一種基于局部pca白化的圖像表示方法和處理裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請(qǐng)涉及圖像處理領(lǐng)域，具體涉及一種基于局部PCA(PrincipalComponent Analysis，主成分分析）白化的圖像表示方法和處理裝置。
【背景技術(shù)】
[0002] 在計(jì)算機(jī)視覺(jué)研究中，圖像表示是一個(gè)非?；镜膬?nèi)容。無(wú)論是對(duì)于圖像分類(lèi)、圖 像檢索或是物體識(shí)別，都需要對(duì)圖像做一個(gè)抽象的表示。目前，VLAD(vectoroflocally aggregateddescriptors，局部特征聚合描述符）圖像表示方法在很多研究中得到了運(yùn)用。
[0003] 對(duì)于原始的VLAD方法，首先在一個(gè)數(shù)據(jù)集上用K-means算法構(gòu)建詞典：
[0004]C= {cj,c2,. . .,cj
[0005] 其中，（^為詞典中的單詞。對(duì)于每張圖片，首先采取局部特征，通常采用 SIFT(Scale-invariantfeaturetransform，尺度不變特征變換）特征，得到該圖片對(duì)應(yīng)的 一個(gè)特征集合：
[0006] I={xj,x2, . . . ,xm}
[0007] 其中，Xni為特征集合中的特征。然后計(jì)算每個(gè)特征到詞典中單詞的距離，并將該特 征賦給最近的單詞。最后，對(duì)于每個(gè)單詞對(duì)應(yīng)的所有特征，做如下計(jì)算：
[0008]
[0009]其中q(x) = (^表示特征x最近的單詞是cVi則是第i個(gè)單詞對(duì)應(yīng)的向量，將所 有單詞對(duì)應(yīng)向量連接起來(lái)就得到了最后的VLAD表示。
[0010] 然而，對(duì)于VLAD圖像表示方法，對(duì)于每個(gè)單詞對(duì)應(yīng)的特征冗余以及噪聲消除問(wèn)題 一直尚未解決，其性能有待提尚。

【發(fā)明內(nèi)容】

[0011] 根據(jù)本申請(qǐng)的第一方面，本申請(qǐng)?zhí)峁┝艘环N基于局部PCA白化的圖像表示方法， 包括：
[0012] 構(gòu)造詞典，將每個(gè)特征賦給相應(yīng)的單詞，將單詞和特征映射到一個(gè)高維度空間，所 述高維度空間的維度高于單詞和特征的當(dāng)前空間的維度；
[0013] 在對(duì)應(yīng)的每個(gè)單詞空間中進(jìn)行主成分分析，得到投影矩陣；
[0014] 根據(jù)所述詞典計(jì)算VLAD圖像表示向量；
[0015] 將所述VLAD圖像表示向量映射到所述高維度空間中；
[0016] 根據(jù)所述投影矩陣將投影得到的VLAD圖像表示向量進(jìn)行投影變換；
[0017] 將投影變換得到的特征進(jìn)行歸一化，得到最后的圖像表示向量。
[0018] 根據(jù)本申請(qǐng)的第二方面，本申請(qǐng)?zhí)峁┝艘环N基于局部PCA白化的圖像表示處理裝 置，包括：
[0019] 第一映射模塊，用于構(gòu)造詞典，將每個(gè)特征賦給相應(yīng)的單詞，將單詞和特征映射到 一個(gè)高維度空間，所述高維度空間的維度高于單詞和特征的當(dāng)前空間的維度；
[0020] 主成分分析模塊，用于在對(duì)應(yīng)的每個(gè)單詞空間中進(jìn)行主成分分析，得到投影矩 陣；
[0021] VLAD計(jì)算模塊，用于根據(jù)所述詞典計(jì)算VLAD圖像表示向量；
[0022] 第二映射模塊，用于將所述VLAD圖像表示向量映射到所述高維度空間中；
[0023] 投影變換模塊，用于根據(jù)所述投影矩陣將投影得到的VLAD圖像表示向量進(jìn)行投 影變換；
[0024] 歸一化處理模塊，用于將投影變換得到的特征進(jìn)行歸一化，得到最后的圖像表示 向量。
[0025] 本申請(qǐng)?zhí)峁┑幕诰植縋CA白化的圖像表示方法和處理裝置，其中，第一映射模 塊構(gòu)造詞典，將每個(gè)特征賦給相應(yīng)的單詞，將單詞和特征映射到一個(gè)高維度空間；主成分分 析模塊在對(duì)應(yīng)的每個(gè)單詞空間中進(jìn)行主成分分析，得到投影矩陣；VLAD計(jì)算模塊根據(jù)所述 詞典計(jì)算VLAD圖像表示向量；第二映射模塊將所述VLAD圖像表示向量映射到所述高維度 空間中；投影變換模塊根據(jù)所述投影矩陣將投影得到的VLAD圖像表示向量進(jìn)行投影變換； 歸一化處理模塊將投影變換得到的特征進(jìn)行歸一化，得到最后的圖像表示向量。對(duì)于得到 的圖像表示向量，首先將其投影到一個(gè)高維度空間中，然后對(duì)提前計(jì)算好的投影矩陣，對(duì)每 個(gè)單詞對(duì)應(yīng)向量進(jìn)行投影變換，得到一個(gè)低維度的向量，這樣使得每個(gè)單詞對(duì)應(yīng)的向量是 一致的。該方法和處理裝置具有更好的魯棒性和更高的性能。
【附圖說(shuō)明】
[0026] 圖1為本申請(qǐng)一種實(shí)施例中基于局部PCA白化的圖像表示處理裝置的模塊示意 圖；
[0027] 圖2為本申請(qǐng)一種實(shí)施例中基于局部PCA白化的圖像表示方法的流程示意圖；
[0028] 圖3為在K-means聚類(lèi)產(chǎn)生的不同單詞空間中，特征的分布示意圖；
[0029] 圖4為在Holidays數(shù)據(jù)集上不同詞典大小的不同方法的比較結(jié)果；
[0030] 圖5為在UKbench數(shù)據(jù)集上不同詞典大小的不同方法的比較結(jié)果；
[0031] 圖6為在Holidays數(shù)據(jù)集上不同詞典大小下使用局部PCA白化和未使用局部PCA 白化的比較結(jié)果；
[0032] 圖7為在UKbench數(shù)據(jù)集上不同詞典大小下使用局部PCA白化和未使用局部PCA 白化的比較結(jié)果。
【具體實(shí)施方式】
[0033] 下面通過(guò)【具體實(shí)施方式】結(jié)合附圖對(duì)本申請(qǐng)作進(jìn)一步詳細(xì)說(shuō)明。
[0034] 本實(shí)施例提供了一種基于局部PCA白化的圖像表示方法和處理裝置。
[0035] 請(qǐng)參考圖1，基于局部PCA白化的圖像表示處理裝置包括第一映射模塊101、主成 分分析模塊l〇2、VLAD計(jì)算模塊103、第二映射模塊104、投影變換模塊105和歸一化處理模 塊 106〇
[0036] 第一映射模塊101用于構(gòu)造詞典，將每個(gè)特征賦給相應(yīng)的單詞，將單詞和特征映 射到一個(gè)高維度空間，高維度空間的維度高于單詞和特征的當(dāng)前空間的維度。
[0037] 主成分分析模塊102用于在對(duì)應(yīng)的每個(gè)單詞空間中進(jìn)行主成分分析，得到投影矩 陣。
[0038]VLAD計(jì)算模塊103用于根據(jù)詞典計(jì)算VLAD圖像表示向量。
[0039] 第二映射模塊104用于將VLAD圖像表示向量映射到高維度空間中。
[0040] 投影變換模塊105用于根據(jù)投影矩陣將投影得到的VLAD圖像表示向量進(jìn)行投影 變換。
[0041] 歸一化處理模塊106用于將投影變換得到的特征進(jìn)行歸一化，得到最后的圖像表 示向量。
[0042] 為了更好地對(duì)本申請(qǐng)進(jìn)行說(shuō)明，下面將基于局部PCA白化的圖像表示方法及其處 理裝置相結(jié)合，對(duì)本申請(qǐng)進(jìn)行說(shuō)明。
[0043] 請(qǐng)參考圖2,基于局部PCA白化的圖像表示方法包括下面步驟：
[0044] 步驟1. 1:第一映射模塊101構(gòu)造詞典，將每個(gè)特征賦給相應(yīng)的單詞，將單詞和特 征映射到一個(gè)高維度空間。高維度空間的維度高于單詞和特征的當(dāng)前空間的維度。
[0045] 本實(shí)施例中，利用K-means算法構(gòu)造詞典，將每個(gè)訓(xùn)練所用特征賦給距離最近的 單詞，將單詞以及特征都顯式映射到一個(gè)高維度空間。具體的，該高維度空間可以是單詞和 特征的當(dāng)前空間的維度的3倍維度。
[0046] 步驟1. 1中，主成分分析模塊102還在對(duì)應(yīng)的每個(gè)單詞空間中進(jìn)行主成分分析，得 到投影矩陣。
[0047] 本實(shí)施例中，投影矩陣通過(guò)下面方式計(jì)算得到：
[0048] 首先根據(jù)下面式子計(jì)算過(guò)渡矩陣&，
[0049]
[0050] 其中q是第i個(gè)單詞，x為賦給該單詞的所有特征，D為特征維度。當(dāng)選擇SIFT 算法進(jìn)行特征描述時(shí)，D通常為128。
[0051] 根據(jù)下面式子對(duì)矩陣&做特征分解，得到特征值eigval(GJ和特征向量 eigvect(GJ，按照特征值從大到小的順序排列。
[0052] (Aj, A^) ~~
[0053] (t4； < ?4：)i ^[0054] 根據(jù)下面式子計(jì)算投影矩陣[0055] if -Ll Ui[0056]其中，
[0057]
[0058]
[0059]e和t為預(yù)設(shè)參數(shù)，例如設(shè)置e= 0. 00001，t屬于特征維度，可以根據(jù)實(shí)際應(yīng)用 進(jìn)行調(diào)整。
[0060] 步驟1. 2 :VLAD計(jì)算模塊103根據(jù)步驟1. 1構(gòu)造的詞典計(jì)算原始的VLAD圖像表示 向量X。步驟1. 3中采用現(xiàn)有技術(shù)中的VLAD圖像表示方法得到原始的VLAD圖像表示向量 x〇
[0061] 步驟1. 4 :第二映射