[发明专利]图片特征提取方法及装置

说明书

本发明实施例提供一种图片特征提取方法及装置。本发明图片特征提取方法，包括：使用聚类算法从待分类的图片数据集中获取多个聚类中心作为低层特征提取器；使用所述多个低层特征提取器对所述图片数据集中的每张图片做卷积操作，针对所述每张图片分别生成与所述多个低层特征提取器相同数量的多个卷积图片；对所述多个卷积图片分别进行阈值化操作获取多个稀疏图片；对所述多个稀疏图片进行低层特征整合获取多个整合后的图片；对所述多个整合后的图片进行中层特征提取操作获取中层特征。本发明实施例可以自适应的提取图片特征且提取效率较高。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种图片特征提取方法及装置。

背景技术

随着多媒体技术的发展和因特网的普及，人们获得各种多媒体信息越来越容易，其中图片是数量最多的一种，如何对图片进行分类以便有效地、快速地从大规模图片数据库中检索出所需要的图片已成为人们日益关注的问题。而对图片进行分类必然会对图片进行特征提取。

现有技术中，基于图片的分类技术通常构建一个分层的特征提取框架，即空间金字塔匹配/模型(Spatial Pyramid Matching/Model，简称SPM)方法。SPM方法通常采用一种定义好的低层特征，例如尺度不变特征变换(Scale-invariant feature transform，简称SIFT)特征。这种低层特征用来统计图片中小型区域中的边缘方向信息。因此SPM方法在低层框架中输出大量(基于区域)方向统计信息。之后，SPM方法在中层结构中，基于这些低层方向信息构架中层特征。所谓中层特征，就是在不涉及图片的高级含义信息的情况下(例如图片的物体信息或人脸图片的ID)从图片生成的信息。之后，该层次模型采用支持向量机(Support Vector Machine，简称SVM)分类器在这种中层特征上进行图片分类。一般地，中层特征能够很好地表达图片的主要信息，并能够产生很好的分类性能。

现有的提取图片特征的方法，由于低层特征是预先定义的边缘方向统计信息，即SIFT特征，所以该低层特征缺乏灵活性，不能针对每个图片自适应的提取特征且提取耗时太长。

发明内容

本发明实施例提供一种图片特征提取方法及装置，以解决现有技术中不能针对每个图片自适应的提取特征且提取耗时太长的问题。

第一方面，本发明实施例提供一种图片特征提取方法，包括：

使用聚类算法从待分类的图片数据集中获取多个聚类中心作为低层特征提取器；使用所述多个低层特征提取器对所述图片数据集中的每张图片做卷积操作，针对所述每张图片分别生成与所述多个低层特征提取器相同数量的卷积图片；

对所述多个卷积图片分别进行阈值化操作获取多个稀疏图片；

对所述多个稀疏图片进行低层特征整合获取多个整合后的图片；

对所述多个整合后的图片进行中层特征提取操作获取中层特征。

结合第一方面，在第一方面的第一种实现方式中，所述使用聚类算法从待分类的图片数据集中获取多个聚类中心作为低层特征提取器之前，包括：

对图片数据集中的图片进行归一化和去耦合的预处理操作得到所述待分类的图片数据集。

结合第一方面、或第一方面的第一种实现方式，在第一方面的第二种实现方式中，所述对多个卷积图片分别进行阈值化操作获取多个稀疏图片之后，包括：

对所述多个稀疏图片分别进行标准化操作，所述标准化操作，包括：将所述多个稀疏图片中的各个图片相同位置的像素值组成一个向量，对所述向量做归一化后分别将所述向量的各个分量放回到所述各个图片的对应位置得到多个标准化后的稀疏图片；

对应，所述对所述多个稀疏图片进行低层特征整合获取多个整合后的图片，包括：