一种多特征融合的图像检索方法技术

本发明专利技术公开了一种多特征融合的图像检索方法，其包括，步骤一、输入待检索图像I；步骤二、构建图像I的颜色特征向量和SIFT特征向量；步骤三，训练查询图库中的图像获得颜色特征词典和SIFT特征词典，用所述视觉单词表示图库中的图像；步骤四、用所述视觉单词表示所述图像I，根据所述视觉单词从所述查询图库中调取候选图像集Q，计算相似度值score(Q,I)；步骤五、选取所述图像I中具有视觉显著性的局部区域Si并重复步骤三和步骤四获得候选图像集K，计算相似度值scoresal(K,I)；步骤六、两个候选融合集的重叠图像集为D，融合scoresal(D,I)和score(D,I)计算最终相似性值score*(D,I)；步骤七、中最终相似性值最高的图像作为所述待图像I的检索结果。本发明专利技术具有降低了图像噪声，提高检索准确性的优点。

【技术实现步骤摘要】

本专利技术涉及图像检索方法，更具体地说，本专利技术涉及一种多特征融合的图像检索 方法。
技术介绍
当今社会已经进入了以多媒体数据为主的大数据时代，其中又以数字图像数据最 为突出。与其他多媒体数据相比，图像数据内容更丰富，表达更直观，成为人们日常生活中 信息分享最主要的形式。面对日益增多的图像数据，如何有效挖掘图像数据中蕴藏的大量 信息，从而在大规模图像数据库中快速准确地查找出用户真正需要的图像，已逐渐发展为 计算机视觉、多媒体信息检索等相关领域的主要研究课题。 图像特征提取、图像相似性度量是图像检索技术中的两个关键步骤。图像特征是 图像检索的基础，挖掘图像数据中有效信息的过程就是图像特征提取的过程，通过图像特 征提取将保存在存储设备中供人们浏览的图像信息表示为计算机也可以"看懂"的形式。在 提取图像特征之后，计算机通过计算图像在特征空间中的距离来定义图像间的相似性，不 同的图像特征将直接影响图像检索系统的性能。如何准确地表达图像信息，提取更符合人 类语义的图像特征，是图像检索研究领域中的一个重点。 现有技术中稳定的图像局部特征和Bag-of-features图像表示模型为图像检 索的研究奠定了坚实的基础，使图像检索技术能够快速发展。但在图像特征提取和基于 Bag-of-features进行图像表达的过程中，存在大量的信息损失，影响了检索结果的准确 性。
技术实现思路
本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。 本专利技术还有一个目的是提供一种将图像多个特征进行融合的方法，并融合特征为 检索基础进行图像检索，从图库中检索出具有相同融合特征的图像作为检索结果。 为了实现根据本专利技术的这些目的和其它优点，提供了一种多特征融合的图像检索 方法，包括： 步骤一、输入待检索图像I ; 步骤二、将所述图像I分割成多个局部区域，构建表示每个所述局部区域颜色特 征的颜色特征向量和尺度空间不变特性的SIFT特征向量； 步骤三，对查询图库中的每幅图像执行步骤二，并加以聚类获得颜色特征词典和 SIFT特征词典，用颜色特征词典中的颜色词汇和SIFT特征词典中的SIFT词汇组合构成视 觉单词，用所述视觉单词表示图库中的图像； 步骤四、利用所述视觉单词表示所述图像I的颜色特征向量和与其对应的SIFT特 征向量；从所述查询图库中调取与所述图像I具有相同视觉单词的图像作为所述图像I的 候选图像集Q，计算每个所述候选图像集Q与所述图像I的的基于颜色和SIFT特性的相似 度值，记作score (Q, I); 步骤五、计算所述图像I的视觉显著性均值T和每个所述局部区域的视觉显著性 均值Ti，提取Ti值大于T值的局部区域作为具有视觉显著性的局部区域Si ;对所述局部区 域Si重复步骤三和步骤四获得候选图像集K，计算候选图像集K中图像与所述图像I的基 于视觉显著性的相似度值，记作Score sal (K, I); 步骤六、所述候选融合集K和所述候选图像Q的重叠图像集为D，融合基于显著性 相似度值Score sal (D, I)和基于颜色和SIFT特征相似度值score (D, I)，计算所述图像集D 中每幅图像与所述图像I的的最终相似性值score*(D，I); 步骤七、将所述图像集D中最终相似性值最高的图像作为所述待图像I的检索结 果。 优选的是，所述多特征融合的图像检索方法中，具体步骤为： 步骤一、输入待检索图像I ; 步骤二、将所述图像I分割成多个局部区域，每个局部区域内具有相同的颜色且 相邻所述局部区域间的颜色不同； 步骤三、构建表示每个所述局部区域颜色特征的颜色特征向量和尺度空间不变特 性的SIFT特征向量； 步骤四，对查询图库中的每幅图像执行步骤二和步骤三，获得图库中每幅图像的 颜色特征向量和与SIFT特征向量并加以聚类获得颜色特征词典和SIFT特征词典，用颜色 特征词典中的一颜色词汇和SIFT特征词典中的一 SIFT词汇组合构成视觉单词，根据颜色 词汇和SIFT词汇与所述颜色特征向量和与SIFT特征向量的对应关系，用所述视觉单词表 示图库中的图像； 步骤五、利用所述视觉单词表示将所述图像I的所述颜色特征向量和与其对应的 所述SIFT特征向量；从所述查询图库中调取与所述图像I具有相同视觉单词的图像作为所 述图像I的候选图像集Q ; 步骤六、计算每个所述候选图像集Q与所述图像I的的基于颜色和SIFT特性的相 似度值，记作score (Q，I); 步骤七、计算图像I的视觉显著性均值T和所述图像I的局部区域的视觉显著性 均值Ti，提取视觉显著性均值Ti大于T的局部区域作为具有视觉显著性的局部区域Si ; 步骤八、将所述步骤七获得的区域51重复步骤三和步骤五获得所述候选图 像集K，计算候选图像集K中图像与所述图像I的基于视觉显著性的相似度值，记作 score531 (K, I)； 步骤九、所述候选融合集K和所述候选图像Q的重叠图像集为D，融合基于显著性 相似度值Score sal (D, I)和基于颜色和SIFT特征相似度值score (D, I)，计算所述图像集D 中每幅图像与所述图像I的的最终相似性值score*(D，I); 步骤十、将所述图像集D中最终相似性值最高的图像作为所述待图像I的检索结 果。 优选的是，所述的多特征融合的图像检索方法中，所述步骤九中最终相似性值 score* (D, I)的计算公式为： score* (D, I) = α. · score (D, I) + β · Scoresal (D, I) 其中，α +β = 1，α、β表示最终相似性得分的加权系数。 优选的是，所述的多特征融合的图像检索方法中，每个所述视觉单词表示图像中 一局部区域的颜色特征和与其SIFT特征； 每个所述候选图像至少包括一个匹配区域q，该匹配区域与所述图像I的一局部 区域P的颜色特性和SIFT特性用同一个视觉单词表示。 优选的是，所述的多特征融合的图像检索方法中，所述步骤六包括以下步骤： 6. 1、计算所述匹配区域q与其对应的所述局部区域p的匹配得分： 预先设置一汉明距离阈值κ ; 计算所述匹配区域q与其对应的所述局部特征区域p的汉明距离d计算； 当d多κ，则所述匹配区域与其对应的所述局部特征区域的匹配得分为零； 当d < κ，贝IJ所述匹配区域与其对应的所述局部特征区域的匹配得分的计算公式 为： 其中QJP Q。表示所述SIFT特征和颜色特征的量化公式；δ表示克罗内克函数；表示利用汉明距离对所述匹配区域与其对应的所述局部特征区域进行匹配性加 权，σ为权重参数； 6. 2、利用12范式对所述图像I进行归一化处理，范式化处理公式为： 其中，tfslm表示所述图像I中与所述视觉单词对应的局部特征区域的个数；m表 示所述S当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种多特征融合的图像检索方法，其特征在于，包括以下步骤：步骤一、输入待检索图像I；步骤二、将所述图像I分割成多个局部区域，构建表示每个所述局部区域颜色特征的颜色特征向量和尺度空间不变特性的SIFT特征向量；步骤三，对查询图库中的每幅图像执行步骤二，聚类获得颜色特征词典和SIFT特征词典，用颜色特征词典中的颜色词汇和SIFT特征词典中的SIFT词汇组合构成视觉单词，用所述视觉单词表示图库中的图像；步骤四、利用所述视觉单词表示所述图像I的颜色特征向量和与其对应的SIFT特征向量；从所述查询图库中调取与所述图像I具有相同视觉单词的图像作为所述图像I的候选图像集Q，计算每个所述候选图像集Q与所述图像I的的基于颜色和SIFT特性的相似度值，记作score(Q,I)；步骤五、计算所述图像I的视觉显著性均值T和每个所述局部区域的视觉显著性均值Ti，提取Ti值大于T值的局部区域作为具有视觉显著性的局部区域Si；对所述局部区域Si重复步骤三和步骤四获得候选图像集K，计算候选图像集K中图像与所述图像I的基于视觉显著性的相似度值，记作scoresal(K,I)；步骤六、所述候选融合集K和所述候选图像Q的重叠图像集为D，融合基于显著性相似度值scoresal(D,I)和基于颜色和SIFT特征相似度值score(D,I)，计算所述图像集D中每幅图像与所述图像I的的最终相似性值score*(D,I)；步骤七、将所述图像集D中最终相似性值最高的图像作为所述待图像I的检索结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：段立娟，董帅，赵则明，崔嵩，马伟，杨震，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11