获取紧凑全局特征描述子的方法
【技术领域】
[0001] 本发明涉及计算技术，尤其涉及一种获取紧凑全局特征描述子的方法。
【背景技术】
[0002] 在图像检索领域，业内人士通过将图像的局部特征描述子聚合成全局特征描述 子，进而实现图像的检索。当前，FisherVector(简称FV向量）为一种全局特征描述子， 且FisherVector在图像检索和分类中都获得了比较好的性能。
[0003] 在图像检索过程中，为了降低全局特征描述子的存储复杂度，以及传输过程中的 带宽延迟，需要采用码表将全局特征描述子压缩。现有技术中对全局特征描述子压缩的方 法包括：使用乘积量化将全局特征描述子分成多个不重叠的子向量，根据码表将每个子向 量量化成一个标识符。
[0004] 然而，上述压缩方法需要预先训练好的码表，码表会占用较大的存储空间，使内存 有限的移动设备难以承受。
[0005] 另一方面，为将全局特征描述子压缩到较小的长度，量化的质量会受到影响，使全 局特征描述子的表达能力降低，从而影响检索的性能。
【发明内容】
[0006] 为解决现有技术中的缺陷，本发明提供一种获取紧凑全局特征描述子的方法，用 于将现有技术中全局特征描述子压缩到较小的长度，且提高了紧凑全局特征描述子的表达 能力。
[0007] 本发明提供一种获取紧凑全局特征描述子的方法，包括：
[0008] 获取待处理图像的可伸缩全局特征描述子；
[0009] 根据所述可伸缩全局特征描述子中每一维度上的数值，对所述可伸缩全局特征描 述子进行二值化处理，得到包括比特的二值化后的可伸缩全局特征描述子；
[0010] 根据预设的比特选择表，从包括比特的二值化后的可伸缩全局特征描述子中选择 若干个比特，将选择的若干个比特依次连接得到紧凑全局特征描述子。
[0011] 可选地，所述根据所述可伸缩全局特征描述子中每一维度上的数值，所述可伸缩 全局特征描述子进行二值化处理，得到包括比特的二值化后的可伸缩全局特征描述子，包 括：
[0012] 若所述可伸缩全局特征描述子中一维度上的数值为正数，则该维度对应的比特的 值为1;
[0013] 若所述可伸缩全局特征描述子中一维度上的数值为负数或0,则该维度对应的比 特的值为0。
[0014] 可选地，所述获取待处理图像的可伸缩全局特征描述子，包括：
[0015] 获取待处理图像的局部特征描述子，并对所述局部特征描述子进行降维；
[0016] 根据高斯混合模型，对降维后的局部特征描述子进行聚合，获取所述图像的一个 全局特征描述子；
[0017] 根据预设规则，对所述全局特征描述子进行处理，获取所述待处理图像的可伸缩 全局特征描述子；
[0018] 其中，所述可伸缩全局特征描述子的字节大小根据所述预设规则中参数值的变化 而变化。
[0019] 可选地，根据预设规则，对所述全局特征描述子进行处理，获取所述待处理图像的 可伸缩全局特征描述子，包括：
[0020] 根据高斯混合模型中每个高斯密度函数对应的第一累积梯度向量的所有维度数 值的标准差，对所有高斯密度函数按照所述标准差由大到小的顺序排序，选取排序中排在 前面的若干个高斯密度函数，并将选取的高斯密度函数对应的第一累积梯度向量和/或第 二累积梯度向量依次首尾相连得到可伸缩全局特征描述子；
[0021] 其中，所述高斯混合模型通过M个独立的高斯密度函数线性叠加得到的，所述M等 于 512 ;
[0022] 所述第一累积梯度向量是所述待处理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；
[0023] 所述第二累积梯度向量是所述待处理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。
[0024] 可选地，所述可伸缩全局特征描述子包括：选取的高斯密度函数对应的第一累积 梯度向量和/或第二累积梯度向量；
[0025] 所述根据所述可伸缩全局特征描述子中每一维度上的数值，对所述可伸缩全局特 征描述子进行二值化处理，得到包括比特的二值化后的可伸缩全局特征描述子，包括：
[0026] 对所述选取的高斯密度函数对应的第一累积梯度向量和/或第二累积梯度向量 进行二值化，得到包括比特的二值化后的第一累积梯度向量和/或第二累积梯度向量；
[0027] 将包括比特的二值化后的所述第一累积梯度向量和/或第二累积梯度向量首尾 依次相连得到包括比特的二值化后的可伸缩全局特征描述子。
[0028] 可选地，对所述选取的高斯密度函数对应的第一累积梯度向量和/或第二累积梯 度向量进行二值化，包括：
[0029] 若所述第一累积梯度向量的一维度的数值为正数，则该维度对应的比特的值为 1 ;
[0030] 若所述第一累积梯度向量的一维度的数值为负数或0,则该维度对应的比特的值 为〇 ;
[0031] 若所述第二累积梯度向量的一维度的数值为正数，则该维度对应的比特的值为 1;
[0032] 若所述第二累积梯度向量的一维度的数值为负数或0,则该维度对应的比特的值 为〇。
[0033] 可选地，所述根据预设的比特选择表，从包括比特的二值化后的可伸缩全局特征 描述子中选择若干个比特，将选择的若干个比特依次相连得到紧凑全局特征描述子，包 括：
[0034] 根据预设的比特选择表，从包括比特的二值化后的所述第一累积梯度向量中选择 部分比特，将选择的部分比特依次相连得到紧凑全局特征描述子。
[0035] 其中，包括比特的二值化后的第一累积梯度向量为32维，包括比特的二值化后的 第二累积梯度向量为32维。
[0036] 可选地，所述预设的比特选择表的获取方式包括：
[0037] 训练预设的图像数据集，得到每一高斯密度函数对应的第一累积梯度向量，对所 有的第一累积梯度向量进行二值化处理，得到每一高斯密度函数对应的，包括比特的二值 化后的第一累积梯度向量；
[0038] 采用统计方式计算每一高斯密度函数对应的包括比特的二值化后的第一累积梯 度向量中每一比特的重要性，选择重要性大的若干比特，根据选择的若干比特对应的比特 位设置比特选择表对应位的值；
[0039] 每一高斯密度函数对应一个比特选择表；
[0040] 将所有高斯密度函数对应的比特选择表转换为对应的整数。
[0041] 可选地，所述根据预设的比特选择表，从包括比特的二值化后的所述第一累积梯 度向量中选择部分比特，将选择的部分比特依次连接得到紧凑全局特征描述子，包括： [0042] 若所述整数的二进制表达的第j位为1，则选择所述高斯密度函数的第j个比特； 若所述整数对应的二进制表达的第j位为〇,则不选择所述高斯密度函数的第j个比特；其 中，j为1至32之间的自然数；
[0043] 所述高斯密度函数的第j个比特为，所述高斯密度函数对应的包括比特的二值化 后的第一累积梯度向量中的第j个比特。
[0044] 可选地，所述待处理图像的视觉特征描述子由紧凑全局特征描述子、紧凑局部特 征描述子和每一紧凑局部特征描述子对应待处理图像的位置信息构成；
[0045] 若所述待处理图像的视觉特征描述子长度范围在462字节和562字节之间，则所 述包括比特的二值化后的可伸缩全局特征描述子由所有选取的高斯密度函数对应的、包括 比特的二值化后的第一累积梯度向量依次首尾相连得到；并根据比特选择表，分别从所有 选取的高斯密度函数对应的、包括比特的二值化后的第一累积梯度向量中选择24个比特， 构成紧凑全局特征描述子；
[0046] 若所述待处理图像的视觉特征描述子长度范围在924字节和1124字节之间，则所 述包括比特的二值化后的可伸缩全局特征描述子由所有选取的高斯密度函数对应的、包括 比特的二值化后的第一累积梯度向量依次首尾相连得到，所述二值化后的可伸缩全局特征 描述子构成紧凑全局特征描述子；
[0047] 若所述待处理图像的视觉特征描述子长度范围在1848字节和2248字节之间，则 所述包括比特的二值化后的可伸缩全局特征描述子由所有选取的高斯密度函数对应的、包 括比特的二值化后的第一累积梯度向量依次首尾相连得到，所述二值化后的可伸缩全局特 征描述子构成紧凑全局特征描述子；
[0048] 若所述待处理图像的视觉特征描述子长度范围在3696字节和4496字节之间，则 所述包括比特的二值化后的可伸缩全局特征描述子由所有选取的高斯密度函数对应的、包 括比特的二值化后的第一累积梯度向量和包括比特的二值化后的第二累积梯度向量依次 首尾相连得到，所述二值化后的可伸缩全局特征描述子构成紧凑全局特征描述子；
[0049] 若所述待处理图像的视觉特征描述子长度范围在7392字节和8992字节之间，则 所述包括比特的二值化后的可伸缩全局特征描述子由所有选取的高斯密度函数对应的、包 括比特的二值化后的第一累积梯度向量和包括比特的二值化后的第二累积梯度向量依次 首尾相连得到，所述二值化后的可伸缩全局特征描述子构成紧凑全局特征描述子；
[0050] 若所述待处理图像的视觉特征描述子长度范围在14784字节和17984字节之间， 则所述包括比特的二值化后的可伸缩全局特征描述子由所有选取的高斯密度函数对应的、 包括比特的二值化后的第一累积梯度向量和包括比特的二值化后的第二累积梯度向量依 次首尾相连得到，所述二值化后的可伸缩全局特征描述子构成紧凑全局特征描述子。
[0051] 由上述技术方案可知，本发明的获取紧凑全局特征描述子的方法，通过对可伸缩 全局特征描述子中每一维度上的数值进行二值化，得到包括比特的二值化后的可伸缩全局 特征描述子。根据预设的比特选择表，从包括比特的二值化后的可伸缩全局特征描述子中 选取若干个比特，进而选择的若干个比如组成紧凑全局特征描述子，进而将可伸缩全局特 征描述子压缩成长度很小的紧凑全局特征描述子，提高了紧凑全局特征描述子的表达能 力；进一步地，上述压缩过程不依赖于任何额外的码表和数据，进而可大大降低现有技术压 缩过程中的时间复杂度和内存占用量。
【附图说明】
[0052] 图1为本发明一实施例提供的获取紧凑全局特征描述子的方法的流程示意图；
[0053] 图2为本发明一实施例提供的梯度方向直方图向量的示意图。
【具体实施方式】
[0054] 图1示出了本发明一实施例提供的获取紧凑全局特征描述子的方法的流程示意 图，如