[发明专利]一种共生图像模式挖掘方法

权利要求书

1.一种共生图像模式挖掘方法，其特征在于，包括如下步骤：

（1）利用SIFT算法提取图像中的视觉基元；

（2）利用语境感知聚类将视觉基元聚类成语境相似组；

（3）利用空间聚类将语境相似组分成对象组；

（4）合并匹配模式，圈定对象组；

具体包括：对于对象组，它的空间中心记为，由下式计算得：

，

其中是的位置，是由SIFT检测到的视觉基元；用表示和之间的欧几里得距离，如果，其中是阈值参数，则将{，}记为一个匹配对，这种联合对的频率被定义为：

如果，将组和合并，其中P是所有上下文相同的组中的对象组的总体量，并且是阈值参数；对于合并的W组，再次应用空间聚类来将其划分为对象组；利用最大得分法定位对象组，使用矩形区域圈定对象组，，使其内部得分最高；当圈定对象组时，将正得分分配给属于的视觉基元，而负得分被分配给图像中的其他像素；

（5）对每个对象组进行SVD-SIFT检测；

（6）在双层过滤规则下筛选出有意义的共生模式；

具体包括：在语境相似组级别上实现第一层过滤并且只保留一个组：

；

然后在对象组级别执行第二层过滤，以进一步过滤中的无意义对象组，保留满足以下两个规则的对象组：

，

，

其中是语境相似组的个数，W_k是第k个语境相似组，S(k) 为W_k的意义分数，W_k*是第k*个语境相似组，S(k*) 为W_k*的意义分数，表示对象组的意义分数，表示的稳定率，表示W_k'的稳定率；

（7）限定框精修。

2.根据权利要求1所述的共生图像模式挖掘方法，其特征在于，步骤（2）在所述语境感知聚类中，使用原始特征的K均值聚类，将视觉基元分类为M个不同的视觉词汇，然后在每个基元的预定空间邻域内产生一个M维合集矢量，然后采用嵌套EM算法来最小化损失函数并且最终获得个语境相似组。

3.根据权利要求1所述的共生图像模式挖掘方法，其特征在于，所述步骤（3）具体包括：应用K均值算法来生成空间分离的图案；采用轮廓系数方法来评估K均值算法在不同簇数量下的分类性能，确定空间聚类的数量，通过评估，选择最佳数量的簇，通过空间聚类，获得模式的中级描述，即对象组。

4.根据权利要求1所述的共生图像模式挖掘方法，其特征在于，步骤（5）中，首先采用奇异值分解法提取图像的显著特征，SVD重建图像之后，利用SIFT关键点检测，将检测到的特征点数量用来衡量剩余特征的显著性。

5.根据权利要求1所述的共生图像模式挖掘方法，其特征在于，步骤（7）中对限定框精修：，其中是SVD后在中检测到的视觉基元，用来更新。