一种基于多特征融合的图像检索方法技术

本发明专利技术提出了一种基于多特征融合的图像检索方法，其步骤如下：获取目标图像I，并计算目标图像I的图像特征：提取目标图像I的颜色特征，并存入图像的颜色特征库；提取目标图像I的形状特征，并存入图像的形状特征库；提取目标图像I的纹理特征，并存入图像的纹理特征库；目标图像I与图像数据集的相似度计算，得到最终检索结果。本发明专利技术的有益效果如下：使得用户能够根据检索图像获取类似的家居方案图像。该方法针对现有单一特征的不足，应对家居行业的特征集的组合，在实际的家居场景下，能够提高单一特征检索的效率，改善单一特征覆盖不足的问题。能够提高家居产品图像的搜索效率，节约用户查找家居方案的时间，改善用户的实际搜索体验。

【技术实现步骤摘要】
一种基于多特征融合的图像检索方法
本专利技术涉及图像检索
，特别是指一种基于多特征融合的图像检索方法。
技术介绍
基于内容的图像检索方法是指利用图像本身具有的视觉特征和空间关系等信息，建立图像的高维特征矢量库，根据图像的高维特征矢量进行匹配，返回用户的图像检索结果。该方法与基于文本的图像检索方法相比，检索的结果更为有效。图像特征根据逻辑类型的划分，可以分为颜色特征、纹理特征和形状特征三大类。其中颜色特征是应用最为广泛的图像特征之一，能够为图像搜索提供基于颜色分类的功能；纹理特征着重描述图像块中的纹理模式；而形状特征主要描述图像中的结构特点。在图像搜索中，图像特征作为底层信息，支撑目标图像I的检索。基于单一特征的图像检索方法，可以在某一个特征方面有较高的效率，但是在面对复杂多变、类别不一的自然场景时，往往就显露出不足之处。因此，融合多种图像特征的检索方法，在工程实际应用中有着迫切的需求。在具体应用场景下，融合多种图像特征的一个难题在于图像特征方法的选择，不同图像特征提取方法，对特征的表现形式不尽相同，最终导致对图像含义的理解存有不同，从而影响应用场景下的图像检索效果。
技术实现思路
本专利技术提出一种基于多特征融合的图像检索方法，解决了现有技术中融合多种图像特征检索方法不完善的问题。本专利技术的技术方案是这样实现的：一种基于多特征融合的图像检索方法，其方法步骤如下：(1)获取目标图像I，并计算目标图像I的图像特征1)提取目标图像I的颜色特征，并存入图像的颜色特征库①将目标图像I从RGB颜色空间按照标准转换公式转换到HSV颜色空间；②将转换到HSV颜色空间的目标图像I按照式和进行第一步量化，将色调H量化到7个区间，亮度V和饱和度S分别量化到3个区间；③依据式L＝9H+3S+V将目标图像I的RGB值通过量化映射到HSV的63种颜色空间中；对目标图像I进行分块处理，每块图像根据其所包含信息量的多少赋予不同的权重，每块图像的颜色直方图用H(Ik)表示，每块图像对应的权重用wk表示，则整个图像的分块加权颜色直方图为其中n为对所述目标图像I的分块数，④对所述整个图像的分块加权颜色直方图进行归一化处理，并作为目标图像I的颜色特征存入图像的颜色特征库；2)提取目标图像I的形状特征，并存入图像的形状特征库①将目标图像I的原始彩色图像采用DomainTransform方法进行边缘增强，其中参数sigma_s＝10，sigma_r＝0.15；②将边缘增强后的目标图像I按照标准公式转换为灰度图像，将所述灰度图像采用双线性差值方法进行缩放；对缩放后的灰度图像采用canny边缘算子进行边缘检测；③计算所述灰度图像每个轮廓点处的梯度模和梯度方向：采用式的模板对所述灰度图像进行sobel算子滤波，得到所述灰度图像的水平梯度和竖直梯度进而得到所述灰度图像的梯度模所述灰度图像的梯度方向为依据上述边缘检测的结果得到所述灰度图像在每个轮廓点处的梯度模和梯度方向；④对所述灰度图像进行多尺度处理，采用金字塔分割方法，将所述灰度图像分割成L层，每一层划分成2l(l＝0,...,L)块，在所述灰度图像第l层第n块的轮廓点处，累加某一梯度方向区间的梯度模值作为该梯度方向区间的统计值，遍历所述灰度图像的所有轮廓点和梯度方向区间，所述灰度图像第l层第n块的统计梯度方向直方图为⑤将所述灰度图像所有图像块的梯度方向直方图进行拼接合并，得到完整的梯度方向直方图⑥将所述灰度图像完整的梯度方向直方图H(I)进行归一化，得到维数为的形状特征向量，并作为目标图像I的形状特征，存入图像的形状特征库；3)提取目标图像I的纹理特征，并存入图像的纹理特征库①分别计算目标图像I每个像素点的粗糙度、对比度和方向性；②将目标图像I的一个通道进行大小为2*m的方块均值滤波，其中m＝1,2,3,4,5，从而得到5个不同均值滤波图像分别计算5个不同均值滤波图像的水平差异图像和其中③将所述通道的每个像素(x,y)处计算得到10个ET,R(x,y)值，从中选择最大值作为像素(x,y)处的粗糙度值，即其中m＝1,2,3,4,5；④在所述通道像素(x,y)的7*7窗口中统计像素(x,y)的均值方差在所述通道像素(x,y)的7*7窗口中统计像素(x,y)的四次差则所述通道像素(x,y)处的对比度值为⑤将所述通道按照式的模板卷积得到所述通道的水平梯度和竖直梯度进一步计算得到所述通道像素(x,y)处的方向性值⑥累加所述像素(x,y)处R、G、B三个通道的粗糙度值、对比度值和方向性值，得到所述像素(x,y)处的通道无关粗糙度值、对比度值和方向性值；⑦将所述目标图像I的粗糙度、对比度和方向性都均匀量化到g个区间，则所述目标图像I粗糙度、对比度和方向性的取值区间变为[0,g-1]；⑧联合粗糙度、对比度和方向性，确定像素(x,y)在纹理直方图中的对应区间将每个像素在对应的区间上进行累加，得到累加的纹理直方图HT(IT)，其中HT(IT)的维度为g*g*g；⑨将所述g*g*g维的纹理直方图HT(IT)进行归一化，得到所述目标图像I的纹理特征，存入图像的纹理特征库；(2)目标图像I与图像数据集的相似度计算1)输入一张检索图像Q，分别提取其颜色特征XC、形状特征XS和纹理特征XT，计算XC与颜色特征库中各特征YC的线性核距离线计算XS与形状特征库中各特征YS的欧式距离计算XT与纹理特征库中各特征YT的JSD距离其中d为对应特征的维度；2)随机抽取图像库中的两两图像对Qr1和Qr2，计算所述图像对的颜色特征距离得到抽样集合进一步得到抽样集合的样本均值和样本标准差，重复这个过程，得到样本均值的平均值，即为dC的高斯分布均值μC，dC的标准差σC；按照上述操作步骤，同理可得dS的高斯分布均值μS、标准差σS，dT的高斯分布均值μT、标准差σT；依据分别将dC、dS、dT转换到标准高斯分布；3)将上述三种距离量dC、dS、dT采用权值的方法融合得到dmerge＝wCdC+wSdS+wTdT,wC+wS+wT＝1；4)对计算得到的距离dmerge进行排序，取前P个数据，即取前P幅图像作为检索结果。作为优选，所述步骤(1)中步骤2)中步骤②的灰度图像缩放比例不大于500。图像的颜色、形状、纹理三种类别特征分别对应人类不同感知的图像内容属性。本方案中，首先单独计算三种类别的图像特征，然后在相似度计算的过程中融合三种特征信息，得出综合的相似度计算结果。首先使用颜色直方图提取图像的颜色特征，使用分层梯度方向直方图提取图像的形状特征，使用tamura纹理表示提取图像的纹理特征，最后使用权重融合的方法将颜色、形状和纹理特征融合进行检索。本专利技术的有益效果为：使得用户能够根据检索图像获取类似的家居方案图像。该方法针对现有单一特征的不足，应对家居行业的特征集的组合，在实际的家居场景下，能够提高单一特征检索的效率，改善单一特征覆盖不足的问题。能够提高家居产品图像的搜索效率，节约用户查找家居方案的时间，改善用户的实际搜索体验。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的本文档来自技高网...

【技术保护点】
1.一种基于多特征融合的图像检索方法，其特征在于，其方法步骤如下：(1)获取目标图像I，并计算目标图像I的图像特征1)提取目标图像I的颜色特征，并存入图像的颜色特征库①将目标图像I从RGB颜色空间按照标准转换公式转换到HSV颜色空间；②将转换到HSV颜色空间的目标图像I按照式

【技术特征摘要】
1.一种基于多特征融合的图像检索方法，其特征在于，其方法步骤如下：(1)获取目标图像I，并计算目标图像I的图像特征1)提取目标图像I的颜色特征，并存入图像的颜色特征库①将目标图像I从RGB颜色空间按照标准转换公式转换到HSV颜色空间；②将转换到HSV颜色空间的目标图像I按照式和进行第一步量化，将色调H量化到7个区间，亮度V和饱和度S分别量化到3个区间；③依据式L＝9H+3S+V将目标图像I的RGB值通过量化映射到HSV的63种颜色空间中；对目标图像I进行分块处理，每块图像根据其所包含信息量的多少赋予不同的权重，每块图像的颜色直方图用H(Ik)表示，每块图像对应的权重用wk表示，则整个图像的分块加权颜色直方图为其中n为对所述目标图像I的分块数，④对所述整个图像的分块加权颜色直方图进行归一化处理，并作为目标图像I的颜色特征存入图像的颜色特征库；2)提取目标图像I的形状特征，并存入图像的形状特征库①将目标图像I的原始彩色图像采用DomainTransform方法进行边缘增强，其中参数sigma_s＝10，sigma_r＝0.15；②将边缘增强后的目标图像I按照标准公式转换为灰度图像，将所述灰度图像采用双线性差值方法进行缩放；对缩放后的灰度图像采用canny边缘算子进行边缘检测；③计算所述灰度图像每个轮廓点处的梯度模和梯度方向：采用式的模板对所述灰度图像进行sobel算子滤波，得到所述灰度图像的水平梯度和竖直梯度进而得到所述灰度图像的梯度模所述灰度图像的梯度方向为依据上述边缘检测的结果得到所述灰度图像在每个轮廓点处的梯度模和梯度方向；④对所述灰度图像进行多尺度处理，采用金字塔分割方法，将所述灰度图像分割成L层，每一层划分成2l(l＝0,...,L)块，在所述灰度图像第l层第n块的轮廓点处，累加某一梯度方向区间的梯度模值作为该梯度方向区间的统计值，遍历所述灰度图像的所有轮廓点和梯度方向区间，所述灰度图像第l层第n块的统计梯度方向直方图为⑤将所述灰度图像所有图像块的梯度方向直方图进行拼接合并，得到完整的梯度方向直方图⑥将所述灰度图像完整的梯度方向直方图H(I)进行归一化，得到维数为的形状特征向量，并作为目标图像I的形状特征，存入图像的形状特征库；3)提取目标图像I的纹理特征，并存入图像的纹理特征库①分别计算目标图像I每个像素点的粗糙度、对比度和方向性；②将目标图像I的一个通道进行大小为2*m的方块均值滤波，其中m＝1,...

【专利技术属性】
技术研发人员：栾雄，张闻强，徐念龙，杨莹，
申请(专利权)人：上海得见计算机科技有限公司，
类型：发明
国别省市：上海,31