一种联合稳定区域与深度学习的重排序方法技术

本发明专利技术提供一种联合稳定区域与深度学习的重排序方法，包括以下步骤：根据图像稳定极值区域原理，将图像初始检索结果中的图像集进行稳定极值区域的提取,对得到处理后的图像归一化,计算图像之间的相似并构建相似矩阵,使用VisualRank建立图像重排序的模型,选择合适的阈值d对每次查询的参数进行调节。本发明专利技术提供一种针对在图像检索初始结果的改进方法，在图像搜索领域中能够提供具有价值的图像信息，在原始搜索结果的基础上，通过调整搜索结果的排列顺序，可以在很大程度上提高用户对搜索结果的满意程度。

A reordering method for joint stable region and deep learning

The present invention provides a method for reordering joint stable region and deep learning, which comprises the following steps: according to the principle of image to extract the stable extremal region, stable extremal region image image retrieval results in the initial set of image normalization processing, calculating the similarity between image and construct similarity matrix, the use of VisualRank establish image reranking model, choosing appropriate parameters of the threshold to adjust each query to d. The present invention provides a method for improving the retrieval results in the initial image, can provide the image information has value in the field of image search, based on the original search results, search results by adjusting the order, can improve the user satisfaction of the search results to a great extent.

【技术实现步骤摘要】
一种联合稳定区域与深度学习的重排序方法
本专利技术涉及数字图像处理的
，特别是一种联合稳定区域与深度学习的重排序方法。
技术介绍
基于图像稳定极值区域与卷积神经网络的图像重排序方法，属于数字图像处理领域。提供一种针对在图像检索初始结果的改进方法，在图像搜索领域中能够提供具有价值的图像信息。图像重排序是数字图像处理与计算机视觉领域的一项基本研究问题，它成为图像分析与视觉计算的研究基础。信息爆炸性增长和社会贡献媒体内容广泛的在互联网上可访问，导致在多媒体搜索研究活动激增。适用文本搜索技术的多媒体搜索的方法都取得了有限的成功，因为他们完全忽略了视觉内容作为排名依据。多媒体搜索重新排序，，近年来其中基于多线索视觉重新排序，以提高初始纯文本搜索文件，已获得越来越多的关注。这样的问题是困难的，因为最初的搜索结果往往有噪音很大。发现知识或视觉从这样的嘈杂排名列表模式来引导的重新排序过程是困难的。无数的技术已被开发用于视觉搜索重新排名。观察研究发现，在实际的搜索过程中，用户不仅关心搜索结果的正确性，更希望正确的搜索结果出现在整个搜索排序的前面位置，槽糕的排序情况会很大程度地影响到用户的搜索体验本文档来自技高网...

【技术保护点】
一种联合稳定区域与深度学习的重排序方法，包括以下步骤：步骤1：根据图像稳定极值区域原理，将图像初始检索结果中的图像集进行稳定极值区域的提取；步骤2：对得到处理后的图像归一化；步骤3：计算图像之间的相似并构建相似矩阵；步骤4：使用VisualRank建立图像重排序的模型；步骤5：选择合适的阈值d对每次查询的参数进行调节。

【技术特征摘要】
1.一种联合稳定区域与深度学习的重排序方法，包括以下步骤：步骤1：根据图像稳定极值区域原理，将图像初始检索结果中的图像集进行稳定极值区域的提取；步骤2：对得到处理后的图像归一化；步骤3：计算图像之间的相似并构建相似矩阵；步骤4：使用VisualRank建立图像重排序的模型；步骤5：选择合适的阈值d对每次查询的参数进行调节。2.如权利要求1所述的联合稳定区域与深度学习的重排序方法，其特征在于：所述步骤1包括以下子步骤：步骤11：对图像像素按照灰度值进行排序；步骤12：将排序后的所述图像像素放入图像中，采用合并一查找算法维护连通区域的列表和面积；步骤13：对任意连通区域Qi进行判断，确定最大稳定极值区域，其中，Qi是指极值区域；步骤14：把提取的所述最大稳定极值区域和图像背景进行二值化生成二值图像。3.如权利要求2所述的联合稳定区域与深度学习的重排序方法，其特征在于：所述步骤12还包括利用ComponentTree的数据结构组织极值区域之间的关系。4.如权利要求2所述的联合稳定区域与深度学习的重排序方法，其特征在于：所述判断规则为当阑值在[i-Δ，i+Δ]范围内变化时，具有极小的区域面积变化率q(...

【专利技术属性】
技术研发人员：刘宏哲，袁家政，赵小艳，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京,11