基于局部线性约束和全局结构信息的图像编码方法
【专利摘要】本发明公开了一种基于局部线性约束和全局结构信息的图像编码方法，用于解决现有图像编码方法图像分类精度差的技术问题。技术方案是根据字典元素以及局部特征的分布均服从高斯分布的假设，利用高斯算法和传递闭包方法分别构建字典间元素的局部相似性和图像各特征之间的局部相似性；利用最小化重建误差的方法用字典元素来重建图像中特征的拓扑结构，得到局部特征与字典的直接关系矩阵；由字典间元素局部相似性矩阵、局部特征与字典的关系矩阵和局部特征之间的局部相似性矩阵进行相乘得到最终的编码。本发明方法采用高斯算法与传递闭包方法计算局部特征之间的局部相似性，完善了编码中所包含的图像信息，在使用相同分类器情况下提高了图像分类精度。
【专利说明】基于局部线性约束和全局结构信息的图像编码方法
【技术领域】
[0001]本发明涉及一种图像编码方法，特别涉及一种基于局部线性约束和全局结构信息的图像编码方法。
【背景技术】
[0002]图像编码是将图像中的信息用较少的比特数表示出来的方法，在图像分类、目标跟踪、检测识别方面具有非常重要的意义。
[0003]文献“From Local Similarity to Global Coding;An Application to ImageClassification， IEEE Conference on Computer Vision and Pattern Recognition，2013，P2794-2801”公开了一种基于局部相似性的全局编码算法，并将其应用在图像分类中。该方法从局部相似性着手，利用高斯计算方法计算字典中元素间的相似性，用条件概率函数计算局部特征与字典的全局信息进行编码。但是，文中所述的图像编码部分仅仅考虑到了局部特征与字典间的全局信息，并没有考虑到局部特征之间的结构信息，表征图像的信息不够全面。
【发明内容】
[0004]为了克服现有图像编码方法图像分类精度差的不足，本发明提供一种基于局部线性约束和全局结构信息的图像编码方法。该方法首先根据字典元素以及局部特征的分布均服从高斯分布的假设，利用高斯算法和传递闭包方法分别构建字典间元素的局部相似性和图像各特征之间的局部相似性；其次，利用最小化重建误差的方法用字典元素来重建图像中特征的拓扑结构，得到局部特征与字典的直接关系矩阵；最后的编码生成是由字典间元素局部相似性矩阵、局部特征与字典的关系矩阵和局部特征之间的局部相似性矩阵进行相乘得到，该编码包含了局部特征之间的拓扑结构关系。本发明方法采用高斯算法与传递闭包方法计算局部特征之间的局部相似性，将特征间的结构信息添加到编码中，完善了编码中所包含的图像信息，在使用相同分类器的情况下可以提高图像分类精度。
[0005]本发明解决其技术问题所采用的技术方案是:一种基于局部线性约束和全局结构信息的图像编码方法，其特点是包括以下步骤:
[0006]步骤一、假设字典中各元素的分布是服从高斯分布的，利用高斯计算方法计算字典之间元素的局部相似性:
[0007]
【权利要求】
1.一种基于局部线性约束和全局结构信息的图像编码方法，其特征在于包括以下步骤: 步骤一、假设字典中各元素的分布是服从高斯分布的，利用高斯计算方法计算字典之间元素的局部相似性:
【文档编号】G06F9/46GK103699436SQ201310744755
【公开日】2014年4月2日 申请日期:2013年12月30日 优先权日:2013年12月30日
【发明者】张艳宁, 杨涛, 屈冰欣 申请人:西北工业大学