一种基于稀疏表示的图像检索方法和装置制造方法及图纸

本发明专利技术提供了一种基于稀疏表示的图像检索方法和装置，该方法包括步骤S1，输入图像集，对图像集中的输入图像进行预处理；步骤S2，采用群稀疏特征选择策略，选择出输入图像和图像数据库的特征信息，构成图像特征库；步骤S3，根据输入图像的特征和图像数据库中的特征进行特定的度量比较，计算出相似度，得出初次匹配结果；步骤S4，根据相似度的大小输出与输入图像相似的图像。与现有技术比较本发明专利技术的有益效果在于：提取的特征采用了图像的颜色、纹理和方向特征，可以更加准确地表达图像的真实内容，改善图像检索的性能。采用群稀疏特征选择策略提出了一种特征选优的方法，可以自主选择最优特征进行特征匹配，提高了图像检索系统的精度。

An image retrieval method and device based on sparse representation

The present invention provides an image retrieval method and device based on sparse representation. The method includes step S1, input image set, preprocessing the input image of the image center; step S2, select the group sparse feature selection strategy, select the feature information of the input image and the image database, and form the image feature library; Suddenly S3, according to the characteristics of the input image and the characteristics of the image database to compare the specific measurement, the similarity is calculated and the first match result is obtained. Step S4, according to the size of the similarity, output the image similar to the input image. Compared with the existing technology, the beneficial effect of the invention is that the extracted features adopt the color, texture and direction features of the image, which can more accurately express the true content of the image and improve the performance of the image retrieval. A method of feature selection is proposed by using the group sparse feature selection strategy, which can select the optimal feature to match the features independently and improve the accuracy of the image retrieval system.

【技术实现步骤摘要】
一种基于稀疏表示的图像检索方法和装置
本专利技术涉及图像检索
，尤其涉及一种基于稀疏表示的图像检索方法和装置。
技术介绍
随着数字影像技术与互联网技术的迅速发展，互联网上有约数以百亿的图像，并且每天都在以数百万的速度增长。如何设计一种从海量图片中快速有效地检索出用户需要的图片的方法有着巨大的现实意义，这也是图像检索领域关注的内容。传统的基于文本的图像检索诞生于上世纪70年代，通过人为的对图像进行分析，对图像内容进行文字标注，进而就可以将图像的检索问题转化为技术成熟、效率高的文本检索问题。但是传统的检索方法不仅描述能力有限，而且对图像的描述也存在主观性。这些局限引出了后来的基于内容的图像检索，这种技术采用一些特定的特征提取算法抽取图像的底层特征形成一个特征库，进而提取查询图像的特征与特征库进行匹配以便于寻找最为相似的图像。基于内容的图像检索不需要人为主观分析，通过计算机自动实现特征提取和匹配，大大提高了图像检索的效率。虽然这种技术得到了广泛的研究，各大公司和企业也都研发了自己的图像检索系统。但是一副图像中所包含的特征信息是非常丰富的，简单的提取一种或者几种特征组合并不能有效表示图像，而且对于过度提取特征带来的冗余信息也给图像检索系统带来了挑战。鉴于上述缺陷，本专利技术创作者经过长时间的研究和试验,最终获得了本专利技术。
技术实现思路
本专利技术的目的在于提供一种基于稀疏表示的图像检索方法和装置用以克服上述技术缺陷。为实现上述目的，本专利技术采用的技术方案在于：一方面提供了一种基于稀疏表示的图像检索方法，该方法包括以下步骤：步骤S1，输入图像集，对所述图像集中的输入图像进行预处理；步骤S2，采用群稀疏特征选择策略，选择出所述输入图像和图像数据库的特征信息，构成图像特征库；步骤S3，根据所述输入图像的特征和所述图像数据库中的特征进行特定的度量比较，计算出相似度，得出初次匹配结果；步骤S4，根据所述相似度的大小输出与所述输入图像相似的图像。较佳的，所述步骤S1包括以下步骤：步骤S11，输入图像集；步骤S12，对所述图像集中的所有输入图像进行尺寸大小归一化；步骤S13，对所述图像数据库中模糊图像进行图像恢复处理；步骤S14，将所述图像集中未进行语义标注的输入图像进行语义标注，使得每幅所述输入图像均有相应的关键字信息；步骤S15，利用谱残差模型对所述图像数据库中的图像进行显著性检测，并获得显著性区域。较佳的，所述步骤S2包括以下步骤：步骤S21，根据图像数据库的关键字信息将所述图像数据库中第一幅图像与其余图像进行比较，如果有大于三分之二关键字信息的，则生成所述第一幅图像的一个相似序列，成为最近序列；如果没有关键字相同的，则生成所述第一幅图像的一个不相似序列，成为最远序列；步骤S22，将所述最近序列与所述最远序列中图像的显著性区域分别和所述第一幅图像的显著性区域进行欧式距离比较，选m幅距离最近的图像与所述第一幅图像组成相似对，选m幅距离最远的图像与所述第一幅图像组成不相似对，得出关于所述第一幅图像的所有相似对和不相似对；步骤S23，依次对所述图像数据库中第二幅图像到最后一幅图像重复以上操作，最终得到所述图像数据库的所有相似对和不相似对图像；步骤S24，将相似对赋予1，不相似对赋予-1，得到一个相似性度量向量Y；步骤S25，将所得图像对列分为两个图像列L1与L2，然后分别提取特征，对于同一类特征串联形成特征矩阵A和B，最后相减形成特征差异矩阵X；步骤S26，根据所述特征差异矩阵X和所述相似性度量向量Y，利用群稀疏逻辑回归模型计算出权重向量w；步骤S27，根据所述权重向量w中非0群对应为特征差异矩阵X位置上的特征即为选出的特征，进而构成图像特征库。较佳的，所述步骤S3包括以下步骤：步骤S31，求出所述输入图像的特征与所述图像数据库中的特征之间的欧式距离；步骤S32，将得出的所述欧式距离进行归一化处理。较佳的，所述步骤S1包括以下步骤：步骤S41，根据所述输入图像的颜色、纹理和方向的距离，计算出最终的相似度；步骤S42，根据所述最终的相似度的大小输出相似图像。又一方面提供了一种基于稀疏表示的图像检索装置，该装置包括：输入图像预处理单元，用于输入图像集，对所述图像集中的输入图像进行预处理；特征选择单元，用于采用群稀疏特征选择策略，选择出所述输入图像和图像数据库的特征信息，构成图像特征库；比较计算单元，用于根据所述输入图像的特征和所述图像数据库中的特征进行特定的度量比较，计算出相似度，得出初次匹配结果；输出图像单元，根据所述相似度的大小输出与所述输入图像相似的图像。较佳的，所述输入图像预处理单元包括：图像输入模块，用于输入图像集；图像归一化模块，用于对所述图像集中的所有输入图像进行尺寸大小归一化；图像修复模块，用于对所述图像数据库中模糊图像进行图像恢复处理；图像语义标注模块，用于将所述图像集中未进行语义标注的输入图像进行语义标注，使得每幅所述输入图像均有相应的关键字信息；图像显著性检测模块，用于利用谱残差模型对所述图像数据库中的图像进行显著性检测，并获得显著性区域。较佳的，所述特征选择单元包括：序列生成模块，用于根据图像数据库的关键字信息将所述图像数据库中第一幅图像与其余图像进行比较，如果有大于三分之二关键字信息的，则生成所述第一幅图像的一个相似序列，成为最近序列；如果没有关键字相同的，则生成所述第一幅图像的一个不相似序列，成为最远序列；距离比较模块，用于将所述最近序列与所述最远序列中图像的显著性区域分别和所述第一幅图像的显著性区域进行欧式距离比较，选m幅距离最近的图像与所述第一幅图像组成相似对，选m幅距离最远的图像与所述第一幅图像组成不相似对，得出关于所述第一幅图像的所有相似对和不相似对；重复操作模块，用于依次对所述图像数据库中第二幅图像到最后一幅图像重复以上操作，最终得到所述图像数据库的所有相似对和不相似对图像；相似性度量向量形成模块，用于将相似对赋予1，不相似对赋予-1，得到一个相似性度量向量Y；特征差异矩阵形成模块，用于将所得图像对列分为两个图像列L1与L2，然后分别提取特征，对于同一类特征串联形成特征矩阵A和B，最后相减形成特征差异矩阵X；权重向量计算模块，用于根据所述特征差异矩阵X和所述相似性度量向量Y，利用群稀疏逻辑回归模型计算出权重向量；图像特征库形成模块，用于根据所述权重向量w中非0群对应为特征差异矩阵X位置上的特征即为选出的特征，进而构成图像特征库。较佳的，所述比较计算单元包括：欧式距离计算模块，用于求出所述输入图像的特征与所述图像数据库中的特征之间的欧式距离；归一化处理模块，用于将得出的所述欧式距离进行归一化处理。较佳的，所述输出图像单元包括：最终的相似度计算模块，用于根据所述输入图像的颜色、纹理和方向的距离，计算出最终的相似度；输出图像模块，用于根据所述最终的相似度的大小输出相似图像。与现有技术比较本专利技术的有益效果在于：一种基于稀疏表示的图像检索方法和装置，优越性体现在：(1)提取的特征采用了图像的颜色、纹理和方向特征，可以更加准确地表达图像的真实内容，改善图像检索的性能。(2)采用群稀疏特征选择策略提出了一种特征选优的方法，可以自主选择最优特征进行特征匹配，提高了图像检索系统的精度。(3)对图像进行了显本文档来自技高网...

【技术保护点】
1.一种基于稀疏表示的图像检索方法，其特征在于，该方法包括以下步骤：步骤S1，输入图像集，对所述图像集中的输入图像进行预处理；步骤S2，采用群稀疏特征选择策略，选择出所述输入图像和图像数据库的特征信息，构成图像特征库；步骤S3，根据所述输入图像的特征和所述图像数据库中的特征进行特定的度量比较，计算出相似度，得出初次匹配结果；步骤S4，根据所述相似度的大小输出与所述输入图像相似的图像。

【技术特征摘要】
1.一种基于稀疏表示的图像检索方法，其特征在于，该方法包括以下步骤：步骤S1，输入图像集，对所述图像集中的输入图像进行预处理；步骤S2，采用群稀疏特征选择策略，选择出所述输入图像和图像数据库的特征信息，构成图像特征库；步骤S3，根据所述输入图像的特征和所述图像数据库中的特征进行特定的度量比较，计算出相似度，得出初次匹配结果；步骤S4，根据所述相似度的大小输出与所述输入图像相似的图像。2.根据权利要求1所述的一种基于稀疏表示的图像检索方法，其特征在于，所述步骤S1包括以下步骤：步骤S11，输入图像集；步骤S12，对所述图像集中的所有输入图像进行尺寸大小归一化；步骤S13，对所述图像数据库中模糊图像进行图像恢复处理；步骤S14，将所述图像集中未进行语义标注的输入图像进行语义标注，使得每幅所述输入图像均有相应的关键字信息；步骤S15，利用谱残差模型对所述图像数据库中的图像进行显著性检测，并获得显著性区域。3.根据权利要求2所述的一种基于稀疏表示的图像检索方法，其特征在于，所述步骤S2包括以下步骤：步骤S21，根据图像数据库的关键字信息将所述图像数据库中第一幅图像与其余图像进行比较，如果有大于三分之二关键字信息的，则生成所述第一幅图像的一个相似序列，成为最近序列；如果没有关键字相同的，则生成所述第一幅图像的一个不相似序列，成为最远序列；步骤S22，将所述最近序列与所述最远序列中图像的显著性区域分别和所述第一幅图像的显著性区域进行欧式距离比较，选m幅距离最近的图像与所述第一幅图像组成相似对，选m幅距离最远的图像与所述第一幅图像组成不相似对，得出关于所述第一幅图像的所有相似对和不相似对；步骤S23，依次对所述图像数据库中第二幅图像到最后一幅图像重复以上操作，最终得到所述图像数据库的所有相似对和不相似对图像；步骤S24，将相似对赋予1，不相似对赋予-1，得到一个相似性度量向量Y；步骤S25，将所得图像对列分为两个图像列L1与L2，然后分别提取特征，对于同一类特征串联形成特征矩阵A和B，最后相减形成特征差异矩阵X；步骤S26，根据所述特征差异矩阵X和所述相似性度量向量Y，利用群稀疏逻辑回归模型计算出权重向量w；步骤S27，根据所述权重向量w中非0群对应为特征差异矩阵X位置上的特征即为选出的特征，进而构成图像特征库。4.根据权利要求3所述的一种基于稀疏表示的图像检索方法，其特征在于，所述步骤S3包括以下步骤：步骤S31，求出所述输入图像的特征与所述图像数据库中的特征之间的欧式距离；步骤S32，将得出的所述欧式距离进行归一化处理。5.根据权利要求4所述的一种基于稀疏表示的图像检索方法，其特征在于，所述步骤S1包括以下步骤：步骤S41，根据所述输入图像的颜色、纹理和方向的距离，计算出最终的相似度；步骤S42，根据所述最终的相似度的大小输出相似图像。6.一种基于稀疏表示的图像检索装置，其特征在于，该装置包括：输入图像预处理单元，用...

【专利技术属性】
技术研发人员：郜小攀，许飞月，陈乐焱，陶波，
申请(专利权)人：广东精点数据科技股份有限公司，
类型：发明
国别省市：广东,44