[发明专利]一种低质量鞋印图像的表示方法及鞋印图像检索方法

权利要求书

1.一种低质量鞋印图像的表示方法，其特征在于，包括：

获取待查询图像和鞋印图像数据集，将所述待查询图像和鞋印图像数据集中的所有图像合并为鞋印图像扩展集，其中所述鞋印图像扩展集的第一幅图像为待查询图像；

根据待查询图像构建语义滤波器组，基于所述语义滤波器组计算鞋印图像扩展集中各图像的局部相似度，基于所述局部相似度构建内图表示矩阵；

基于所述鞋印图像扩展集中各图像间的相似度构建相似度矩阵，由所述相似度矩阵构建邻接矩阵，基于所述邻接矩阵构建扁平邻接图，进而对所述扁平邻接图进行标准化处理后，构建外图表示矩阵；

将所述内图表示矩阵和外图表示矩阵进行拼接处理，获得鞋印图像的联合表示矩阵。

2.根据权利要求1所述的低质量鞋印图像的表示方法，其特征在于，根据待查询图像构建语义滤波器组，基于所述语义滤波器组构建内图表示矩阵，包括：

所述根据纹理种类在待查询图像上选择k个语义块，针对每个语义块构建一个语义滤波器，将所有语义滤波器组合成语义滤波器组L＝{l₁,l₂,…,l_k}，其中k为纹理种类数量；

基于所述鞋印图像扩展集构建一个(N+1)×k的内图表示矩阵I，内图表示矩阵I的初始值为0，N为鞋印图像数据集中的图像数量；

计算鞋印图像扩展集中的任一图像与所述语义滤波器组中各语义滤波器的局部相似度，更新内图表示矩阵I对应的行数据，直至内图表示矩阵I全部更新完毕。

3.根据权利要求2所述的低质量鞋印图像的表示方法，其特征在于，计算鞋印图像扩展集中的任一图像与所述语义滤波器组中各语义滤波器的局部相似度，更新内图表示矩阵I对应的行数据，包括根据以下方式获取局部相似度：

其中,s表示局部相似度，r(x,y)代表鞋印图像与语义滤波器的归一化互相关响应图,x代表图像中各点横坐标,y代表图像中各点纵坐标。

4.根据权利要求1所述的低质量鞋印图像的表示方法，其特征在于，基于所述鞋印图像扩展集中各图像间的相似度构建相似度矩阵，包括：

对所述鞋印图像扩展集中各图像进行特征提取；

基于各图像特征计算任意两图像的相似度，并构建一个(N+1)×(N+1)的相似度矩阵。

5.根据权利要求4所述的低质量鞋印图像的表示方法，其特征在于，由所述相似度矩阵构建邻接矩阵，基于所述邻接矩阵构建扁平邻接图，包括：

以扩展数据集中的N+1幅图像作为顶点，根据相似度矩阵构建邻接矩阵W，构造规则为:若相似度矩阵中的元素值大于预设阈值则邻接矩阵W中对应的值为该元素的值，否则邻接矩阵W中对应的值0；

构建一个(N+1)×(N+1)的扁平邻接图矩阵F，扁平邻接图矩阵的初始值全为0，根据以下方式更新扁平邻接图矩阵F：

将鞋印图像扩展集中的i图作为起始点，根据邻接矩阵采用广度优先的方法遍历i所对应的邻接图，记录顶点编号和从起始点到该点的路径边数，设其中一个记录的顶点编号为j，起始点到该点的权重之积为p(j)，其中

j_p表示j的父结点，则依据F(i,j)＝p(j)方式更新扁平邻接矩阵F。

6.根据权利要求5所述的低质量鞋印图像的表示方法，其特征在于，对所述扁平邻接图进行标准化处理后，构建外图表示矩阵，包括：

将扁平邻接图矩阵F进行标准化得到标准化矩阵S，对S进行奇异值分解，将分解得到的特征向量按照特征值由小到大排序，以取第2个到n+1个特征向量形成大小为(N+1)×n的外图表示矩阵E，

其中标准化矩阵S根据以下计算获得：

S＝D^-1/2(D-F)D^-1/2，

7.一种鞋印图像检索方法，其特征在于，包括：

应用权利要求1-6中任意一项所述方法获取鞋印图像的联合表示矩阵G_S；

计算G_S中第一行与其他行的相似度，将计算得到的相似度结果进行降序输出得到检索结果。