[发明专利]一种基于属性图的图像表示方法

说明书

本发明提供了一种基于属性图的图像表示方法，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；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。本发明提供的方法用属性图来表示图像，对那些包含了相同对象却表示不同的图像语义的图像能够进行精确分类。属性图既考虑了图像的局部特征，又考虑了图像的全局特征，同时用边的信息描述了对象和对象之间的空间关系，以及对象在整个图像中的空间位置，对图像分类识别有着积极的意义。

技术领域

本发明涉及一种图像的表示方法，尤其涉及一种基于属性图的图像表示方法，属于图像识别技术领域。

背景技术

基于学习的图像识别方法在过去的几年中取得了很大进步。对特定的对象类，特别是人脸和汽车，都有比较可靠和高效的基于底层特征(例如SIFT特征或者HOG特征)的识别。但是这些图像的底层特征不能很好地反映图像类别信息。

最近，新的研究资料提出使用图像固有属性进行分类的方法。属性是指可以由人指定名称并且能在图像中观察到的特性，可以表示图像中对象是否存在，可以描述图像中对象的颜色、形状、材质、部件、类别及功能，也可以表示图像中场景的类别以及上下文信息等。因此，基于图像的属性特征进行分类的研究越来越多。Fahadi等(A.Farhadi，I.Endres，D.Hoiem，and D.Forsyth.Describing objects by their attributes.In CVPR，2009.2，5，6)用属性直接表示图像，并把它应用到对象分类；Patterson等(G.Patterson andJ.Hays.Sun attribute database：Discovering， annotating，and recognizing sceneattributes.In CVPR，2012.2)用属性来描述场景图像，并把它应用于场景图像的分类；While Lan等(T.Lan，W.Yang，Y.W.0003，and G.Mori.Image retrieval with structuredobject queries using latent ranking svm.In ECCV，2012，2)认为可以建立图像中所有对象的空间关系，并用此来表示图像，但是没有考虑所有对象在整个图像中的几何分布，以及单个对象的特征；Kulkarni (G.Kulkarni，V.Premraj，V.Ordonez，S.Dhar，S.Li，Y.Choi，A.C.Berg，and T.L.Berg. Babytalk：Understanding and generating simple imagedescriptions)建立了对象和对象之间相互关系的模型，但是没有考虑到图像整体的背景信息；Zheng等(L.Zheng， S.Wang，Z.Liu，and Q.Tian.Packing and padding：Coupledmulti-index for accurate image retrieval.In CVPR，2014.2)把图像的底层特征SIFT和颜色的信息加入到多维索引中，用这种方式来表示图像，Douze等(M.Douze，A.Ramisa，and C.Schmid. Combining attributes and fisher vectors for efficient imageretrieval.In CVPR，2011.2，6，7)把属性加入到Fisher向量中来表示图像，这些技术只考虑到图像的整体信息，却没有关注图像中的对象和这些对象的局部特征；Cao等(X.Cao，X.wei，X.Guo，Y.Han，and J.Tang.Augmented image retrieval using multi-orderobject layout with attributes.In ACM MM，2014.2，6，7)构建了一个基于属性的三角形对象结构来表示图像，但是却没有考虑图像全局的场景信息；