[发明专利]图像局部特征语义分布结构和样本分布结构融合编码方法

说明书

本发明公开了图像局部特征语义分布结构和样本分布结构融合编码方法，首先获取图像的多尺度稠密SIFT局部特征，然后用K‑means聚类获取局部特征的语义中心，用χ²测度度量局部特征语义分布结构；基于图像的局部特征用Hausdorff距离度量图像样本分布结构；基于词包模型编码的图像样本分布结构度量。最终通过矩阵谱优化求解的方法融合结构获得局部低维紧实的局部特征，用K‑means聚类获取局部特征的新的语义中心，对每一幅图像进行特征量化编码，获得分类判别能力强的图像特征描述。本方法不仅考虑局部特征语义中心间分布结构，而且考虑图像样本间分布结构，将以上两种结构统一到一种框架下，从而得到图像紧实的局部特征和分类判别能力强的图像结构信息融合编码。

技术领域

本发明属视频监控图像处理技术领域，具体涉及一种图像局部特征语义分布结构和样本分布结构融合编码方法。

背景技术

近年来，基于内容分析的智能监控系统的应用越来越多，要智能分析和识别目标，图像的描述与认知是要解决的重要问题，因为图像局部描述表现出的结构多样性和各个结构描述融合的复杂性，使得考虑单一结构约束难以完整的描述图像分布的本质结构。这种情况当前的方法无法进行图像局部特征语义分布结构和样本分布结构融合编码，进而无法更加准确的表征图像内容信息。

发明内容

本发明的目的是提供一种图像局部特征语义分布结构和样本分布结构融合编码方法，解决了现有编码方法无法准确的表征图像内容信息的问题。

本发明所采用的技术方案是，图像局部特征语义分布结构和样本分布结构融合编码方法，具体按照以下步骤实施：

步骤1：获取图像的多尺度稠密SIFT局部特征；

步骤2：用K-means聚类获取局部特征的语义中心，用χ²测度度量局部特征语义分布结构；

步骤3：基于图像的局部特征用Hausdorff距离度量图像样本分布结构；

步骤4：基于词包模型编码的图像样本分布结构度量；

步骤5：通过矩阵谱优化求解的方法融合结构获得局部低维紧实的局部特征，用K-means聚类获取局部特征的新的语义中心，对每一幅图像进行特征量化编码，获得分类判别能力强的图像特征描述。

本发明的特点还在于，

步骤1具体为：