一种基于区域特征的图像检索方法及系统技术方案

本发明专利技术提供一种基于区域特征的图像检索方法及系统，所述的方法包括：S1，将输入的待检索图像划分为多个子区域图像；S2，提取每一个所述子区域图像的区域特征，并将每一个区域特征量化为对应的视觉单词；S3，遍历每一个区域特征对应的视觉单词，在数据库倒排表中检索每一个模板图像包含所述视觉单词的个数，将包含视觉单词个数最多的模板图像作为检索结果图像。本发明专利技术通过对图像进行分区，提取每一个区域图像的区域特征，通过区域特征的匹配得到检索结果，相比现有的通过局部特征来检索，提取的区域特征个数相比局部特征个数大大减少，提高了图像检索的效率，普适性和扩展性更好。

Method and system for image retrieval based on regional characteristics

The present invention provides a method and system for image retrieval based on region feature, the method comprises the following steps: S1, the input image retrieval is divided into multiple sub region image; S2, extracted from each of the sub regions of the image regions, and each region is corresponding to the quantized feature of visual words S3; traversal each region corresponding to the characteristic of visual words in the database retrieval in the inverted list every template image containing the number of visual words, will contain the number of template image visual words as most image search results. The present invention by partitioning the image, extraction of regional characteristics of each region of the image, the regional feature matching to get the retrieval results, compared with the existing through local features to retrieve, the number of regional feature extraction compared to the local feature number is greatly reduced, improving the image retrieval efficiency, universality and scalability better.

【技术实现步骤摘要】
一种基于区域特征的图像检索方法及系统
本专利技术涉及图像检索
，更具体地，涉及一种基于区域特征的图像检索方法及系统。
技术介绍
基于内容的图像搜索是大数据时代海量数据信息深度利用的关键技术之一，也是计算机视觉和多媒体领域的研究热点，具有重要的研究意义和实用价值，图像搜索技术在实际生活中也有着重要的应用。现在步入安防社会，摄像头已遍布在生活中的各个场所，图像搜索可以在海量的监控视频中查找到特定的目标，为警方破案提供关键线索。图像搜索技术也使得日常生活更加智能和便捷，人们可以随时随地拍摄喜欢的衣服或者物品，然后根据图片在网上商城查找相关的商品。图像搜索目前最流行的框架为基于局部不变特征的词袋模型，局部特征的不变性可以很好地解决图像搜索中的遮挡、视角变化等复杂的情况，被广泛地应用在图像识别中，但是局部特征在有些情况下并不适用。局部关键点通常在边缘或者角点处检测到，它能够捕捉到图像中的刚性物体的细节特性，例如建筑物、书面的图案等等。因此，对于刚性物体，基于局部特征的词袋模型能够达到较好的性能。然而，如果图像中的内容纹理比较光滑，比如雕塑和软体动物，那么图片中只能检测到很少的关键点。因此，对于纹理光滑的物体，基于关键点的局部特征并不能很好地表达图像中的内容，在处理这类图片的检索时，局部特征的性能较差。由于每幅图像中包含了上千个局部特征，因此图像数目较多时，查询的效率较慢。当检索的数据库非常大时，比如说上亿的图片，倒排表的内存开销非常的大，这也限制了基于局部特征的词袋模型的可扩展性。
技术实现思路
本专利技术提供一种克服上述问题或者至少部分地解决上述问题的基于区域特征的图像检索方法及系统。根据本专利技术的一个方面，提供了一种基于区域特征的图像检索方法，包括：S1，将输入的待检索图像划分为多个子区域图像；S2，提取每一个所述子区域图像的区域特征，并将每一个区域特征量化为对应的视觉单词；S3，遍历每一个区域特征对应的视觉单词，在数据库倒排表中检索每一个模板图像包含所述视觉单词的个数，将包含视觉单词个数最多的模板图像作为检索结果图像。根据本专利技术的另一个方面，还提供了一种基于区域特征的图像检索系统，包括：图像划分模块，用于将输入的待检索图像划分为多个子区域图像；提取量化模块，用于提取每一个所述子区域图像的区域特征，并将每一个区域特征量化为对应的视觉单词；检索确定模块，用于遍历每一个区域特征对应的视觉单词，在数据库倒排表中检索每一个模板图像包含所述视觉单词的个数，将包含视觉单词个数最多的模板图像确定为检索结果图像。本专利技术的有益效果为：通过对图像进行分区，提取每一个区域图像的区域特征，通过区域特征的匹配得到检索结果，相比现有的通过局部特征来检索，提取的区域特征个数相比局部特征个数大大减少，提高了图像检索的效率，普适性和扩展性更好，相对于全局特征，该方法的检索准确率更高，且检索的效率与全局特征相差不大，本专利技术综合了全局特征和局部特征的优势，在图像检索过程中保持了较好的检索性能和交稿的检索效率。附图说明图1为本专利技术一个实施例的基于区域特征的图像检索方法流程图；图2为本专利技术另一个实施例的基于区域特征的图像检索系统示意图；图3为本专利技术另一个实施例中提取量化模块的具体框图示意图；图4为本专利技术另一实施例中的检索确定模块的具体框图示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。参见图1，为本专利技术一个实施例的基于区域特征的图像检索方法，包括：S1，将输入的待检索图像划分为多个子区域图像。本实施例首先将待查询检索的图像划分为多个子区域图像，具体的使用超像素分割的方法将待检索图像均匀划分为多个子区域图像。在实际应用中，需要考虑图像检索的准确率和检索速度，将整个待检索图像划分为适当数量的多个子区域图像，划分后的子区域图像的数量通常为20个。S2，提取每一个子区域图像的区域特征，并将每一个区域特征量化为对应的视觉单词。步骤S1对待检索图像进行了划分后，本步骤针对每一个子区域图像，提取每一个子区域图像的区域特征。区域特征的种类很多，本实施例中的区域特征主要包括深度学习特征和纹理特征。因此，本实施例在对每一个子区域图像提取区域特征时，主要提取每一个子区域图像的深度学习特征和纹理特征。本实施例采用Siamese网络训练的方法提取每一个子区域图像的深度学习特征，并将提取的深度学习特征生成深度学习特征码本，还提取待检索图像的每一个子区域图像的纹理特征。根据提取的每一个子区域图像的深度学习特征，将每一个深度学习特征量化为对应的视觉单词，其中，深度学习特征与视觉单词的关系为：多个深度学习特征对应一个视觉单词。其中，深度学习特征与视觉单词之间的对应关系可存储在数据库中。需要说明的是，在进行图像的检索之前，先将标准数据库中的每一个模板图像按照同样的超像素分割方法均匀划分为多个子区域图像，以及提取每一个模板图像的每一个子区域图像的深度学习特征和纹理特征，并将提取的每一个深度学习特征量化为对应的视觉单词。按照视觉单词为索引，将视觉单词以及与其对应的模板图像标识和该子区域图像的纹理特征均存储于数据库的倒排表中。本实施例提取待检索图像的每一个子区域图像的区域特征，待检索图像的每一个子区域特征对应有一个区域特征，因此，如果将待检索图像划分为20个子区域图像，则对应提取的待检索图像的区域特征为20个，相比于提取待检索图像的众多个局部特征，提取待检索图像的区域特征的个数会大大减少，因此，数据库倒排表的内存开销也会大大减小。S3，遍历每一个区域特征对应的视觉单词，在数据库倒排表中检索每一个模板图像包含所述视觉单词的个数，将包含视觉单词个数最多的模板图像作为检索结果图像。上述步骤S2提取到待检索图像的每一个子区域图像的深度学习特征和纹理特征，以及将每一个深度学习特征量化为对应的视觉单词，得到与该待检索图像对应的多个视觉单词。根据每一个视觉单词在数据库的倒排表中进行检索，将待检索图像对应的多个视觉单词遍历一遍，记录数据库倒排表中的每一个模板图像包含这些视觉单词的个数；以及将待检索图像的每一个子区域图像的对应的纹理特征在数据库的倒排表中遍历一遍，记录数据库倒排表中的每一个模板图像包含这些纹理特征的个数。得到每一个模板图像包含视觉单词的个数和包含纹理特征的个数，按照预定计算方式计算出对应的数值，将数值最大的模板图像确定为检索结果图像。具体的，本实施例根据预设的视觉单词的权重系数和预设的纹理特征的权重系数，对视觉单词的个数和纹理特征的个数进行权重计算，得到权重计算后的数值，将计算出来的数值最大的模板图像确定为最终的检索结果图像。下面以一个具体的例子来说明本实施例的图像检索过程：假设将待检索图像按照超像素分割的方法划分为20个子区域图像，提取这20个子区域图像的深度学习特征和纹理特征，得到20个深度学习特征和20个纹理特征。将每一个深度学习特征进行量化为对应的视觉单词，由于多个深度学习特征可能对应一个视觉单词，因此，20个深度学习特征可能会量化为15个视觉单词，此时对于待检索图像，对应有15个视觉单词和20个纹理特征。针对于15个视觉单词，将每一个视觉单词在数据库的倒排表中进行遍历，假设数据库的倒排表中有本文档来自技高网...

【技术保护点】
一种基于区域特征的图像检索方法，其特征在于，包括：S1，将输入的待检索图像划分为多个子区域图像；S2，提取每一个所述子区域图像的区域特征，并将每一个区域特征量化为对应的视觉单词；S3，遍历每一个区域特征对应的视觉单词，在数据库倒排表中检索每一个模板图像包含所述视觉单词的个数，将包含视觉单词个数最多的模板图像作为检索结果图像。

【技术特征摘要】
1.一种基于区域特征的图像检索方法，其特征在于，包括：S1，将输入的待检索图像划分为多个子区域图像；S2，提取每一个所述子区域图像的区域特征，并将每一个区域特征量化为对应的视觉单词；S3，遍历每一个区域特征对应的视觉单词，在数据库倒排表中检索每一个模板图像包含所述视觉单词的个数，将包含视觉单词个数最多的模板图像作为检索结果图像。2.如权利要求1所述的基于区域特征的图像检索方法，其特征在于，所述步骤S1具体包括：按照超像素分割的方法将待检索图像均匀划分为多个子区域图像。3.如权利要求2所述的基于区域特征的图像检索方法，其特征在于，所述步骤S2具体包括：S21，针对均匀划分后的每一个子区域图像，提取每一个子区域图像的深度学习特征和纹理特征，得到多个深度学习特征和多个纹理特征；S22，将每一个深度学习特征量化为对应的视觉单词，得到所述待检索图像的每一个子区域图像对应的视觉单词。4.如权利要求3所述的基于区域特征的图像检索方法，其特征在于，所述步骤S1之前还包括：将数据库中的每一个模板图像划分为多个子区域图像，并提取出每一个子区域图像的深度学习特征和纹理特征；将每一个子区域图像对应的深度学习特征量化为对应的视觉单词；按照视觉单词为索引，将视觉单词以及与其对应的模板图像标识和该子区域图像的纹理特征均存储于数据库的倒排表中。5.如权利要求4所述的基于区域特征的图像检索方法，其特征在于，所述步骤S3具体包括：S31，针对待检索图像的每一个子区域图像对应的视觉单词，从数据库的倒排表中检索每一个模板图像包含所述视觉单词的个数；S32，根据待检索图像的每一个字区域图像对应的纹理特征，从数据库倒排表中检索每一个模板图像包含所述纹理特征的个数；S33，根据每一个模板图像包含的视觉单词的个数以及纹理特征的个数，按照预定计算方式计算出对应的数值；S34，将数值最大的模板图像确定为检索结果图像。6.如权利要求5所述的基于区域特征的图像检索方法，其特征在于，所述步骤S33具体包括：根据预设的视觉单词的权重系数和预设的纹理特征的权重系数，对所述视觉单词的个数和所述纹理特征的个数进行权重计算，得到权重计算后的数值。7.一种基于区域特征的图像检索系统，其特征在于，包括：图像划分模块，用于将输入的...

【专利技术属性】
技术研发人员：王生进，刘紫琼，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11