【技术实现步骤摘要】
基于词汇树信息融合与豪斯多夫距离结合的图像检索方法
本专利技术基于词汇树信息融合与豪斯多夫距离结合的图像检索方法属于图像检索
技术介绍
图像检索方法产生至今,已经形成了三个重要的分支:基于文本的图像检索、基于内容的图像检索和基于语义的图像检索。基于文本的图像检索,是用图像名、图像特征等文本来描述用户的需求,但由于文本表达能力具有局限性,文本标注具有歧义性,因此检索结果往往和用户需求不符;基于语义的图像检索,是在图像视觉特征的基础上,进一步提炼其高级语义表达能力,但这类检索方法的检索过程复杂,而且存在方法体系发展尚不完善的问题;基于内容的图像检索,是以颜色、纹理、形状等作为图像的特征表达,并以此为判断相似性的依据,开展图像检索。如果能够准确提取图像特征,基于内容的图像检索将具有另外两类检索不具有的准确率优势。广大学者也都瞄准该技术优势,开展如何提高提取图像特征的准确性方面的研究,以期进一步提高基于内容的图像检索的准确率。
技术实现思路
针对上述技术需求,本专利技术公开了一种基于词汇树信息融合与豪斯多夫距离结合的图像检索方法,能够有效提高基于内容的图像检索的准确率,此外,该方法能够消除背景信息对图像检索准确率的影响,对于具有复杂背景的图像,检索准确率高的技术优势尤其明显。本专利技术的目的是这样实现的:基于词汇树信息融合与豪斯多夫距离结合的图像检索方法,包括以下步骤:步骤a、提取待检索图像及图像库SIFT特征;步骤b、生成SIFT描述符直方图和SIFT描述符核密度;步骤c、融合SIFT描述符核密度和SIFT描述符直方图;步骤d、改进传统Hausdorff距 ...
【技术保护点】
基于词汇树信息融合与豪斯多夫距离结合的图像检索方法,其特征在于,包括以下步骤:步骤a、提取待检索图像及图像库SIFT特征;步骤b、生成SIFT描述符直方图和SIFT描述符核密度;步骤c、融合SIFT描述符核密度和SIFT描述符直方图;步骤d、改进传统Hausdorff距离度量;步骤e、将改进的Hausdorff距离用于图像匹配。
【技术特征摘要】
1.基于词汇树信息融合与豪斯多夫距离结合的图像检索方法,其特征在于,包括以下步骤:步骤a、提取待检索图像及图像库SIFT特征;步骤b、生成SIFT描述符直方图和SIFT描述符核密度;步骤c、融合SIFT描述符核密度和SIFT描述符直方图;步骤d、改进传统Hausdorff距离度量;步骤e、将改进的Hausdorff距离用于图像匹配。2.根据权利要求1所述的基于词汇树信息融合与豪斯多夫距离结合的图像检索方法,其特征在于,步骤a的具体步骤如下:步骤a1:构建待检索图像及图像库高斯差分尺度函数利用不同尺度的高斯函数与图像做卷积运算,构建二维图像的高斯差分尺度函数D(x,y,σ),有:D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y)其中,k是尺度比例系数,G(x,y,σ)是尺度可变的高斯函数,I(x,y)是图像,并且有:其中,(x,y)是尺度坐标,σ的大小决定图像平滑的程度;步骤a2:检测高斯差分尺度空间极值点将图像中的每一个采样点都与该采样点相邻的点比较,当某个采样点在高斯差分尺度空间的所有点中是最大值或最小值时,认为该点是图像在该尺度下的一个特征点;步骤a3:除去边缘不稳定的特征点,生成SIFT描述符使用HarrisCorner检测器去除边缘的不稳定特征点,保留稳定的特征点,生成SIFT描述符。3.根据权利要求1所述的基于词汇树信息融合与豪斯多夫距离结合的图像检索方法,其特征在于,步骤b的具体步骤如下:步骤b1:通过SIFT描述符的分层聚类来构造可扩展词汇树提取每张图片的SIFT描述符,得到一个集合F={fi},然后对集合F采用K-Means聚类方法进行分层聚类,初始时,在第1层对集合F进行K-Means聚类,把集合F分成k份{Fi|1≤i≤k};以此类推,对新产生的簇集利用K-Means再分成k个簇集,不断地重复上述操作直到深度达到预先设定的L值,构造出可扩展词汇树,共有c=BL个节点组成,其中,B是分支因子,L是深度,c是节点总个数,fi表示图片中某个SIFT描述符,F是描述符集合,Fi是对集合F进行K-Means聚类得到的某个簇集;步骤b2:累计可扩展词汇树中每个节点上的描述符出现的次数,得到SIFT描述符直方图在构造可扩展词汇树中,共有c=BL个节点,对第一个节点上的SIFT描述符出现的次数进行累计,获得基于可扩展词汇树的SIFT描述符直方图,用H=[h1,...,hi,...,hc]表示,其中hi表示第i个节点出现SIFT描述符的次数;步骤b3:对SIFT描述符进行量化,得到SIFT描述符核密度对所有的SIFT描述符进行量化,则每个SIFT描述符fi都对应可扩展词汇树中一条从根节点到叶子节点的量化路径,即对应一组视觉词每一组视觉词都对应它的核密度f(c),得到基于可扩展词汇树的SIFT描述符核密度;其中是一个视觉词,即可扩展词汇树中的每个节点...
【专利技术属性】
技术研发人员:孙晓明,张宁,车畅,刘野,吴海滨,
申请(专利权)人:哈尔滨理工大学,
类型:发明
国别省市:黑龙江,23
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。