[发明专利]一种共生图像模式挖掘方法

说明书

本发明公开了一种共生图像模式挖掘方法，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；（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；（7）限定框精修。本发明能快速，准确的发现图片中的共生视觉模式，以便于后续的视觉任务。

技术领域

本发明涉及一种共生图像模式挖掘方法，属于图像检索技术领域。

背景技术

有意义的共生视觉模式被定义为在具有相似空间结构的图像中多次出现的模式。与背景相比，有意义的图案具有高视觉显着性，有意义的视觉模式是图像的重要特征，所以它们通常会使图像更加鲜明。发现有意义的经常性视觉模式在计算机视觉中有许多应用，例如图像识别和分割，图像编码，压缩和汇总，图像分类和注释以及对象检索。目前基本上有两种方法来挖掘发现图像中的主题模式：(1)成对匹配，比较特征点之间的数量；(2)语境感知聚类，它在聚类时考虑了视觉基元的空间结构。然而，这两种方法存在严重的问题：即使已经采用优化方法[11]，成对匹配算法中特征点之间的搜索和匹配过程也会导致高的计算复杂度。对于语境感知聚类算法，尽管寻找共生模式时可以避免搜索和匹配，但问题是无法从聚类结果中的所有模式中挑出最有意义的视觉模式。

目前，多媒体数据暴增，互联网上很多图片、视频亟待被提取主题，以便于分类，检索。因此，寻找一种快速，简洁，有效的共生模式挖掘算法就显得尤为重要。凭借这一算法，一些具有共生模式的图片/视频可以被自动提取出来，并根据提取出的共生模式进行图片/视频分类。

发明内容

本发明的发明目的是提供一种共生图像模式挖掘方法，能快速，准确的发现图片中的共生视觉模式。

为达到上述发明目的，本发明采用的技术方案是：一种共生图像模式挖掘方法，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；

(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；

(7)限定框精修。

优选地，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。

优选地，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。

优选地，步骤(4)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x_j是v_j的位置；用表示和之间的欧几里得距离，如果其中ξ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F(p,q)＞ηP，将组W_p和W_q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η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ξ分配给属于的视觉基元，而负得分ζ被分配给图像中的其他像素。