[发明专利]基于自编码特征和近邻模型的图像自动标注方法

摘要

本发明涉及一种图像理解领域的标注建模方法，具体是一种基于自编码特征和近邻模型的图像自动标注方法，利用可伸缩颜色特征、同质纹理特征、边缘直方图特征、网格颜色矩特征和小波矩特征的融合作为图像视觉特征向量，并对视觉特征向量使用深度自编码机进行图像编码，提出近邻方法，使用图像编码特征对测试图像进行自动标注，使用深度学习算法获得图像自编码特征，基于图像自编码特征使用近邻模型实现图像自动标注，获得较高的标注准确性。

主权项

1.基于自编码特征和近邻模型的图像自动标注方法，其特征在于，包括以下步骤：A:提取图像库中图像的可伸缩颜色特征、同质纹理特征、边缘直方图特征、网格颜色矩特征和小波矩特征，获得每幅图像的低层融合特征向量；B:利用深度自动编码机对图像库所有图像的融合特征向量进行自编码，获得相应的自编码特征；C:对测试图像根据自编码特征采用近邻方法找到28个近邻训练图像，利用该组近邻训练图像的语义标注从而完成测试图像自动标注；步骤A进一步包括：A1：提取一幅图像的网格颜色矩特征；A2：提取一幅图像的可伸缩颜色特征；A3：提取一幅图像的边缘直方图特征；A4：提取一幅图像的同质纹理特征；A5：提取一幅图像的小波矩图特征；步骤A4进一步包括：A4.1：计算图像像素的均值和方差；A4.2：对图像依次进行radon变换和傅里叶变换，并利用Gabor滤波器组提取频域特征，Gabor变换函数如下：其中s＝5，r＝6，上式即第s个径向第r个角度的Gabor变换函数，分别表示在第s个径向与第r个角度上变换函数的标准差；A4.3：针对第i个滤波器变换计算:e_i＝log[1+p_i]d_i＝log[1+q_i]其中：F(ω,θ)为图像的傅里叶变换。