【技术实现步骤摘要】
本专利技术涉及信息检索技术，特别是涉及一种图像检索的方法和系统。
技术介绍
随着成像设备和存储方法的容易获得性，网络上的图像在过去的几十年增长得很快。传统的基于关键字的检索方法因为不能理解图像的内容，难以捕捉用户的搜索意图，从而使得检索结果欠佳。因此，为获得较好的检索结果，需采用基于图像内容的检索方法。传统的基于图像内容的检索方法大致包括如下步骤第一步，提取图像的特征表示。稀疏编码因能很好地表示图像内容，故成为图像特征表示的主要手段。第二步，对图像的特征表示进行空间金字塔集聚，得到图像的表示向量。对图像的稀疏编码进行空间金字塔集聚可进一步提高图像特征的表示能力。第三步，计算查询图像的表示向量与数据库中图像的表示向量的距离，并按照距离的大小进行排序，从而得到检索结果。在传统的基于图像内容的检索方法中，在进行空间金字塔集聚时，金字塔的层数越高则使检索结果的精度越高。但是，金字塔的层数越高时，会使图像表示向量的维度过高(当金字塔的层数为3，词典大小为1024时，表示向量的维度为21504)，从而增加检索过程中的计算复杂程度，使得到的表示向量不适用于基于图像内容的检索。因此，在传统的基于图像内容的检索方法中，一般只进行很少层的金字塔集聚。然而，降低金字塔的层数会使的图像特征表示的表示能力受损，从而使得检索结果不够精确。
技术实现思路
基于此，有必要针对传统基于图像内容的检索方法中检索结果不够精确的问题，提供一种能有效提闻检索精度的图像检索的方法和系统。一种图像检索的方法，包括以下步骤获取查询图像，并将所述查询图像划分为显著性图像或非显著性图像；提取所述查询图像的SI...
【技术保护点】
一种图像检索的方法，包括以下步骤：获取查询图像，并将所述查询图像划分为显著性图像或非显著性图像；提取所述查询图像的SIFT描述符，并根据所述SIFT描述符获得对所述查询图像的稀疏编码；若所述查询图像为显著性图像，则采用指数函数加权所述稀疏编码，若所述查询图像为非显著性图像，则采用线形函数加权所述稀疏编码；对加权后的稀疏编码进行金字塔集聚，得到所述查询图像的表示向量；获取所述查询图像的表示向量与数据库中目标图像的表示向量的距离，并根据所述距离显示检索结果。
【技术特征摘要】
1.一种图像检索的方法，包括以下步骤 获取查询图像，并将所述查询图像划分为显著性图像或非显著性图像； 提取所述查询图像的SIFT描述符，并根据所述SIFT描述符获得对所述查询图像的稀疏编码； 若所述查询图像为显著性图像，则采用指数函数加权所述稀疏编码，若所述查询图像为非显著性图像，则采用线形函数加权所述稀疏编码； 对加权后的稀疏编码进行金字塔集聚，得到所述查询图像的表示向量； 获取所述查询图像的表示向量与数据库中目标图像的表示向量的距离，并根据所述距离显示检索结果。2.根据权利要求1所述的图像检索的方法，其特征在于，所述获取查询图像，并将所述查询图像划分为显著性图像或非显著性图像的步骤包括 获取所述查询图像的显著性图； 根据所述显著性图，利用随机森林的方法将所述查询图像分为显著性图像或非显著性图像； 具体采取基于频谱余留的检测以及基于图的检测算法获取所述显著性图，方式如下 A(f) = R(F[I])P(f) = F(F[I]) R(f) = log (A (f)) -hn(f) *log (A (f)) Msr = g(X) * (Γ1 [exp (P (f) +R(f))])2 Ll=Msr^Mgb 其中，A(f)、P(f)和R(f)分别表示所述查询图像的幅度谱、相位谱和频谱余留，F和Γ1分别表示所述查询图像的傅里叶变换和逆傅里叶变换，hn(f)是一个局部均值滤波器，g(x)是一个高斯滤波器，I为所述查询图像的灰度图；MSr和Mgb分别为单独利用基于频谱余留的检测和基于图的检测算法得到的显著性图，Mgb通过构建一个马尔科夫链解出，符号“ ，，表示两幅显著性图对应位置像素值的相加，Isal为最终得到的显著性图； 所述随机森林的方法具体为3.根据权利要求2所述的图像检索的方法，其特征在于，将所述显著性图划分为相同大小的图块，且在每个图块内提取一个所述SIFT描述符； 所述稀疏编码满足如下公式4.根据权利要求3所述的图像检索的方法，其特征在于，用于对所述稀疏编码进行加权的指数函数为5.根据权利要求4所述的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。