一种检索精度评价方法技术

本发明专利技术涉及图像检索技术领域，具体涉及一种检索精度评价方法，包括：接收用户发送的查询图片，根据查询图片中包含检索对象的对象区域M1，从图片数据库中获得图片，并将所获得的图片作为初始判断图片，判断初始判断图片的图片检索精度是否大于第一预设图片检索精度，若为是，根据初始判断图片，生成图片检索结果，若为否，则重新获得查询图片的对象区域M2，并获得对象区域M2的独特性子区域，根据对象区域M2和独特性子区域，从图片数据库中选择图片，将初始判断图片更新为所选择的图片，并继续执行判断初始判断图片的图片检索精度是否大于第一预设图片检索精度的步骤。应用本发明专利技术实施例提供的技术方案，能够获得包含同一检索对象的图片。

【技术实现步骤摘要】
一种检索精度评价方法
本专利技术涉及图像检索
，具体涉及一种检索精度评价方法。
技术介绍
图像检索结果质量评价是图像检索领域研究的前沿问题。该技术试图在没有相关信息(即未知检索返回结果与查询的相关程度)的情况下，评估检索系统对某一查询其返回结果的质量高低程度。检索结果质量评价能够同时对用户和检索系统产生积极的影响。从用户的角度讲，该技术可以起到桥梁的作用，使得用户能够与检索系统互动，以便获得更好地检索结果；对检索系统来说，在理想情况下，如果一个检索系统能够自动预测某一查询的性能，那么它就可以自动地调整其参数或者算法来适应不同的查询，从而提供更好的检索性能。相对于长期在检索模型上的探索，图像检索查询性能预测的研究还处于初级阶段。最初关于图像检索查询性能预测的研究是基于文本信息的，主要通过研究检索返回图片周围的文本信息(上下文文本，图片URL等)与输入查询文本之间的相互关系，例如词汇的具体性、一般性、歧义性和生动性等，来评估检索结果质量。这些研究主要存在一个重大问题：忽略了图片的视觉内容而仅仅考虑文本信息，然而文本信息往往包含很多“噪声”。目前大部分研究还是基于检索返回图片之间潜在的视觉统计特性出发的。这类方法的主要做法是先将图片表示成由视觉单词组成的文档，然后借用文本分析方法统计一些有关返回图片之间的潜在特性，例如计算由返回图片构成的语言模型和由整个图片集构成的语言模型两者的概率分布差异性；估计返回图片之间的空间一致性；研究针对检索返回列表排名靠前的图片间视觉一致性；以及研究返回图片的视觉相似性分布等等，最后将这些得到的统计特性值作为图像检索结果质量的评估值。上述方法的研究在一定程度上极大地推动了图像检索查询性能预测技术的发展。但是这些方法仍然存在不足之处，它们缺乏将用户输入文本查询考虑在内，因而也没有对用户输入查询与返回图片之间的潜在关系进行很好得研究。
技术实现思路
因此，本专利技术要解决的技术问题在于克服现有技术中假体瓣膜的血流动力学性能仍不理想，容易因局部湍流或滞留导致血栓形成的缺陷，从而提供一种检索精度评价方法。本专利技术的上述技术目的是通过以下技术方案得以实现的：一种检索精度评价方法，包括以下步骤：接收用户发送的查询图片；获得所述查询图片中包含检索对象的对象区域M1；根据所述对象区域M1，从图片数据库中获得图片，并将所获得的图片作为初始判断图片；具体地，获得所述对象区域M1的特征T1和图片数据库中每一图片的特征T2，其中，所述特征T2为：所述图片数据库中的每一图片中包含对象的区域的特征；根据所述特征T1和所述特征T2，计算所述图片数据库中的每一图片与所述查询图片之间的相似度S1；根据所述相似度S1，从所述图片数据库中获得图片；判断所述初始判断图片的图片检索精度是否大于第一预设图片检索精度；若为否，则重新获得所述查询图片的对象区域M2，并获得所述对象区域M2的独特性子区域，其中，所述对象区域M2与已获得的对象区域不同，所述独特性子区域为所述对象区域M2内具有显著性特征的区域；根据所述对象区域M2和所述独特性子区域，从所述图片数据库中选择图片，将所述初始判断图片更新为所选择的图片，并执行所述判断所述初始判断图片的图片检索精度是否大于第一预设图片检索精度的步骤；具体地，根据所述对象区域M2的内容确定所述对象区域M2的分类；根据所述分类从预设的显著性目标库中选择显著性目标子库，其中，所述预设的显著性目标库按照分类包含一个或多个显著性目标子库，所述显著性目标子库中的每一图片均具有显著性特征；将所述对象区域M2和对象区域M3划分为大小相等的子区域，其中，所述对象区域M3为所述显著性目标子库中每一图片中包含对象的区域；获得所述对象区域M2的每一子区域的特征T3和所述对象区域M3的每一子区域的特征T4；根据所述特征T3和所述特征T4，计算所述对象区域M2的每一子区域的显著性系数；根据所述显著性系数，从所述对象区域M2的子区域中确定独特性子区域；若为是，根据所述初始判断图片，生成图片检索结果。可选地，所述根据所述相似度S1，从所述图片数据库中获得图片，包括：从所述图片数据库中，获得所述相似度S1大于第一预设阈值的图片；或按照所述相似度S1从大到小的顺序，对所述图片数据库中的图片进行排序，根据排序结果获得排序靠前的第一预设数量张图片。可选地，所述根据所述特征T3和所述特征T4，计算所述对象区域M2的每一子区域的显著性系数，包括：根据所述特征T3和所述特征T4，计算所述对象区域M2的每一子区域与所述对象区域M3的每一子区域的差异性系数；根据所述差异性系数，获得所述对象区域M2的每一子区域的显著性系数。可选地，所述根据所述显著性系数，从所述对象区域M2的子区域中确定独特性子区域，包括：从所述对象区域M2的子区域中，确定所述显著性系数大于第二预设阈值的子区域为独特性子区域；或按照所述显著性系数从大到小的顺序，对所述对象区域M2的每一子区域进行排序，根据排序结果确定排序靠前的第二预设数量个子区域为独特性子区域。可选地，所述根据所述对象区域M2和所述独特性子区域，从所述图片数据库中选择图片，包括：获得所述对象区域M2的特征T5和所述图片数据库中每一图片的特征T6，其中，所述特征T6为：所述图片数据库中的每一图片中包含对象的区域M2a的特征，所述包含对象的区域M2a为根据所述对象区域M2确定的；根据所述特征T5和所述特征T6，从所述图片数据库中获得第三预设数量张图片；获得所述独特性子区域的特征T7和所获得的第三预设数量张图片中每一图片的特征T8，其中，所述特征T8为：所获得的第三预设数量张图片中的每一图片中包含对象的区域M3a的特征，所述包含对象的区域M3a为根据所述独特性子区域确定的；根据所述特征T7和所述特征T8，从所获得的第三预设数量张图片中选择第四预设数量张图片。可选地，所述根据所述对象区域M2和所述独特性子区域，从图片数据库中选择图片，将所述初始判断图片更新为所选择的图片之后，还包括：判断所述初始判断图片的图片检索精度是否大于第二预设图片检索精度；若为否，按照预设的分类条件，将所获得的图片分为正样本和负样本；获得所述正样本中每一图片的对象区域M4和所述负样本中每一图片的对象区域M5，并获得所述对象区域M4的特征T9和所述对象区域M5的特征T10；根据所述特征T9和特征T6，计算所述图片数据库中每一图片与正样本中每一图片之间的相似度S4，并根据所述特征T10和所述特征T6，计算所述图片数据库中每一图片与所述负样本中每一图片之间的相似度S5，其中，所述特征T6为：所述图片数据库中的每一图片中包含对象的区域M2a的特征，所述包含对象的区域M2a为根据所述对象区域M2确定的；根据所述相似度S4和所述相似度S5，计算所述图片数据库中每一图片的本文档来自技高网...

【技术保护点】
1.一种检索精度评价方法，其特征在于，包括以下步骤：/n接收用户发送的查询图片；/n获得所述查询图片中包含检索对象的对象区域M1；/n根据所述对象区域M1，从图片数据库中获得图片，并将所获得的图片作为初始判断图片；具体地，/n获得所述对象区域M1的特征T1和图片数据库中每一图片的特征T2，其中，所述特征T2为：所述图片数据库中的每一图片中包含对象的区域的特征；/n根据所述特征T1和所述特征T2，计算所述图片数据库中的每一图片与所述查询图片之间的相似度S1；/n根据所述相似度S1，从所述图片数据库中获得图片；/n判断所述初始判断图片的图片检索精度是否大于第一预设图片检索精度；/n若为否，则重新获得所述查询图片的对象区域M2，并获得所述对象区域M2的独特性子区域，其中，所述对象区域M2与已获得的对象区域不同，所述独特性子区域为所述对象区域M2内具有显著性特征的区域；/n根据所述对象区域M2和所述独特性子区域，从所述图片数据库中选择图片，将所述初始判断图片更新为所选择的图片，并执行所述判断所述初始判断图片的图片检索精度是否大于第一预设图片检索精度的步骤；具体地，/n根据所述对象区域M2的内容确定所述对象区域M2的分类；/n根据所述分类从预设的显著性目标库中选择显著性目标子库，其中，所述预设的显著性目标库按照分类包含一个或多个显著性目标子库，所述显著性目标子库中的每一图片均具有显著性特征；/n将所述对象区域M2和对象区域M3划分为大小相等的子区域，其中，所述对象区域M3为所述显著性目标子库中每一图片中包含对象的区域；/n获得所述对象区域M2的每一子区域的特征T3和所述对象区域M3的每一子区域的特征T4；/n根据所述特征T3和所述特征T4，计算所述对象区域M2的每一子区域的显著性系数；/n根据所述显著性系数，从所述对象区域M2的子区域中确定独特性子区域；/n若为是，根据所述初始判断图片，生成图片检索结果。/n...

【技术特征摘要】
1.一种检索精度评价方法，其特征在于，包括以下步骤：
接收用户发送的查询图片；
获得所述查询图片中包含检索对象的对象区域M1；
根据所述对象区域M1，从图片数据库中获得图片，并将所获得的图片作为初始判断图片；具体地，
获得所述对象区域M1的特征T1和图片数据库中每一图片的特征T2，其中，所述特征T2为：所述图片数据库中的每一图片中包含对象的区域的特征；
根据所述特征T1和所述特征T2，计算所述图片数据库中的每一图片与所述查询图片之间的相似度S1；
根据所述相似度S1，从所述图片数据库中获得图片；
判断所述初始判断图片的图片检索精度是否大于第一预设图片检索精度；
若为否，则重新获得所述查询图片的对象区域M2，并获得所述对象区域M2的独特性子区域，其中，所述对象区域M2与已获得的对象区域不同，所述独特性子区域为所述对象区域M2内具有显著性特征的区域；
根据所述对象区域M2和所述独特性子区域，从所述图片数据库中选择图片，将所述初始判断图片更新为所选择的图片，并执行所述判断所述初始判断图片的图片检索精度是否大于第一预设图片检索精度的步骤；具体地，
根据所述对象区域M2的内容确定所述对象区域M2的分类；
根据所述分类从预设的显著性目标库中选择显著性目标子库，其中，所述预设的显著性目标库按照分类包含一个或多个显著性目标子库，所述显著性目标子库中的每一图片均具有显著性特征；
将所述对象区域M2和对象区域M3划分为大小相等的子区域，其中，所述对象区域M3为所述显著性目标子库中每一图片中包含对象的区域；
获得所述对象区域M2的每一子区域的特征T3和所述对象区域M3的每一子区域的特征T4；
根据所述特征T3和所述特征T4，计算所述对象区域M2的每一子区域的显著性系数；
根据所述显著性系数，从所述对象区域M2的子区域中确定独特性子区域；
若为是，根据所述初始判断图片，生成图片检索结果。


2.根据权利要求1所述的一种检索精度评价方法，其特征在于，所述根据所述相似度S1，从所述图片数据库中获得图片，包括：
从所述图片数据库中，获得所述相似度S1大于第一预设阈值的图片；
或按照所述相似度S1从大到小的顺序，对所述图片数据库中的图片进行排序，根据排序结果获得排序靠前的第一预设数量张图片。


3.根据权利要求1所述的一种检索精度评价方法，其特征在于，所述根据所述特征T3和所述特征T4，计算所述对象区域M2的每一子区域的显著性系数，包括：
根据所述特征T3和所述特征T4，计算所述对象区域M2的每一子区域与所述对象区域M3的每一子区域的差异性系数；
根据所述差异性系数，获得所述对象区域M2的每一子区域的显著性系数。


4.根据权利要求1所述的一种检索精度评价方法，其特征在于，所述根据所述显著性系数，从所述对象区域M...

【专利技术属性】
技术研发人员：邓练兵，逯明，吴浩清，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44