[发明专利]一种基于属性图的图像表示方法

权利要求书

1.一种基于属性图的图像表示方法，其特征在于：用非直接完全图(V，E)来表示图像，称为属性图；

V＝{V_l，V_g}是图的顶点；

V_l表示本地节点，描述图像中包含的所有对象；

V_g表示全局节点，描述图像的背景信息或者整体的场景信息；

E表示图的边，分为两种边：局部边和全局边；局部边表示本地节点之间的连线，全局边表示本地节点和全局节点之间的连线；属性图中的边表示图像中对象之间的空间关系以及对象在整个图像中的空间位置；

所述属性图中的边的获得方法如下：

其中，e_ij表示属性图中的边，e_ij∈E，表示属性图中边的取值；v_i和v_j表示属性图中任意一个顶点；μ_ij表示两个对象几何中心的像素距离；θ_ij表示局部边和水平方向逆时针方向的夹角；δ_ij表示两个对象的边界盒子重叠部分除以两个对象边界区域中较小的部分；μ_ig表示对象的几何中心和全局几何中心的像素距离；θ_ig表示全局边和水平方向逆时针方向的夹角；area(V_i)表示对象边界框区域；weigh表示每个对象的权重。

2.如权利要求1所述的一种基于属性图的图像表示方法，其特征在于：所述V_l用本地属性进行描述，本地属性包括对象的颜色、形状、材质。

3.如权利要求1所述的一种基于属性图的图像表示方法，其特征在于：所述V_g用全局属性进行描述，全局属性包括图像场景和整体的上下文信息。

4.如权利要求1所述的一种基于属性图的图像表示方法，其特征在于：所述全局几何中心为所有对象几何中心的平均值。

5.如权利要求1所述的一种基于属性图的图像表示方法，其特征在于：具体步骤为：

步骤1：进行图像对象检测，生成各个对象的边界盒子；

步骤2：根据对象边界盒子，进行对象类别分类，得到对象类别；

步骤3：提取每个对象纹理、HOG、边缘和颜色特征进行分类，得到每个本地节点V_l的本地属性；

步骤4：对全局节点V_g进行分类，得到全局节点的全局属性；

步骤5：构建局部边；

步骤6：构建全局边。

6.如权利要求5所述的一种基于属性图的图像表示方法，其特征在于：所述步骤1中，运用卷积神经网络的方法进行图像对象检测。

7.如权利要求5所述的一种基于属性图的图像表示方法，其特征在于：所述步骤2中，采用支持向量机方法进行对象类别分类。

8.如权利要求5所述的一种基于属性图的图像表示方法，其特征在于：所述步骤4中，用深度神经网络对全局节点V_g进行分类。