一种基于k近邻和模糊模式识别的图像检索方法及系统技术方案

本发明专利技术公开了一种基于k近邻和模糊模式识别的图像检索方法及系统，对查询图像和被检索图像分别提取出颜色和纹理特征向量，进行模糊归一化处理，对模糊化的颜色和纹理特征向量进行融合得到对应图像的综合特征向量；对得到的查询图像和所有被检索图像的综合特征向量，寻找查询图像的k个近邻图像；计算查询图像与其k个近邻图像的相似度，计算各个被检索图像与查询图像k个近邻图像的相似度，获取查询图像和各个被检索图像所对应的k维模糊特征向量；计算各个被检索图像对应的k维模糊特征向量与查询图像对应的k维模糊特征向量之间的模糊相似度；按模糊相似度从大到小的顺序将检索图像反馈给用户；根据用户的满意度来判断是否停止图像检索过程。

An image retrieval method and system based on K nearest neighbor and fuzzy pattern recognition

The invention discloses an image retrieval method and system based on K nearest neighbor and fuzzy pattern recognition. The color and texture feature vectors are extracted from the query image and the retrieved image, and the fuzzy normalization processing is carried out. The fuzzy color and texture feature vectors are fused to get the integrated feature vector of the corresponding image. The obtained query image and all the integrated feature vectors of the retrieved image are found, and the k nearest neighbor image of the query image is searched. The similarity degree of the query image and the k nearest neighbor image is calculated. The similarity degree of each retrieved image and the k nearest neighbor image of the query image is calculated, and the K dimension modules corresponding to the query images and the retrieved images are obtained. The fuzzy similarity between the K dimension fuzzy feature vector corresponding to the retrieved image and the K dimension fuzzy feature vector corresponding to the query image is calculated. The image is fed back to the user in the order of the fuzzy similarity from the large to the small, and the image retrieval process is judged according to the satisfaction of the user.

【技术实现步骤摘要】
一种基于k近邻和模糊模式识别的图像检索方法及系统
本专利技术涉及一种基于k近邻和模糊模式识别的图像检索方法及系统。
技术介绍
随着多媒体技术和网络技术的迅速发展，图像数据每天都以惊人的速度在增长，如何有效、快速地从海量的图像数据库中检索到用户感兴趣的图像是一个非常重要且富有挑战的研究课题。目前广泛使用的图像检索方法有：基于文本的图像检索(Text-basedImageRetrieval,TBIR)方法和基于内容的图像检索(Content-basedImageRetrieval,CBIR)方法。TBIR方法就是利用文本标注的方法对图像内容进行描述，形成描述图像内容的关键词，例如图像中的场景、物体等。图像标注可通过人工标注，也可利用图像识别技术进行半自动标注。在进行图像检索时，用户可根据自己的兴趣爱好输入查询图像的关键词，图像检索系统根据用户所提供的关键词检索出那些也标注有该关键词的相关图像，最后将图像检索结果反馈给用户。TBIR方法易于实现，且在标注时有人工介入，所以其查准率也相对比较高，但是TBIR方法也由于人工介入的原因而存在严重的缺陷：首先，在大规模的图像数据库中要对所有的图像进行标注将耗费大量的人力与财力，因此TBIR方法只适用于小规模的图像数据库；其次，一幅图像的内容难以用精确、简短的词语来进行概括，从而导致TBIR方法难以实现精确的查询。CBIR方法适用于对大规模图像数据库的检索，这种图像检索方法允许用户直接输入一幅查询图像来检索与其内容相似的其他图像，从而摆脱了TBIR方法中人工介入所引起的一系列的问题。图像特征提取和图像特征匹配是CBIR方法能否实现的两个关键环节。图像特征提取的好坏是关乎图像检索效果的首要环节，图像特征主要依赖于图像内容的底层特征：颜色特征、纹理特征和形状特征，而图像内容底层特征和高层语义之间的“鸿沟”问题导致CBIR方法存在一定的缺陷和不足。图像特征匹配是CBIR方法能否较好实现的另外一个关键环节，图像特征的匹配主要依赖于图像特征之间的相似度测量方法。为提高CBIR方法的有效性，人们提出了许多有关图像特征提取和图像特征匹配的方法，但是这些方法普遍存在计算繁琐、检索时间长的特点，且检索效果仍不尽人意。
技术实现思路
为了解决现有技术的不足，本专利技术提供了一种基于k近邻和模糊模式识别的图像检索方法及系统，能克服以上缺陷，有效的改善图像检索的性能；本专利技术的第一个方面：一种基于k近邻和模糊模式识别的图像检索方法，包括：图像特征提取：提取查询图像和所有被检索图像的颜色特征向量和纹理特征向量，对查询图像和被检索图像的颜色特征向量和纹理特征向量分别进行处理，并将两种特征向量融合到一起，得到查询图像和所有被检索图像各自对应的综合特征向量；寻找查询图像的k个近邻图像：根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像；获取查询图像和所有被检索图像各自对应的模糊特征向量：计算查询图像与其k个近邻图像的相似度，利用k个相似度值组成查询图像所对应的k维模糊特征向量；计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像与查询图像k个近邻图像的k个相似度值组成各个被检索图像所对应的k维模糊特征向量；模糊相似度计算：采用模糊相似度匹配方法，计算各个被检索图像所对应的k维模糊特征向量与查询图像所对应的k维模糊特征向量之间的模糊相似度；按照模糊相似度从大到小的顺序将检索图像反馈给用户。进一步的，所述图像检索方法，还包括：用户满意度反馈步骤：根据用户对图像检索结果的满意度来确定是否停止图像检索：若用户满意，则停止图像检索；否则，返回到寻找查询图像的k个近邻图像步骤，重新寻找相似度匹配方法来寻找查询图像的k个近邻图像，并执行获取查询图像和所有被检索图像所对应的模糊特征向量步骤和模糊相似度计算步骤，直至用户满意为止。进一步的，提取出颜色特征向量，包括：采用颜色直方图方法：首先将图像从RGB空间映射到HSV空间，将H量化为16级，S量化为4级，V量化为4级，从而得到256个不同的颜色值，然后分别统计图像内容中对应于256个不同颜色值的像素点的个数，从而得到对应于一幅图像的256维的颜色特征向量。实现图像颜色特征向量降维以提高图像检索的速度。进一步的，提取出纹理特征向量，包括：采用灰度共生矩阵的方法：统计灰度共生矩阵的15个特性值：能量、梯度平均、灰度平均、梯度均方差、灰度均方差、相关性、梯度熵、灰度熵、混合熵、逆差矩、惯性、大梯度优势、小梯度优势、梯度分布的不均匀性和灰度分布的不均匀性，利用每幅图像所对应的15个特性值组成每幅图像所对应的15维的纹理特征向量。进一步的，对得到的颜色特征向量和纹理特征向量分别进行模糊归一化处理，得到模糊化的颜色特征向量和模糊化的纹理特征向量，对两种模糊化的特征向量进行融合得到查询图像和所有被检索图像各自对应的综合特征向量。进一步的，所述对得到的颜色特征向量和纹理特征向量分别进行模糊归一化处理，是指：采用模糊数学算法将颜色特征向量中的元素进行模糊归一化；采用模糊数学算法将纹理特征向量中的元素进行模糊归一化。以进一步提高颜色特征向量和纹理特征向量的代表性。进一步的，对两种模糊化的特征向量进行融合得到查询图像和所有被检索图像各自对应的综合特征向量，是指：赋以颜色特征向量和纹理特征向量不同的权重值，以组成一个综合特征向量来代表一幅图像；颜色特征向量和纹理特征向量的权重值之和为1。进一步的，所述根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像，是指：根据查询图像和所有被检索图像各自对应的综合特征向量，采用不同的相似度匹配方法来寻找查询图像的k个近邻图像，通过结果对比找出最恰当的相似度匹配方法，并将近邻数k进行动态设置，以适应不同的查询图像。进一步的，所述获取查询图像和所有被检索图像各自对应的模糊特征向量，是指：通过相似度匹配方法计算查询图像与其k个近邻图像的相似度，并将k个相似度值组成一个k维的特征向量，作为查询图像所对应的k维模糊特征向量；采用相同的相似度匹配方法计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像所对应的k个相似度值分别组成各个被检索图像所对应的k维模糊特征向量。本专利技术的第二个方面：一种基于k近邻和模糊模式识别的图像检索系统，包括：图像特征提取模块：提取查询图像和所有被检索图像的颜色特征向量和纹理特征向量，对查询图像和被检索图像的颜色特征向量和纹理特征向量分别进行处理，并将两种特征向量融合到一起，得到查询图像和所有被检索图像各自对应的综合特征向量；寻找查询图像的k个近邻图像模块：根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像；获取查询图像和所有被检索图像各自对应的模糊特征向量模块：计算查询图像与k个近邻图像的相似度，利用k个相似度值组成查询图像所对应的k维模糊特征向量；计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像与查询图像k个近邻图像的k个相似度值组成各个被检索图像所对应的k维模糊特征向量；模糊相似度计算模块：采用模糊相似度匹配方法，计算各个被检索图像所对应的k本文档来自技高网...

【技术保护点】
1.一种基于k近邻和模糊模式识别的图像检索方法，其特征是，包括：图像特征提取：提取查询图像和所有被检索图像的颜色特征向量和纹理特征向量，对查询图像和被检索图像的颜色特征向量和纹理特征向量分别进行处理，并将两种特征向量融合到一起，得到查询图像和所有被检索图像各自对应的综合特征向量；寻找查询图像的k个近邻图像：根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像；获取查询图像和所有被检索图像各自对应的模糊特征向量：计算查询图像与k个近邻图像的相似度，利用k个相似度值组成查询图像所对应的k维模糊特征向量；计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像与查询图像k个近邻图像的k个相似度值组成各个被检索图像所对应的k维模糊特征向量；模糊相似度计算：采用模糊相似度匹配方法，计算各个被检索图像所对应的k维模糊特征向量与查询图像所对应的k维模糊特征向量之间的模糊相似度；按照模糊相似度从大到小的顺序将检索图像反馈给用户。

【技术特征摘要】
1.一种基于k近邻和模糊模式识别的图像检索方法，其特征是，包括：图像特征提取：提取查询图像和所有被检索图像的颜色特征向量和纹理特征向量，对查询图像和被检索图像的颜色特征向量和纹理特征向量分别进行处理，并将两种特征向量融合到一起，得到查询图像和所有被检索图像各自对应的综合特征向量；寻找查询图像的k个近邻图像：根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像；获取查询图像和所有被检索图像各自对应的模糊特征向量：计算查询图像与k个近邻图像的相似度，利用k个相似度值组成查询图像所对应的k维模糊特征向量；计算各个被检索图像与查询图像k个近邻图像的相似度，利用各个被检索图像与查询图像k个近邻图像的k个相似度值组成各个被检索图像所对应的k维模糊特征向量；模糊相似度计算：采用模糊相似度匹配方法，计算各个被检索图像所对应的k维模糊特征向量与查询图像所对应的k维模糊特征向量之间的模糊相似度；按照模糊相似度从大到小的顺序将检索图像反馈给用户。2.如权利要求1所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，还包括：用户满意度反馈步骤：根据用户对图像检索结果的满意度来确定是否停止图像检索：若用户满意，则停止图像检索；否则，返回到寻找查询图像的k个近邻图像步骤，重新寻找相似度匹配方法来寻找查询图像的k个近邻图像，并执行获取查询图像和所有被检索图像所对应的模糊特征向量步骤和模糊相似度计算步骤，直至用户满意为止。3.如权利要求1所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，提取出颜色特征向量，包括：采用颜色直方图方法：首先将图像从RGB空间映射到HSV空间，将H量化为16级，S量化为4级，V量化为4级，从而得到256个不同的颜色值，然后分别统计图像内容中对应于256个不同颜色值的像素点的个数，从而得到对应于一幅图像的256维的颜色特征向量。4.如权利要求1所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，提取出纹理特征向量，包括：采用灰度共生矩阵的方法：统计灰度共生矩阵的15个特性值：能量、梯度平均、灰度平均、梯度均方差、灰度均方差、相关性、梯度熵、灰度熵、混合熵、逆差矩、惯性、大梯度优势、小梯度优势、梯度分布的不均匀性和灰度分布的不均匀性，利用每幅图像所对应的15个特性值组成每幅图像所对应的15维的纹理特征向量。5.如权利要求1所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，对得到的颜色特征向量和纹理特征向量分别进行模糊归一化处理，得到模糊化的颜色特征向量和模糊化的纹理特征向量，对两种模糊化的特征向量进行融合得到查询图像和所有被检索图像各自对应的综合特征向量。6.如权利要求5所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，所述对得到的颜色特征向量和纹理特征向量分别进行模糊归一化处理，是指：采用模糊数学算法将颜色特征向量中的元素进行模糊归一化；采用模糊数学算法将纹理特征向量中的元素进行模糊归一化。7.如权利要求5所述的一种基于k近邻和模糊模式识别的图像检索方法，其特征是，对两种模糊化的特征向量进行融合得到查询图像和所有被检索图像各自对应的综合特征向量，是指：赋以颜色特征向量和纹理特征向量不同的权重值，以组成一个综合特征向量来代表一幅图像；颜色特征向量和纹理特征向量的权重值之和为1；或者，所述根据查询图像和所有被检索图像各自对应的综合特征向量，寻找相似度匹配方法来寻找查询图像的k个近邻图像，是指：根据查询图像和所有被检索图像各自对应的综合特征向量，采用不同的相似度匹配方法来寻找查询图像的k个近邻图像，通过结果对比找出最恰当的相似度匹配方法，并将近邻数k进行动态设置，以适应不同的查询图像；或者，所述获取查询图像和所...

【专利技术属性】
技术研发人员：王春静，刘丽，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东,37