[发明专利]图像样本训练方法及图像检索系统

说明书

技术领域

本发明涉及图像识别领域，尤其涉及一种用于建设图像特征数据库时的图像样本训练方法。

背景技术

图像识别常常受到不精确的特征匹配过程的妨碍，不精确的特征匹配过程会因仿射变换（因视角或观看点的改变而使获取图像显示形变）和其它失真（例如，当图像获取端得到的图像比较模糊时，其特征将发生显著变化）而加剧，从而导致正确匹配的减少和错误匹配的增加。

在现有图像检索技术中，通常采用尺度不变特征变换（SIFT）算法来提取并描述图像中的关键点，该算法对尺度和仿射变换（视角改变）具体较好的适应性，但是在视角（视线与垂直于图像的方向之夹角）超过60度的情况下很难有正确的匹配结果，同时通过手持设备或穿戴设备获取检索图像时，由人为因素造成摄像头抖动进而获取的图像比较模糊的情况下，也很难匹配到正确的目标图像。

发明内容

本发明的目的是提供一种图像样本训练方法，解决视角超60度情况下及人为因素造成摄像头抖动而使获取图像模糊的情况下，图像匹配准确率低的问题，实现一个以手持设备或穿戴设备为图像获取端的精确图像检索系统。

为了实现上述发明目的，本发明提供了一种图像样本训练方法，包括：将待训练的原目标图像通过高斯模糊的方式处理，模拟焦外成像效果，得到与检索图像近似的模糊目标图像；在多个方向上分别对原目标图像和模糊目标图像进行仿射变换，生成一组由多张图像组成的训练图像集；对所述训练图像集中的每一副图像进行特征提取，生成图像检索数据库中对应于目标图像的特征数据。

其中，所述将待训练的原目标图像通过高斯模糊的方式处理，模拟焦外成像效果，得到与检索图像近似的模糊目标图像，进一步包括：将待训练的原目标图像转换为灰度图像，然后对灰度图像中的每个像素点做正态分布计算，得到高斯矩阵；使用所述高斯矩阵，分别在垂直方向和水平方向上对原目标图像图中的每个像素点的灰度值做卷积运算，得到所述模糊目标图像。

优选的，将待训练的原目标图像转换为灰度图像，然后对灰度图像中的每个像素点做正态分布计算，根据如下公式计算高斯矩阵：

N维空间正态分布方程为:

其在二维空间定义为：

σ=(0.5*(k–1)–1)*0.3+0.8；

r=n–(k–1)/2；

其中，r为模糊半径，σ为正太分布的标准差，k为高斯核，n的范围为0～k-1，k为13～21之间的奇数。

优选的，所述在多个方向上分别对原目标图像和模糊目标图像进行仿射变换，生成一组由多张图像组成的训练图像集，进一步包括：在四至八个方向上分别对原目标图像和模糊目标图像做仿射变换，得到八至十六张新的训练图像；新的训练图与原目标图像、模糊目标图像一起组成训练图像集。

优选的，当在四个方向上分别对原目标图像和模糊目标图像做仿射变换时，具体为:以原目标图像和模糊目标图像为基础生成四个方向上的旋转图像，这四个方向分别是：图像正面、图像上下倒置、顺时针旋转45度、逆时针旋转45度；将每张旋转图像在水平方向以50度～60度、垂直方向上以10度～20度进行视角变换，以得到仿射变换后的新的训练图像。

优选的，对所述训练图像集中的每一副图像进行特征提取，采用的特征提取算法为SIFT算法或SIFT算法的改进算法，如SURF、Ferns、ORB等算法。

相应的，本发明还提供了一种图像检索系统，包括服务器端及安装有图像检索客户端的移动设备，所述服务器端采用前述的图像样本训练方法生成图像检索数据库。

与现有技术相比，本发明具有如下有益效果：

本发明通过在训练图像集中加入原训练图像（待训练的原目标图像）的模糊图像之后，在使用手持设备或穿戴设备的摄像头获取图像来进行检索时，如果获取到的图像是焦外模糊的图像（即未对焦的情况下得到的图像），这时仍然能够在检索数据库中找到正确的目标图像。同时，在训练图像集中加入仿射变换的处理，可以使用户在视角大于80度的情况下仍然能够准确地找到检索数据库中的目标图像。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图：

图1为本发明实施例图像样本训练方法流程示意图。

具体实施方式