[发明专利]一种用于商品图像搜索的融合多视角的仿射不变描述子

说明书

技术领域

本发明涉及一种融合多视角的仿射不变特征描述方法，主要用于服装商品图像的搜 索与匹配。

背景技术

由于本发明抽取的是服装商品图像的视觉特征，对于现实中采集到的RGB彩色图 像，在抽取图像特征前需要通过图像预处理将采集的所有图像均转化成灰度图像。

图像的识别检索通常包括以下几个步骤：

特征抽取过程：

1、输入训练图像；

2、图像预处理，将输入的训练图像转化成灰度图像；

3、按照特征抽取算法逐一抽取服装图像的视觉特征；

4、对抽取的视觉特征做必要的处理，并进行存储。

图像检索识别过程：

1、输入查询图像，对其进行预处理，将其转换成灰度图像；

2、抽取查询图像的视觉特征，并做相应处理；

3、按照匹配相似度度量准则，计算查询图像特征向量与训练图像的距离；

4、对上述计算得到的所有度量距离进行排序，检索识别查询图像。

目前常用的图像特征描述方法主要有：基于图像全局特征的图像搜索方法和基于图 像局部特征的图像搜索方法。基于全局特征的图像搜索方法利用的是图像的全局特征， 如：颜色、纹理、形状等；基于图像局部特征的图像搜索方法利用的是图像的局部特征， 如SIFT特征、MSER特征等等。表1给出了常用的图像视觉特征的描述方法及其分类。

一级分类 二级分类 全局特征描述方法 颜色、形状、纹理 局部特征描述方法 SIFT、MSER

表1.常用的图像视觉特征的描述方法及其分类

对以上常用的图像特征描述方法的部分常用方法进行具体分析：

(1)颜色特征

颜色特征是目前应用最为广泛的底层视觉特征。颜色是组成图像内容的基本要素， 与其它底层特征相比，颜色特征具有优于其他底层视觉特征的旋转不变性和尺度不变 性，计算起来也比其他视觉特征方便。目前颜色特征的描述方法主要有颜色直方图法， 颜色矩法，颜色信息熵等。

(2)形状特征

图像的形状特征是图像的另一个重要特征，也是图像识别研究领域的一个基本问 题。但由于获取物体的形状比较困难，基于形状特征的搜索匹配一般仅限于非常容易识 别的物体。目前，在基于内容的图像搜索技术中常用的形状特征提取方法主要分为两类： 基于边界的形状特征提取和基于区域的形状特征提取。

(3)纹理特征

纹理特征是物体表面的一种特征，纹理特征度量的是局部区域中像素间的关系。纹 理特征描绘了像素邻域间的灰度分布规律，包含了邻域间像素分布排列的重要信息，以 及它们与周围像素之间的关系。常用的纹理描述方法有：统计法、频谱法、结构法和模 型法四种。

(4)SIFT特征

SIFT是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更加深 入的发展和完善。SIFT特征独特性好，信息量丰富，并且对大多数图像变换具有很强 的不变性。SIFT算法主要包括以下4个基本步骤：

首先，搜索所有尺度上的图像位置，通过高斯微分函数来识别潜在的对于尺度和旋 转不变的兴趣点。图像的极值点在经过图像平移、旋转等变换后仍然是图像的极值点。 因此SIFT特征提取算法首先在尺度空间上提取极值点，以保证极值点的稳定性。

为了在尺度空间上快速找到稳定点，利用高斯差分算子在高斯差分尺度空间中检测 图像极值点，在利用高斯差分算子得到一系列高斯差分图像后，利用高斯差分图像形成 高斯差分金字塔。金字塔的每一层是通过对上一层图像进行高斯平滑处理，并进行1/4 降采样后，再进行差分运算得到的。