获取可伸缩全局特征描述子的方法
【技术领域】
[0001] 本发明实施例涉及计算机领域，尤其涉及一种获取可伸缩全局特征描述子的方 法。
【背景技术】
[0002] 随着智能终端的发展，移动视觉搜索应用越来越多。当前，基于智能终端的图像检 索方法主要是基于图像的局部特征描述子，包括：1)在移动客户端提取图像的局部特征描 述子；2)对提取到的局部特征描述子进行压缩；3)通过网络将压缩后的局部特征描述子传 输给服务器，以使服务器根据局部特征描述子在服务器的数据库中进行查找，并将查找的 结果发送至移动客户端。
[0003] 然而，上述图像检索方法的局部特征压缩的计算量较高，特别地，图像检索方法中 获取的局部特征描述子占用较大的空间，由此，根据当前的网络带宽，智能终端存在无法较 快地将局部特征描述子发送至服务器的问题。另外，由于局部特征描述子占用的较大的空 间，故服务器根据智能终端传送的局部特征描述子查找匹配的过程也非常迟缓，进而严重 影响了检索系统的查询响应时间，降低了查询效率。
[0004] 此外，现有技术还提出一种利用全局视觉特征进行图像检索的方法，但该方法提 取的全局特征描述子的长度为固定长度，其无法应用于各种不同的检索条件下，进而影响 图像检索的性能。
【发明内容】
[0005] 为解决现有技术中的缺陷，本发明提供一种获取可伸缩全局特征描述子的方法， 可降低现有技术中全局特征描述子的占用空间，提高描述子在图像检索过程的检索效率。
[0006] 第一方面，本发明提供一种获取可伸缩全局特征描述子的方法，包括：
[0007] 获取图像的局部特征描述子；
[0008] 根据全局特征描述子生成规则，对所述局部特征描述子进行转换，得到用于组成 全局特征描述子的第一累积梯度向量和第二累积梯度向量；
[0009] 将所述第一累积梯度向量和所述第二累积梯度向量选择性组合，生成可伸缩全局 特征描述子。
[0010] 可选地，所述获取图像的局部特征描述子之后，所述方法还包括：
[0011] 根据所述局部特征描述子的重要性，从所述图像的所有局部特征描述子中选取 250个局部特征描述子组成描述子集合；
[0012] 若所述图像的所有局部特征描述子的总数小于250个，则将所述图像的所有局部 特征描述子组成描述子集合；
[0013] 所述根据全局特征描述子生成规则，对局部特征描述子进行转换，得到用于组成 全局特征描述子的第一累积梯度向量和第二累积梯度向量，包括：
[0014] 根据全局特征描述子生成规则，对所述描述子集合中的所有局部特征描述子进行 转换，得到用于组成全局特征描述子的第一累积梯度向量和第二累积梯度向量。
[0015] 可选地，所述根据全局特征描述子生成规则，对所述描述子集合中的所有局部特 征描述子进行转换，得到用于组成全局特征描述子的第一累积梯度向量和第二累积梯度向 量之前，还包括：
[0016] 采用降维矩阵对所述描述子集合中的所有局部特征描述子进行降维，得到包括低 维局部特征描述子的另一描述子集合；
[0017] 根据全局特征描述子生成规则，对所述描述子集合中的所有局部特征描述子进行 转换，得到用于组成全局特征描述子的第一累积梯度向量和第二累积梯度向量，包括：
[0018] 根据全局特征描述子生成规则，对所述另一描述子集合中所有低维局部特征描述 子进行转换，得到用于组成全局特征描述子的第一累积梯度向量和第二累积梯度向量；
[0019] 每一低维局部特征描述子的维度为32维。
[0020] 可选地，根据全局特征描述子生成规则，对局部特征描述子进行转换，得到用于组 成全局特征描述子的第一累积梯度向量和第二累积梯度向量，包括：
[0021] 高斯混合模型包括：M个独立的高斯密度函数，其中，M等于512 ;
[0022] 根据高斯混合模型中的每一高斯密度函数，将每一局部特征描述子转换为第一累 积梯度向量和第二累积梯度向量；
[0023] 获取每一高斯密度函数对应的包括第一累积梯度向量和第二累积梯度向量的累 积梯度向量集合，所述累积梯度向量集合中的累积梯度向量将用于组成全局特征描述子；
[0024] 所述第一累积梯度向量是所述图像的对数似然函数对所述高斯密度函数对应的 均值求一阶偏导得到的，所述第二累积梯度向量是所述图像的对数似然函数对所述高斯密 度函数对应的方差求一阶偏导得到的。
[0025] 可选地，将所述第一累积梯度向量和所述第二累积梯度向量选择性组合，生成可 伸缩全局特征描述子，包括：
[0026] 若所述图像的视觉特征描述子长度范围在462字节和562字节之间，M个高斯密 度函数各自对应的第一累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0027] 若所述图像的视觉特征描述子长度范围在924字节和1124字节之间，M个高斯密 度函数各自对应的第一累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0028] 若所述图像的视觉特征描述子长度范围在1848字节和2248字节之间，M个高斯 密度函数各自对应的第一累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0029] 若所述图像的视觉特征描述子长度范围在3696字节和4496字节之间，M个高斯 密度函数各自对应的第一累积梯度向量依次首尾相连，以及将M个高斯密度函数各自对应 的第二累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0030] 若所述图像的视觉特征描述子长度范围在7392字节和8992字节之间，M个高斯 密度函数各自对应的第一累积梯度向量依次首尾相连，以及将M个高斯密度函数各自对应 的第二累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0031] 若所述图像的视觉特征描述子长度范围在14784字节和17984字节之间，M个高 斯密度函数各自对应的第一累积梯度向量依次首尾相连，以及将M个高斯密度函数各自对 应的第二累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0032] 所述视觉特征描述子包括：全局特征描述子、局部特征描述子以及每一局部特征 描述子对应的位置信息。
[0033] 第二方面，本发明提供一种获取可伸缩全局特征描述子的装置，包括：
[0034] 获取单元，用于获取图像的局部特征描述子；
[0035] 描述子转换单元，用于根据全局特征描述子生成规则，对所述局部特征描述子进 行转换，得到用于组成全局特征描述子的第一累积梯度向量和第二累积梯度向量；
[0036] 选择组合单元，用于将所述第一累积梯度向量和所述第二累积梯度向量选择性组 合，生成可伸缩全局特征描述子。
[0037] 可选地，所述装置还包括：
[0038] 描述子选取单元，用于根据所述局部特征描述子的重要性，从所述图像的所有局 部特征描述子中选取250个局部特征描述子组成描述子集合；在所述图像的所有局部特征 描述子的总数小于250个时，将所述图像的所有局部特征描述子组成描述子集合；
[0039] 相应地，所述描述子转换单元，用于根据全局特征描述子生成规则，对所述描述子 集合中的所有局部特征描述子进行转换，得到用于组成全局特征描述子的第一累积梯度向 量和第二累积梯度向量。
[0040] 可选地，所述装置还包括：降维单元，用于采用降维矩阵对所述描述子集合中的所 有局部特征描述子进行降维，得到包括低维局部特征描述子的另一描述子集合
[0041] 相应地，所述描述子转换单元，用于根据全局特征描述子生成规则，对所述另一描 述子集合中所有低维局部特征描述子进行转换，得到用于组成全局特征描述子的第一累积 梯度向量和第二累积梯度向量；
[0042] 每一低维局部特征描述子的维度为32维。
[0043] 可选地，所述描述子转换单元，具体用于
[0044] 高斯混合模型包括：M个独立的高斯密度函数，其中，M等于512;
[0045] 根据高斯混合模型中的每一高斯密度函数，将每一局部特征描述子转换为第一累 积梯度向量和第二累积梯度向量；
[0046] 获取每一高斯密度函数对应的包括第一累积梯度向量和第二累积梯度向量的累 积梯度向量集合，所述累积梯度向量集合中的累积梯度向量将用于组成全局特征描述子；
[0047] 所述第一累积梯度向量是所述图像的对数似然函数对所述高斯密度函数对应的 均值求一阶偏导得到的，所述第二累积梯度向量是所述图像的对数似然函数对所述高斯密 度函数对应的方差求一阶偏导得到的。
[0048] 可选地，所述选择组合单元，具体用于若所述图像的视觉特征描述子长度范围在 462字节和562字节之间，M个高斯密度函数各自对应的第一累积梯度向量依次首尾相连构 成可伸缩全局特征描述子；
[0049] 若所述图像的视觉特征描述子长度范围在924字节和1124字节之间，M个高斯密 度函数各自对应的第一累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0050] 若所述图像的视觉特征描述子长度范围在1848字节和2248字节之间，M个高斯 密度函数各自对应的第一累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0051] 若所述图像的视觉特征描述子长度范围在3696字节和4496字节之间，M个高斯 密度函数各自对应的第一累积梯度向量依次首尾相连，以及将M个高斯密度函数各自对应 的第二累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0052] 若所述图像的视觉特征描述子长度范围在7392字节和8992字节之间，M个高斯 密度函数各自对应的第一累积梯度向量依次首尾相连，以及将M个高斯密度函数各自对应 的第二累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0053] 若所述图像的视觉特征描述子长度范围在14784字节和17984字节之间，M个高 斯密度函数各自对应的第一累积梯度向量依次首尾相连，以及将M个高斯密度函数各自对 应的第二累积梯度向量依次首尾相连构成可伸缩全局特征描述子；
[0054] 所述视觉特征描述子包括：全局特征描述子、局部特征描述子以及每一局部特征 描述子对应的位置信息。
[0055] 由上述技术方案可知，本发明的获取可伸缩全局特征描述子的方法，通过获取图 像的局部特征描述子，根据全局特征描述子生成规则，对局部特征描述子进行转换，得到用 于组成全局特征描述子的第一累积梯度向量和第二累积梯度向量，进而可将第一累积梯度 向量和第二累积梯度向量选择性组