某企业网站建设方案论文/seo公司 上海

1 什么是Gist特征

(1) 一种宏观意义的场景特征描述

(2) 只识别“大街上有一些行人”这个场景，无需知道图像中在那些位置有多少人，或者有其他什么对象。

(3) Gist特征向量可以一定程度表征这种宏观场景特征

GIST定义下列五种对空间包络的描述方法

自然度（Degree of Naturalness）

场景如果包含高度的水平和垂直线，这表明该场景有明显的人工痕迹，通常自然景象具有纹理区域和起伏的轮廓。所以，边缘具有高度垂直于水平倾向的自然度低，反之自然度高。|

开放度（Degree of Openness）

空间包络是否是封闭（或围绕）的。封闭的，例如：森林、山、城市中心。或者是广阔的，开放的，例如：海岸、高速公路。

粗糙度（Degree of Roughness）

主要指主要构成成分的颗粒大小。这取决于每个空间中元素的尺寸，他们构建更加复杂的元素的可能性，以及构建的元素之间的结构关系等等。粗糙度与场景的分形维度有关，所以可以叫复杂度。

膨胀度（Degree of Expansion）

平行线收敛，给出了空间梯度的深度特点。例如平面视图中的建筑物，具有低膨胀度。相反，非常长的街道则具有高膨胀度。

险峻度（Degree of Ruggedness）

即相对于水平线的偏移。（例如，平坦的水平地面上的山地景观与陡峭的地面）。险峻的环境下在图片中生产倾斜的轮廓，并隐藏了地平线线。大多数的人造环境建立了平坦地面。因此，险峻的环境大多是自然的。

2 LMgist原理

2.1 LMgist算法主流程

1. G1:对输入图片进行预处理 (RGB或RGBA转128x128灰度图)
2. G2:对输入图片进行Prefilt处理
3. G3:计算图片的Gist向量

2.2 G2 对输入图片进行Prefilt处理

2.2.1 Pad images to reduce boundary artifacts (扩边+去伪影)

2.2.2 Filter (构造滤波器)

2.2.3 Whitening (白化)

2.2.4 Local contrast normalization (局部对比度归一化）

2.2.5 Local contrast normalization (局部对比度归一化）

2.3 计算图片的Gist向量

2.3.1 Pading

2.3.2 FFT

2.3.3 遍历每个Gabor核函数

3 Gist的实现--LMgist

LMgist Matlab代码的使用

% 读取图片
img = imread('demo2.jpg');% 设置GIST参数
clear param
param.orientationsPerScale = [8 8 8 8]; % number of orientations per scale (from HF to LF)
param.numberBlocks = 4;
param.fc_prefilt = 4;% 计算GIST
[gist, param] = LMgist(img, '', param);

4 LMgist的Python实现

4.1 提取Gist特征

from img_gist_feature.utils_gist import *s_img_url = "./test/A.jpg"
gist_helper = GistUtils()
np_img = preproc_img(s_img_url)
np_gist = gist_helper.get_gist_vec(np_img)print(np_gist)

运行得到的gist特征为

[[0.08787015 0.07296596 0.10566235 ... 0.03908335 0.03852283 0.03798099]]

4.2 Gist特征余弦相似距离

下载好github中的代码项目，运行python _test_get_cossim.py

参考资料: