[发明专利]一种获得图像表示的方法和装置在审

专利信息
申请号: 201810372629.7 申请日: 2018-04-24
公开(公告)号: CN108563777A 公开(公告)日: 2018-09-21
发明(设计)人: 马福强;崔利阳;薛鸿臻;刘小磊 申请(专利权)人: 京东方科技集团股份有限公司;北京京东方光电科技有限公司
主分类号: G06F17/30 分类号: G06F17/30
代理公司: 北京润泽恒知识产权代理有限公司 11319 代理人: 莎日娜
地址: 100015 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 视觉特征 图像表示 方法和装置 编码序列 视觉词典 训练图像 提取目标图像 图像检索系统 应用灵活性 简化处理 聚类分析 目标图像 图像检索 向量
【权利要求书】:

1.一种获得图像表示的方法,其特征在于,所述方法包括:

提取目标图像的第一视觉特征;

根据预先获得的视觉词典对所述第一视觉特征进行编码,获得编码序列;其中,所述视觉词典为依据训练图像进行至少两次聚类分析后获得;

对所述编码序列进行简化处理,获得所述目标图像的第一图像表示向量。

2.根据权利要求1所述的方法,其特征在于,所述根据预先获得的视觉词典对所述第一视觉特征进行编码,获得编码序列,包括:

根据所述第一视觉特征与所述视觉词典中视觉单词的残差向量,形成所述目标图像的编码序列,所述视觉词典中包含经过所述至少两次聚类分析获得的视觉单词。

3.根据权利要求2所述的方法,其特征在于,在所述根据预先获得的视觉词典对所述第一视觉特征进行编码,获得编码序列之前,所述方法还包括:

获得所述视觉词典;

所述获得所述视觉词典,包括:

提取所述训练图像的多个第二视觉特征;

对所述多个第二视觉特征进行第一聚类分析,获得由k1个第一视觉单词构成的第一视觉词典;

根据所述第一视觉词典,分别查找各所述第二视觉特征距离最近的第一视觉单词,并确定各所述第一视觉单词对应的第一残差向量;

对各所述第一视觉单词对应的所述第一残差向量进行第二聚类分析,获得各所述第一视觉单词对应的由k2个第二视觉单词构成的第二视觉词典;

其中,k1和k2为正整数。

4.根据权利要求3所述的方法,其特征在于,所述确定各所述第一视觉单词对应的第一残差向量,包括:

分别计算各所述第二视觉特征与查找到的所述第一视觉单词的残差向量;

根据计算得到的所述残差向量,确定各所述第一视觉单词对应的所述第一残差向量。

5.根据权利要求3所述的方法,其特征在于,所述根据所述第一视觉特征与所述视觉词典中视觉单词的残差向量,形成所述目标图像的编码序列,包括:

根据所述第一视觉特征、所述第一视觉词典和所述第二视觉词典,得到各所述第一视觉单词对应的第一长矢量;

根据所述第一视觉词典和所述第一长矢量,得到所述目标图像的第二长矢量。

6.根据权利要求5所述的方法,其特征在于,所述根据所述第一视觉特征、所述第一层视觉词典和所述第二层视觉词典,得到各所述第一视觉单词对应的第一长矢量,包括:

根据所述第一视觉词典,分别查找各所述第一视觉特征距离最近的第一视觉单词,并确定各所述第一视觉单词对应的第二残差向量;

针对所述第一视觉单词对应的所述第二视觉词典,计算所述k2个第二视觉单词与所述第二残差向量的残差向量,并对各所述第二视觉单词对应的残差向量求和,得到k2个第三残差向量;

按照所述k2个第二视觉单词在所述第二视觉词典中的索引顺序,将所述k2个第三残差向量组合为所述第一视觉单词对应的所述第一长矢量。

7.根据权利要求6所述的方法,其特征在于,所述根据所述第一视觉词典和所述第一长矢量,得到所述目标图像的第二长矢量,包括:

按照所述k1个第一视觉单词在所述第一视觉词典中的索引顺序,将所述第一视觉单词对应的所述第一长矢量组合为所述第二长矢量。

8.根据权利要求1至7中任一项所述的方法,其特征在于,所述方法还包括:

获取测试图像的第二图像表示向量;

计算所述第二图像表示向量与多个检索图像的图像表示向量的相似度;

查找所述相似度满足预设条件的目标检索图像;

比对所述测试图像和所述目标检索图像,输出测试结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于京东方科技集团股份有限公司;北京京东方光电科技有限公司,未经京东方科技集团股份有限公司;北京京东方光电科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810372629.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top