一种基于多特征融合的图像检索方法技术

本发明专利技术公开了一种基于多特征融合的图像检索方法，通过融合使用两种不同层次且具有互补性的浅层视觉特征和深度学习特征，实现对图像的内容特征提取，能准确地描述图像特征，提高图像检索的可靠性和检索的鲁棒性。本发明专利技术设计的融合特征结合图像浅层视觉特征的几何不变性和深度学习特征的高层语义特性，优于传统特征及单一特征；本发明专利技术对融合特征进行PCA降维处理，得到的特征维度较低，在特征比对速度、特征存储空间上有较大优势；本发明专利技术设计的多特征融合方式简单，检索流程高效，检索准确率高。检索准确率高。检索准确率高。

【技术实现步骤摘要】
一种基于多特征融合的图像检索方法


[0001]本专利技术属于图像检索
，具体涉及一种基于多特征融合的图像检索方法。

技术介绍

[0002]图像检索是信息检索和机器视觉领域的研究重点之一，图像检索是指检索系统使用者在一定范围图像数据库内寻找符合自己所需的图像的行为。图像检索技术按照对图像的描述方法的不同可以分为两类：一类是基于文本的图像检索，另一类是基于内容的图像检索。基于文本的图像检索技术依靠人工文本标注的方法来实现对图像内容的描述，从而通过搜索关键词的方式实现图像检索，因此存在人工注解工作量巨大、主观性强以及文本注解无法完全涵盖图像本身内容等缺点；而基于内容的图像检索从图像自身内容出发，有效克服文本注释过程中存在的歧义问题。
[0003]目前图像的内容特征可以被分为浅层视觉特征和深度学习特征；浅层视觉特征主要是指图像表述的直观内容特征，通常包括颜色、纹理、形状等全局特征以及SIFT等局部特征，其中SIFT局部特征对图像旋转、尺度缩放、亮度等变换具有不变性，因此被广泛应用在计算机视觉领域。深度学习特征是从深度神经网络中提取的图像特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合的图像检索方法，包括如下步骤：(1)对目标图像进行SIFT特征提取，利用预训练好的视觉词典对SIFT特征进行编码，作为目标图像的浅层视觉特征；(2)将预处理后的目标图像输入到预训练好的Resnet50神经网络中提取卷积层特征，作为目标图像的深度学习特征；(3)分别对目标图像的浅层视觉特征和深度学习特征进行L2范数归一化，然后将归一化后的特征进行加权串联并结合PCA降维处理，从而得到目标图像的融合特征；(4)将目标图像的融合特征与特征库中的所有图像特征向量进行比对，并采用查询扩展的方式，最终获得检索结果。2.根据权利要求1所述的图像检索方法，其特征在于：所述步骤(1)中视觉词典的预训练过程为：利用图像数据集，提取数据集中每张图像的SIFT特征向量，使用K
‑
means聚类算法对这些特征向量的集合进行聚类，最终把特征向量集合划分为多个簇，每个簇的聚类中心即可视为视觉词典中的视觉单词。3.根据权利要求1所述的图像检索方法，其特征在于：所述步骤(1)中使用局部特征编码算法对目标图像的SIFT特征进行编码，该编码算法采用多近邻软分配聚合SIFT局部特征，通过距离比值计算SIFT特征向量与n个近邻视觉单词的隶属度，隶属度的计算公式如下：其中：x
i
为目标图像的SIFT特征向量，n表示为SIFT特征向量x
i
分配的近邻视觉单词数量，b
j
为分配的第j个近邻视觉单词，u
ij
为SIFT特征向量x
i
在近邻视觉单词b
j
上的隶属度，β为平滑因子控制函数的变化率。4.根据权利要求1所述的图像检索方法，其特征在于：所述步骤(2)的具体实现方式为：首先将目标图像的尺寸缩放至224
×
224像素大小，并去均值化处理；然后将处理后的目标图像输入至预训练好的Resnet50神经网络中，提取...

【专利技术属性】
技术研发人员：张华熊，江宁远，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：