一种基于多特征和稀疏表示的图像检索系统及方法技术方案

本发明专利技术公开了一种基于多特征和稀疏表示的图像检索系统及方法，系统包括特征提取模块、特征字典构造模块、相似性度量模块、信息存储模块、查询交互模块。所述特征提取模块，采用结合形状和颜色的图像特征，色彩增强高斯拉普拉斯特征(CLOG特征)和SURF特征；所述特征字典构造模块，通过在线字典学习算法，将原始特征压缩为过完备字典特征，弥补了原始特征过于稠密的缺点；所述相似性度量模块，引入稀疏表示理论，比较查询图像由原字典和相关字典表示产生的残差大小，判断两幅图像的相似度，避免了传统相似性度量方法特征依赖性较高的问题。本发明专利技术可以有效检索旋转、噪声、光照变化图像，显著提高了图像检索的鲁棒性。

【技术实现步骤摘要】

本专利技术涉及基于内容的图像检索
，具体涉及一种基于多特征和稀疏表示的鲁棒性的图像检索系统及方法。
技术介绍
随着计算机、多媒体、网络、数字通信技术的迅速发展，数字图像作为各种信息的重要载体之一，以其直观、形象、易懂、信息量大的特点深入到与人们生活息息相关的各个方面，成为人们获取信息的一个重要途径。对于数字图像来讲，如何有效的描述图像的内容，进而从数以万计的图像数据中寻找出符合用户需求的图像，正是图像检索领域所要研究的内容。由于人工进行标注工作量巨大，基于关键字的信息检索技术难以满足用户的要求，这就需要有一种针对类型复杂图像库的有效检索方式，于是基于内容的图像检索(CBIR)技术应运而生，从20世纪90年代初起，CBIR就成为多媒体技术应用领域的研究热点。基于内容的图像检索(CBIR)的任务是：给定查询图像，根据图像的视觉内容在图像数据库中找出与其具有相似特性的其他图像。通过从图像中获得的客观内容特征，如颜色、纹理、形状等来描述图像，不再依赖于人工标注，并基于这些特征来进行相似度匹配，检索出用户满意的图像，即从图像数据库中检索出与此图像相似的图像。目前，大多数的图像检索系统的相似性度量是基于欧式距离函数，它也是最常见的距离度量函数。它的缺点是事先假定了图像特征的各分量之间是正交无关的，而且各维数的重要程度相同。Mahalanobis距离在基于欧氏距离的基础上加入了协方差矩阵的权重影响，它适用于特征向量的各个分量间具有相关性或者具有不同权重的情形。另外，常用的相似性度量方法还有直方图相交法、余弦距离、相关系数、Kullback-Leibler散度、Jefrrey散度等。但上述的度量方法主要关注于度量测试图像和相关图像在无几何变换，如压缩、变形、亮度或对比度增强等，情况下的相似程度。此外，已有的基于内容的图像检索系统一般是在图像无压缩、变形、仿射、光照变化、噪音污染等情况下的检索。然而在现实生活中，往往需要检索的图像质量不高，存在噪声污染或者压缩变形，而且在特殊领域中，如安防和公安单位的工作中，理想的图像采集条件很难满足，待检索的图像往往有仿射或光照变化，甚至存在遮挡和伪装。因此，对鲁棒性的图像检索系统的需求更加显著。
技术实现思路
针对以上现有技术中的不足，本专利技术的目的在于提供一种能够有效检索压缩、变形、仿射、光照变化、噪音污染图像，具有较强鲁棒性的基于多特征和稀疏表示的图像检索系统及方法。本专利技术的技术方案如下：一种基于多特征和稀疏表示的图像检索系统，其包括特征提取模块、特征字典构造模块、相似性度量模块、信息存储模块和查询交互模块；所述特征提取模块用于提取图像数据库中的相关图像和查询图像的原始图像特征，所述原始图像特征包括色彩增强高斯拉普拉斯CLOG特征及快速鲁棒SURF特征；所述特征字典构造模块用于将特征提取模块提取到的相关图像和查询图像的原始图像特征采用在线字典学习算法压缩重构为相关特征字典和原特征字典；所述相似性度量模块用于计算相关图像和查询图像的相似度，根据特征字典构造模块得到的相关特征字典和原特征字典，采用正交匹配追踪OMP算法计算出稀疏向量，并比较分别由原特征字典和相关特征字典稀疏向量所产生的残差大小，计算出加权后的相似度；所述信息存储模块用于存储查询图像的原特征字典以及相关图像的相关特征字典，并存储查询图像与相关图像的相似度；所述查询交互模块检索出图像库中与查询图像相似度最高的前n幅图像，并根据用户反馈调整查询结果。一种基于多特征和稀疏表示的图像检索方法，其包括以下步骤：201、从图像数据库的相关图像中分别提取色彩增强高斯拉普拉斯CLOG特征向量和快速鲁棒SURF特征向量其中表示从相关图像中提取的CLOG特征向量的个数；表示从相关图像中提取的SURF特征向量的个数，并通过在线字典学习算法得到相关字典和202、从待查询图像中分别提取CLOG和SURF特征向量，记为j=1,2,...,K2CLOG]]>和j′=1,2,...,K2SURF,]]>为从待查询图像中提取的CLOG特征向量的个数；为从待查询图像中提取的SURF特征向量的个数，并通过在线字典学习算法得到原字典和203、构建联合字典DCLOG=[D1CLOG|D2CLOG]]]>和DSURF=[D1SURF|D2SURF],]]>分别稀疏编码查询图像特征和利用正交匹配追踪OMP算法得稀疏系数向量和计算稀疏系数；204、计算重构残差，对于查询图像中的一个CLOG特征向量令稀疏系数向量中对应相关字典的部分为0，得原字典对应的残差然后令稀疏系数向量中对应原字典的部分为0，得相关字典对应的残差比较残差和大小，如果E2jCLOG<E1jCLOG,]]>原字典得到一票，得票数记为n1；如果相关字典得到一票，得票数记为n2；n1/(n1+n2)的百分比即为两幅图像CLOG相似度，记为V1CLOG，同理可得，两幅图像SURF相似度记为V1SURF；205、加权相似度融合，迭代循环0-1之间最优的组合作为V1CLOG和V1SURF的权值，计算加权融合后待查询图像与相关图像的相似度Sim(I1,I2)＝ω1·V1CLOG+ω2·V1SURF；其中ω1表示加权系数，ω2表示另一加权系数；206、存储步骤205中得到的待查询图像与相关图像的相似度Sim(I1,I2)＝ω1·V1CLOG+ω2·V1SURF，当用户检索时，则导出图像库中与查询图像相似度最高的前n幅图像，并根据用户反馈调整查询结果，完成检索。本专利技术的优点及有益效果如下：本专利技术专利采用结合颜色和形状的CLOG特征和SURF特征，弥补了仅仅使用一种特征对图像内容的描述比较片面，在图像变换较大的情况下不能取得理想的检索效果的缺点。CLOG特征为颜色显著性特征，能充分表达图像的颜色信息，而SURF特征在图像形状描述上具有压缩，变形，光照、仿射不变性等特点。这两种特征的使用不仅能够更加全面的描述图像内容，而且对于压缩、变形、仿射、光照变化等有较强的鲁棒性。本专利技术专利通过在线字典学习方法将原始特征压缩为过完备字典特征，使其尽可能地逼近目标特征结构，进而可从过完备字典中找到具有最佳线性组合的原子来表示图像特征。在线字典学习在每次迭代的过程中，仅处理训练集中的一个数据或者进行微型批处理，使之可以处理大的数据集或图像序列，是一种有效快速的字典构造方法，大大减少了构造特征字典的内存消耗和计算时间。本专利技术专利引入稀疏表本文档来自技高网...

【技术保护点】
一种基于多特征和稀疏表示的图像检索系统，其特征在于：包括特征提取模块(1)、特征字典构造模块(2)、相似性度量模块(3)、信息存储模块(4)和查询交互模块(5)；所述特征提取模块(1)用于提取图像数据库中的相关图像和查询图像的原始图像特征，所述原始图像特征包括色彩增强高斯拉普拉斯CLOG特征及快速鲁棒SURF特征；所述特征字典构造模块(2)用于将特征提取模块(1)提取到的相关图像和查询图像的原始图像特征采用在线字典学习算法压缩重构为相关特征字典和原特征字典；所述相似性度量模块(3)用于计算相关图像和查询图像的相似度，根据特征字典构造模块(2)得到的相关特征字典和原特征字典，采用正交匹配追踪OMP算法计算出稀疏向量，并比较分别由原特征字典和相关特征字典稀疏向量所产生的残差大小，计算出加权后的相似度；所述信息存储模块(4)用于存储查询图像的原特征字典以及相关图像的相关特征字典，并存储查询图像与相关图像的相似度；所述查询交互模块(5)检索出图像库中与查询图像相似度最高的前n幅图像，并根据用户反馈调整查询结果。

【技术特征摘要】
1.一种基于多特征和稀疏表示的图像检索系统，其特征在于：包括特征提
取模块(1)、特征字典构造模块(2)、相似性度量模块(3)、信息存储模块(4)和查询
交互模块(5)；
所述特征提取模块(1)用于提取图像数据库中的相关图像和查询图像的原始
图像特征，所述原始图像特征包括色彩增强高斯拉普拉斯CLOG特征及快速鲁
棒SURF特征；
所述特征字典构造模块(2)用于将特征提取模块(1)提取到的相关图像和查询
图像的原始图像特征采用在线字典学习算法压缩重构为相关特征字典和原特征
字典；
所述相似性度量模块(3)用于计算相关图像和查询图像的相似度，根据特征
字典构造模块(2)得到的相关特征字典和原特征字典，采用正交匹配追踪OMP
算法计算出稀疏向量，并比较分别由原特征字典和相关特征字典稀疏向量所产
生的残差大小，计算出加权后的相似度；
所述信息存储模块(4)用于存储查询图像的原特征字典以及相关图像的相
关特征字典，并存储查询图像与相关图像的相似度；
所述查询交互模块(5)检索出图像库中与查询图像相似度最高的前n幅图
像，并根据用户反馈调整查询结果。
2.一种基于多特征和稀疏表示的图像检索方法，其特征在于，包括以下步
骤：201、从图像数据库的相关图像中分别提取色彩增强高斯拉普拉斯CLOG特
征向量和快速鲁棒SURF特征向量其中表示从相
关图像中提取的CLOG特征向量的个数；表示从相关图像中
提取的SURF特征向量的个数，并通过在线字典学习算法得到相关字典和
D1SURF;]]>202、从待查询图像中分别提取CLOG和SURF特征向...

【专利技术属性】
技术研发人员：陈乔松，丁园园，黎海，闫亚星，刘畅，王曦，张俊伟，王元，蔡桦，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85