【技术实现步骤摘要】
本专利技术涉及图像处理领域,尤其涉及一种图像检索方法。
技术介绍
目前,基于内容的图像检索方法已经得到了越来越广泛的应用,其中查询扩展方法是提高其查询性能的最有效方法之一,而在查询扩展方法中选择好的扩展图像是重要一步。现有扩展图像的选择方法是在第一次查询的基础上,通过基于特征点的几何验证技术进行扩展图像的选择。这种方法进行的扩展图像选择有扩展图像特征单一、易出错等问题。传统的基于相关反馈的图像检索技术侧重于利用多次相关性反馈的结果构建出一个更好的检索模型。它们一般需要多次反馈和比较大量的人工标注,这会使用户在图像检索的过程中丧失耐心,并不能成为一个好的交互式检索解决方案。因此,在市场中急需提供一种能够减少用户标注,并且更加准确地实现图像检索的方法。
技术实现思路
本专利技术旨在提供一种图像检索方法,以解决目前进行的图像检索过程中出现的扩展图像特征单一、易出错等影响图像检索准确度问题,以及人工标注工作量大的问题。本专利技术的专利技术目的是通过下述技术方案来实现的:一种图形检索方法,包括如下步骤:步骤S1:对被查图像库中的被查图像抽取图像特征,并对所述被查图像及查询图像进行特征描述,以形成被查图像特征描述及查询图像特征描述;步骤S2:利用卷积神经网络AlexNet抽取所述被查图像和查询图像的最后一个全连接层的图像特征,并进行特征描述,以形成深度学习图像特征描述;步骤S3:将查询图像特征描述同被查图 ...
【技术保护点】
一种图像检索方法,其特征在于,包括如下步骤:步骤S1:对被查图像库中的被查图像抽取图像特征,并对所述被查图像及查询图像进行特征描述,以形成被查图像特征描述及查询图像特征描述;步骤S2:利用卷积神经网络AlexNet抽取所述被查图像和查询图像的最后一个全连接层的图像特征,并进行特征描述,以形成深度学习图像特征描述;步骤S3:将查询图像特征描述同被查图像特征描述进行综合比对,利用所述查询图像特征描述对被查图像进行图像相似度度量,得到按相似度从大到小排序的图像查询反馈列表;步骤S4:取查询图像作为正例,步骤S3中的图像查询反馈列表的前n'幅图像以及后n”幅伪负例图像作为无标数据组成训练集,并结合步骤S2得到的深度学习图像特征描述训练得到一个样本选取分类器;步骤S5:利用步骤S4中得到的样本选取分类器对步骤S3中的图像查询反馈列表的前n'幅图像进行分类预测以形成样本选取分类库,并根据步骤S2得到的深度学习图像特征描述从所述样本选取分类库中取g幅最靠近分类面的图像;步骤S6:取步骤S3中图像查询反馈列表中的前m幅图像,连同步骤S5中得到的g幅最靠近分类面的图像组成一个待标注图像库,将所述待标注图 ...
【技术特征摘要】 【专利技术属性】
2015.12.31 CN 201511028689X1.一种图像检索方法,其特征在于,包括如下步骤:
步骤S1:对被查图像库中的被查图像抽取图像特征,并对所述被查图像及查询图像进
行特征描述,以形成被查图像特征描述及查询图像特征描述;
步骤S2:利用卷积神经网络AlexNet抽取所述被查图像和查询图像的最后一个全连接
层的图像特征,并进行特征描述,以形成深度学习图像特征描述;
步骤S3:将查询图像特征描述同被查图像特征描述进行综合比对,利用所述查询图像
特征描述对被查图像进行图像相似度度量,得到按相似度从大到小排序的图像查询反馈列
表;
步骤S4:取查询图像作为正例,步骤S3中的图像查询反馈列表的前n'幅图像以及后
n”幅伪负例图像作为无标数据组成训练集,并结合步骤S2得到的深度学习图像特征描述训
练得到一个样本选取分类器;
步骤S5:利用步骤S4中得到的样本选取分类器对步骤S3中的图像查询反馈列表的前
n'幅图像进行分类预测以形成样本选取分类库,并根据步骤S2得到的深度学习图像特征描
述从所述样本选取分类库中取g幅最靠近分类面的图像;
步骤S6:取步骤S3中图像查询反馈列表中的前m幅图像,连同步骤S5中得到的g幅
最靠近分类面的图像组成一个待标注图像库,将所述待标注图像库提交给用户做标注,符
合所述查询图像特征描述的标为正图像,否则标为负图像;
步骤S7:将步骤S6中所述正图像的特征与查询图像的特征进行特征融合,得到融合图
像特征描述;
步骤S8:利用步骤S7中所述融合图像特征描述重新对被查图像库中的被查图像进行相
似度度量,得到最终的查询结果。
2.如权利要求1所述的一种图像检索方法,其特征在于,所述步骤S1:对被查图像库
中的被查图像抽取图像特征,并对被查图像及查询图像进行特征描述,以形成被查图像特
征描述及查询图像特征描述,具体包括如下步骤:
步骤S1.1:利用VLFeat开源工具对被查图像库中每个被查图像提取SIFT特征点,将
SIFT特征点进行L2归一化处理,随机采样部分特征点,并利用K-Means方法训练D个聚
类中心,所有聚类中心构成D维词典;
步骤S1.2:利用上一步得到的D维词典,对被查图像及查询图像进行特征描述,分别
得到被查图像及查询图像的D维的特征向量,设Q为查询图像的特征向量,Ii(i=1,2,…,N)
为被查图像的特征向量。
3.如权利要求1所述的一种图像检索方法,其特征在于,所述步骤S2:利用卷积神经
网络AlexNet抽取被查图像和查询图像的最后一个全连接层的图像特征,并进行特征描述,
技术研发人员:赵鑫,李长青,孙鹏,
申请(专利权)人:北京恒冠网络数据处理有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。