图1所示，本实施例的全局特征描述子的聚合方法如下所示。
[0055] 101、获取待处理图像的可伸缩全局特征描述子；
[0056] 举例来说，步骤101可包括下述的图中未示出的子步骤。
[0057] 1011、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；
[0058] 1012、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；
[0059] 1013、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；
[0060] 可理解的是，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。
[0061] 例如，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；
[0062] 上述的第一累积梯度向量是所述待处理图像的对数似然函数对与所述高斯密度 函数对应的均值求一阶偏导得到的。
[0063] 上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。
[0064] 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。
[0065] 特别地，第一累积梯度向量为，
【主权项】
1. 一种获取紧凑全局特征描述子的方法，其特征在于，包括： 获取待处理图像的可伸缩全局特征描述子； 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； 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。
2. 根据权利要求1所述的方法，其特征在于，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： 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 ; 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〇,则该维度对应的比特的 值为0。
3. 根据权利要求1所述的方法，其特征在于，所述获取待处理图像的可伸缩全局特征 描述子，包括： 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； 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； 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； 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。
4. 根据权利要求3所述的方法，其特征在于，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 ： 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； 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 ； 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； 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。
5. 根据权利要求4所述的方法，其特征在于，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； 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： 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 二值化处理，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； 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。
6. 根据权利要求5所述的方法，其特征在于，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： 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 ; 若所述第一累积梯度向量的一维度的数值为负数或〇,则该维度对应的比特的值为〇 ; 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 ; 若所述第二累积梯度向量的一维度的数值为负数或〇,则该维度对应的比特的值为0。
7. 根据权利要求6所述的方法，其特征在于，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 ： 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； 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。
8. 根据权利要求7所述的方法，其特征在于，所述预设的比特选择表的获取方式包括： 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； 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； 每一高斯密度函数对应一个比特选择表； 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。
9. 根据权利要求8所述的方法，其特征在于，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： 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0,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； 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。
10. 根据权利要求9所述的方法，其特征在于，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； 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； 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； 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； 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； 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； 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。
11.根据权利要求1至10任一所述的方法，其特征在于， 512个比特选择表的十进制表示如表一所示，每个所述高斯密度函数对应的比特选择 表按照从左到右从上到下的顺序依次写入表一，表一中第一行的第一个数值为第一个高斯 密度函数对应的比特选择表格的十进制表示： 表一：
【专利摘要】本发明提供一种获取紧凑全局特征描述子的方法，其中，所述方法包括：获取待处理图像的可伸缩全局特征描述子；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；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组成紧凑全局特征描述子。上述方法能够将可伸缩全局特征描述子压缩成长度很小检索性能很优的紧凑全局特征描述子，相比现有技术中的全局特征描述子压缩技术，时间复杂度更低，内存占用量更少。
【IPC分类】G06K9-46
【公开号】CN104616012
【申请号】CN201410182901
【发明人】段凌宇, 林杰, 王哲, 杨爽, 陈杰, 黄铁军, 高文
【申请人】北京大学
【公开日】2015年5月13日
【申请日】2014年4月30日