中内容大体归为哪一种类，比如室内场景或自然场景。本发明便是应这一问题而产生，并提出一种用于静态图片场景识别的方法，在实际中取得良好效果。

发明内容

一种基于分块Gabor特征的静态图片中场景识别的方法，其特征在于：

将输入图片归一化，对归一化的图片在每个通道上构建图像金字塔；在每一通道的图像金字塔某层图像上，利用不同方向和对应该图像分辨率的Gabor滤波器对图像进行滤波；

将滤波后的图像按4×4的网格划分为16块，统计每一块内的滤波响应在不同方向上的直方图；

最后将每个通道上，各方向、各尺度网络内得到的直方图统计值用向量表出，作为图像特征。

在进行场景识别前，要先建立所要识别场景的SVM分类模型；对样本图像集提取图像特征，用SVM进行训练得分类模型。

在对目标图片进行场景识别时，按特征提取方法提取图片特征，加载SVM分类模型，确定所属分类以达到场景识别的目的。

附图说明

图1是基于分块Gabor特征的静态图片中场景识别方法的流程示意图。

图2是基于分块Gabor特征的静态图片场景特征提取过程。

具体实施方式

一种基于分块Gabor特征的静态图片中场景识别的方法，其特征在于：

将输入图片归一化，对归一化的图片在每个通道上构建图像金字塔，分别是R、G、B颜色通道，图像金字塔总层数为，每一层为不同分辨率的图像；

在每一通道的图像金字塔某层图像上，利用不同方向和对应该图像分辨率的Gabor滤波器对图像进行滤波；设所在层为l，                                                为在该层上使用的方向；

l为当前图像的所处尺度，为高斯函数标准差，，其中，，为尺度l下的方向总数；

将滤波后的图像按4×4的网格划分为16块，统计每一块内的滤波响应在不同方向上的直方图；

最后将每个通道上，各方向、各尺度网络内得到的直方图统计值用向量表出，作为图像特征，特征提取过程如图2。

在进行场景识别前，要先建立所要识别场景的SVM分类模型；对样本图像集提取图像特征，用SVM进行训练得分类模型。

在对目标图片进行场景识别时，按特征提取方法提取图片特征，加载SVM分类模型，确定所属分类以达到场景识别的目的。