一种基于内容改进型均值哈希的图像检索方法技术

本发明专利技术公开了一种基于内容改进型均值哈希的图像检索方法，该方法对图像进行缩小尺寸和灰度图处理，通过反复离散余弦变换，并进行哈希计算处理，得到目标图像的特征；将该特征与图像特征库中的特征通过相似度检测进行匹配运算，得到检索的结果。采用本发明专利技术方法能够对一般图像库进行有效的检索，并且有很好的检测效果；同时可以很好地容忍有一定变形的图像。

【技术实现步骤摘要】

本专利技术属于图像检索
，具体涉及一种基于内容改进型均值哈希的图像检索方法。
技术介绍
近年来，随着网络和计算机技术的飞速发展，社会进入了以大数据为标志的网络数据时代，近年来，不少国际顶级刊物相继出版专刊来探讨对大数据的研究。对网络数据的研究对维护社会稳定、推动社会发展、提升行业竞争能力、促生新兴战略性产业及对科学研究的方法论有着重要的作用。而网络数据的重要组成部分——图像，作为包含丰富信息内容的多媒体信息，随着Internet的日益普及和网络技术的不断发展，越来越成为网络数据的主流。再加上各种多媒体设备，如数码相机、拍照手机、DV等数码产品迅速发展起来，广泛的应用推动了大量的图片产生。面对如此高速产生出来的数字图片，如果你想准确、快速的获取图像信息就变得更加困难。如何挖掘蕴含在图像中的巨大信息，如何实现对这些图像数据的有效组织、分析、管理，已成为网络数据时代信息处理领域的一个重要的发展方向和研究热点。网络图像数据具有：数据量巨大、维度和信息分辨率较高、非结构化的数据形态、解释的多样性、模糊性和不确定性。这些特点使得相关领域的研究成果难以被直接借鉴于对网络图像数据的研究。如何合理的组织、表达、存储、查询和检索这些海量的图像数据是目前我们面临的亟待研究和解决的问题，也是一个重大的挑战。建立高效的图像检索模型和方法，能够交叉多学科，综合运用数字图像处理、模式识别、统计学习、机器视觉等理论与方法并与传统数据库技术结合起来，能够根据图像的底层视觉属性特征建立起与高层语义信息的有效关联，给出性能良好的图像检索模型与方法，检索出用户所需的、满意的图像具有重要的理论意义和现实的价值。如何准确、迅速的找到所需要的图像，成为研究开发高效率、高性能的图像检
索系统的最大动力。随着大型图像库的增长，基于文本的图像检索暴露出来的缺陷也越来越多。为了使查询系统更加人性化，使管理者从人工标注的繁重劳动中解脱出来，使查询结果更加准确和方便，促进了研究者对检索技术的改革和研究，使图像检索技术迈进了一个全新的时代。于是，基于内容的图像检索(Content Based Image Retrieval，CBIR)技术便成为解决这一问题的研究重点和趋势。目前基于内容的图像检索技术主要有以下两种方式：(1)传统底层特征的图像检索。颜色特征是图像的基本特征之一，同时也是所有视觉特征中表达力最强的。颜色对图像中的对象大小和方向变化都不具有敏感性，具有很好的鲁棒性。研究图像的颜色特征，一般先要了解几种主要的颜色空间，主要有RGB、HSV、CIELAB这三种空间。然后通过颜色直方图和颜色矩来提取特征，最后对提取的特征进行相似度匹配，从而得到结果。纹理特征也是图像的重要特征之一，其本质是刻画像素的邻域灰度空间的分布规律，主要有方向性、粒度和重复性。与颜色特征不同，纹理特征不再是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。因此，纹理特征具有旋转不变性和区域性，并且具有较强的抗噪性，广泛应用于图像检索领域。但其受图像分辨率影响很大，当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。(2)将用户对图像的理解、逻辑、情感等图像对象的语义特征作为图像特征进行图像检索，可以称作基于高层特征的图像检索或基于语义的图像检索。例如相关反馈、神经网络、哈希算法等。这些检索方法结合了图像处理、模式识别、人工智能、机器学习、数据库等模型与方法。由于图像内容的复杂性和人类的认知主观性，建立高效、通用的图像索引是一项很富有挑战性的工作。CBIR系统可以是介于用户和图像数据库间的信息交互、查询、服务系统。
技术实现思路
针对现有技术所存在的上述技术问题，本专利技术提供了一种基于内容改进型均值哈希的图像检索方法，根据对目标图片的计算得到其具有的特殊“指纹”，然后与图片库里面的图片进行匹配，最后得出较为准确的检索结果。一种基于内容改进型均值哈希的图像检索方法，包括如下步骤：(1)对于图像库中的任一图片，将其缩小至N*N的尺寸，N为大于1的自然数；(2)将缩小后的图片转换为灰度图，得到N*N维的图像灰度矩阵；(3)对所述的图像灰度矩阵进行DCT变换(离散余弦变换)，得到M*M维的频率灰度矩阵，M为大于N的自然数；(4)提取频率灰度矩阵左上角N*N大小的区块，计算该区块N2个元素的平均值；进而使该区块的每个元素值与平均值进行比较，以得到该区块每个元素的哈希值；(5)将该区块每行或每列元素的哈希值按次序叠合成N2位长整型的哈希值序列，该哈希值序列即为图片的“指纹”，依此遍历图像库中的所有图片；(6)根据步骤(1)～(5)计算得到目标图片的哈希值序列，根据哈希值序列计算目标图片与图像库中每一图片的相似度，进而将相似度符合阈值条件的图片作为目标图片的检索结果。优选地，所述的步骤(1)中将图片缩小至8*8的尺寸；作用是能够去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸和不同比例带来的图片差异。进一步地，所述步骤(2)的具体过程如下：首先，对于缩小后的图片中的任一像素点，根据以下公式计算该像素点的灰度值Gray：Gray＝R*0.299+G*0.587+B*0.114其中：R、G、B分别为该像素点对应红绿蓝三色通道上的颜色值；然后，将该像素点的灰度值Gray量化成1～64级灰度；最后，依此遍历所有像素点，得到N*N维的图像灰度矩阵，即图像灰度矩阵中每一元素值为对应像素点的灰度级别。进一步地，所述的步骤(3)中根据以下公式对图像灰度矩阵进行DCT变换： f ( x , y ) = 1 N F ( 0 , 0 ) + 2 N Σ v = 1 N - 1 F ( 0 , v 本文档来自技高网...

【技术保护点】
一种基于内容改进型均值哈希的图像检索方法，包括如下步骤：(1)对于图像库中的任一图片，将其缩小至N*N的尺寸，N为大于1的自然数；(2)将缩小后的图片转换为灰度图，得到N*N维的图像灰度矩阵；(3)对所述的图像灰度矩阵进行DCT变换，得到M*M维的频率灰度矩阵，M为大于N的自然数；(4)提取频率灰度矩阵左上角N*N大小的区块，计算该区块N2个元素的平均值；进而使该区块的每个元素值与平均值进行比较，以得到该区块每个元素的哈希值；(5)将该区块每行或每列元素的哈希值按次序叠合成N2位长整型的哈希值序列，该哈希值序列即为图片的“指纹”，依此遍历图像库中的所有图片；(6)根据步骤(1)～(5)计算得到目标图片的哈希值序列，根据哈希值序列计算目标图片与图像库中每一图片的相似度，进而将相似度符合阈值条件的图片作为目标图片的检索结果。

【技术特征摘要】
1.一种基于内容改进型均值哈希的图像检索方法，包括如下步骤：(1)对于图像库中的任一图片，将其缩小至N*N的尺寸，N为大于1的自然数；(2)将缩小后的图片转换为灰度图，得到N*N维的图像灰度矩阵；(3)对所述的图像灰度矩阵进行DCT变换，得到M*M维的频率灰度矩阵，M为大于N的自然数；(4)提取频率灰度矩阵左上角N*N大小的区块，计算该区块N2个元素的平均值；进而使该区块的每个元素值与平均值进行比较，以得到该区块每个元素的哈希值；(5)将该区块每行或每列元素的哈希值按次序叠合成N2位长整型的哈希值序列，该哈希值序列即为图片的“指纹”，依此遍历图像库中的所有图片；(6)根据步骤(1)～(5)计算得到目标图片的哈希值序列，根据哈希值序列计算目标图片与图像库中每一图片的相似度，进而将相似度符合阈值条件的图片作为目标图片的检索结果。2.根据权利要求1所述的图像检索方法，其特征在于：所述的步骤(1)中将图片缩小至8*8的尺寸。3.根据权利要求1所述的图像检索方法，其特征在于：所述步骤(2)的具体过程如下：首先，对于缩小后的图片中的任一像素点，根据以下公式计算该像素点的灰度值Gray：Gray＝R*0.299+G*0.587+B*0.114其中：R、G、B分别为该像素点对应红绿蓝三色通道上的颜色值；然后，将该像素点的灰度值Gray量化成1～64级灰度；最后，依此遍历所有像素点，得到N*N维的图像灰度矩阵，即图像灰度矩阵中每一元素值为对应像素点的灰度级别。4.根据权利要求1所述的图像检索方法，其特征在于：所述的步骤(3)中根据以下公式对图像灰度矩阵进行DCT变换： f ( x , y ) = 1 N F ( 0 , 0 ) + 2 N Σ v = 1 N - 1 F ( 0 , v ) cos ( 2 y + 1 ) v π 2 N + 2 N Σ u = 1 N - 1 F ...

【专利技术属性】
技术研发人员：黄文清，吴强，戴佳哲，尤辉，梅力，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：浙江;33