【摘要】 本发明涉及一种基于随机化视觉词典组和上下文语义信息的目标检索方法。首先采用精确欧氏位置敏感哈希函数对训练图像库的局部特征点进行聚类，生成一组支持动态扩充的随机化视觉词典组；然后选取查询图像并用矩形框界定目标区域，提取查询图像和图像数据库的SIFT特征并对其进行E2LSH映射，实现特征点与视觉单词的匹配；在语言模型的基础上利用查询目标区域及其周围视觉单元的图像显著度，计算查询图像中各视觉单词的检索得分，构造包含目标上下文语义信息的目标模型；最后将图像库的特征向量存为索引文件，并引入K-L散度对目标的语言模型与图像库中任一图像的语言模型进行相似性度量，得到检索结果。 【专利类型】发明授权 【申请人】中国人民解放军信息工程大学 【申请人类型】学校 【申请人地址】450002 河南省郑州市俭学街7号 【申请人地区】中国 【申请人城市】郑州市 【申请人区县】金水区 【申请号】CN201210168671.X 【申请日】2012-05-28 【申请年份】2012 【公开公告号】CN102693311B 【公开公告日】2014-07-23 【公开公告年份】2014 【授权公告号】CN102693311B 【授权公告日】2014-07-23 【授权公告年份】2014.0 【IPC分类号】G06F17/30; G06K9/62 【发明人】赵永威; 李弼程; 高毫林; 蔺博宇 【主权项内容】1.一种基于随机化视觉词典组和上下文语义信息的目标检索方法，其特征是： 首先，采用精确欧氏位置敏感哈希函数对训练图像库的局部特征点进行聚类，生成一组支持动态扩充的随机化视觉词典组； 其次，选取查询图像并用矩形框界定目标区域，然后根据Lowe的方法提取查询图像和图像数据库的SIFT特征并对其进行E2LSH映射，实现特征点与视觉单词的匹配； 然后，在视觉语言模型的基础上，利用查询目标区域及其周围视觉单元的图像显著度，计算查询图像中各视觉单词的检索得分，构造包含目标上下文语义信息的目标模型； 最后，将图像库的特征向量存为索引文件，并引入K-L散度对目标的语言模型与图像库中任一图像的语言模型进行相似性度量，得到检索结果。 【当前权利人】中国人民解放军信息工程大学 【当前专利权人地址】河南省郑州市俭学街7号 【引证次数】2.0 【他引次数】2.0 【家族引证次数】2.0 【家族被引证次数】45

未经允许不得转载：http://www.zhongzhencnc.com/1791215385.html