公开(公告)号：CN104616013A

公开(公告)日：2015-05-13

申请号：CN201410183573.2

申请日：2014-04-30

Applicant: 北京大学

Inventor： 段凌宇 ,  林杰 ,  王哲 ,  杨爽 ,  陈杰 ,  黄铁军 ,  高文

IPC: G06K9/46

Abstract: 本发明提供一种获取低维局部特征描述子的方法，其中，所述方法包括：获取待处理图像的局部特征描述子；将获取的局部特征描述子形成描述子集合；根据降维矩阵将所述描述子集合中的每一个局部特征描述子进行降维，获得与每一个局部特征描述子对应的低维局部特征描述子；其中，所述降维矩阵为训练预设的图像数据集得到的矩阵。上述方法可以降低现有技术中局部特征描述子的维度，并去除现有技术中局部特征描述子的冗余信息。

公开(公告)号：CN104615613A

公开(公告)日：2015-05-13

申请号：CN201410183575.1

申请日：2014-04-30

Applicant: 北京大学

Inventor： 段凌宇 ,  林杰 ,  王哲 ,  杨爽 ,  陈杰 ,  黄铁军 ,  高文

IPC: G06F17/30

CPC classification number: G06F17/30256 ,  G06K9/6212 ,  G06K9/6215

Abstract: 本发明提供一种全局特征描述子的聚合方法，包括：获取待处理图像的局部特征描述子，根据所述局部特征描述子的重要性，将所有的局部特征描述子进行排序，获得排序后的局部特征描述子；根据截断阈值，从所述排序后的局部特征描述子中选择用于聚合全局特征描述子的若干个局部特征描述子；采用高斯混合模型对所述若干个局部特征描述子进行聚合，获得待处理图像的全局特征描述子；其中，所述截断阈值为训练预设的图像数据集中每类图像的检索结果得到的。上述方法可降低现有技术中全局特征描述子聚合过程中的时间复杂度，提高全局特征描述子的鉴别力和鲁棒性。

公开(公告)号：CN106980656A

公开(公告)日：2017-07-25

申请号：CN201710142528.6

申请日：2017-03-10

Applicant: 北京大学

Inventor： 段凌宇 ,  黄祎程 ,  王哲 ,  高文

IPC: G06F17/30

CPC classification number: G06F17/3028

Abstract: 本发明公开一种基于二值码字典树的搜索方法，包括：获取数据库中每一图像的二值码，将每个二值码划分为m段子串；针对数据库中所有图像的第j段子串，建立该第j段子串的一个二值码字典树；所述二值码字典树的数量为m个；每一二值码字典树包括：内部节点和叶子节点；获取待查询图像的二值码以及该二值码的m段子串；针对待查询图像二值码的第j段子串，在数据库中所有图像的第j段子串对应的二值码字典树中查找汉明距离不超过的二值码；遍历待查询图像二值码的所有子串，获得每一子串的查询结果；j小于等于m。本发明的方法在汉明空间精确近邻搜索时可以降低查找数量，提高搜索速度。

公开(公告)号：CN103744974B

公开(公告)日：2017-04-12

申请号：CN201410012810.9

申请日：2014-01-10

Applicant: 北京大学

Inventor： 段凌宇 ,  林杰 ,  王哲 ,  杨爽 ,  黄铁军 ,  高文

IPC: G06F17/30

Abstract: 本发明提供一种局部兴趣点选取的方法及设备，其中，获取待检测图像所有的局部兴趣点以及每一局部兴趣点的属性；根据属性的重要性获取每一局部兴趣点的重要性；根据局部兴趣点的重要性，采用预设的选取规则选取待检测图像的至少一个局部兴趣点。其中，属性的重要性为通过训练预设的多个图像中每一图像的每一局部兴趣点的属性得到；预设的选取规则为所述局部兴趣点的重要性大于设定阈值，局部兴趣点的数量满足设定范围。上述方法选取的局部兴趣点能够反映图像的特征，且能够提高图像检索和图像匹配的准确率，同时可利用选取的局部兴趣点对应的局部特征描述子进一步聚合成全局特征描述子，从而提高全局特征描述子在图像检索和匹配中的准确率。

公开(公告)号：CN104616012A

公开(公告)日：2015-05-13

申请号：CN201410182901.7

申请日：2014-04-30

Applicant: 北京大学

Inventor： 段凌宇 ,  林杰 ,  王哲 ,  杨爽 ,  陈杰 ,  黄铁军 ,  高文

IPC: G06K9/46

CPC classification number: G06K9/4671

Abstract: 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。