[發(fā)明專利]基于智能計(jì)算的多粒度圖像檢索方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201010216132.X
• 申請(qǐng)日: 2010-07-02
• 公開(kāi)（公告）號(hào): CN101930452A
• 公開(kāi)（公告）日: 2010-12-29
• 發(fā)明（設(shè)計(jì)）人: 張利彪;許相莉;周春光
• 申請(qǐng)（專利權(quán)）人: 吉林大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06N3/02
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于智能計(jì)算的多粒度圖像檢索方法，包括如下步驟：

步驟1：對(duì)圖像進(jìn)行多粒度劃分

步驟2：圖像多粒度特征的選取

步驟3：設(shè)計(jì)多粒度屬性合成中的最優(yōu)準(zhǔn)則函數(shù)

步驟4：采用多目標(biāo)優(yōu)化算法對(duì)多粒度進(jìn)行參數(shù)優(yōu)化

步驟5：利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)多粒度特征進(jìn)行描述進(jìn)行最優(yōu)化整合

2.根據(jù)權(quán)利要求1所述的基于智能計(jì)算的多粒度圖像檢索方法，其特征在于：將粒計(jì)算應(yīng)用于圖像檢索領(lǐng)域，全面有效地更大程度上的利用圖像自身所提供的信息，實(shí)現(xiàn)有效的圖像檢索需要更高層次、全面的、不同角度的內(nèi)容特征，完成圖像內(nèi)容的全面表達(dá)，進(jìn)而達(dá)到理想的圖像檢索效果。

3.根據(jù)權(quán)利要求1所述的不同粒度下的特征提取算法，其特征如下：針對(duì)圖像的局部顏色粒度，提出在子塊分割和區(qū)域劃分的基礎(chǔ)上，利用快速離散余弦變換(DCT)和特殊奇異值分解(SVD)對(duì)圖像進(jìn)行特征提取的算法，從而構(gòu)造該粒度下的等價(jià)關(guān)系；

針對(duì)圖像自相似粒度表現(xiàn)，提出圖像的自相似特征提取算法，并構(gòu)造該粒度下的等價(jià)關(guān)系，其具體做法是：

步驟一：值域塊和定義域塊的劃分，以大小為M×N×3的RGB彩色圖像P為例.首先對(duì)彩色圖像P進(jìn)行值域塊的劃分，將其分割成n個(gè)互不相交的值域塊n＝(M×N)/(L×L)，每個(gè)值域塊的大小為L(zhǎng)×L×3，則圖像且R_i∩R_j＝φ，i≠j.再將圖像P劃分為大小相同的可以相互交錯(cuò)的定義域塊m＝(M-L+1)(N-L+1)，其大小也為L(zhǎng)×L×3；

步驟二：自相似特征編碼：對(duì)于任意值域塊R_i，在所有的定義域塊中尋找除自身以外與其最相似的定義域塊D_j.這種映射關(guān)系用一個(gè)三元組(Δx_i，Δy_i，n_i)標(biāo)記，其中(Δx_i，Δy_i)為D_j相對(duì)于R_i的左上角相對(duì)坐標(biāo)，n_i為旋轉(zhuǎn)、反射變換的編號(hào).

設(shè)值域塊R_i中各像素點(diǎn)的RGB分量分別為r_r＝(r_r1，r_r2，…r_rk)^T，r_g＝(r_g1，r_g2，…r_gk)^T，r_b＝(r_b1，r_b2，…r_bk)^T，定義域塊D_j中各像素點(diǎn)的RGB分量分別為d_r＝(d_r1，d_r2，…d_rk)^T，d_g＝(d_g1，d_g2，…d_gk)^T，d_b＝(d_b1，d_b2，…d_bk)^T，定義評(píng)測(cè)指標(biāo)E為

E(R_i，D_j)＝‖d_r-r_r‖₁+‖d_g-r_g‖₁+‖d_b-r_b‖₁

其中‖·‖₁為向量的1-范數(shù).這里對(duì)D_i和D_j的操作都是三維的，即對(duì)于子塊的RGB分量看作一個(gè)整體同時(shí)進(jìn)行操作。對(duì)于每個(gè)R_i根據(jù)評(píng)測(cè)指標(biāo)E搜索具有最小E值的定義域塊D_j，這樣就得到了彩色圖像P的自相似特征編碼，記為ω_i＝(Δx_i，Δy_i，n_i)，這將作為對(duì)彩色圖像P進(jìn)行自相似特征提取的依據(jù)；

步驟三：中心擴(kuò)散算法：塊匹配的計(jì)算量是驚人的，對(duì)于每一個(gè)值域塊R_i，其要進(jìn)行的定義域塊的匹配次數(shù)為m，則n個(gè)值域塊的匹配次數(shù)為m×n次.對(duì)于一幅256×256的圖像來(lái)說(shuō)，若取L＝4，則要完成的匹配次數(shù)為262180864.對(duì)于傳統(tǒng)的灰度圖像分形編碼來(lái)說(shuō)，圖像中的許多子塊具有“近距自相似性”，據(jù)此，對(duì)于彩色圖像和本文提出的自相似特征編碼方法，提出中心擴(kuò)散算法來(lái)減少計(jì)算量。中心擴(kuò)散算法能夠在保證一定匹配誤差的基礎(chǔ)上使匹配速度得到顯著提高。與局部搜索不同的是，當(dāng)全圖中沒(méi)有滿足誤差條件的匹配塊時(shí)，算法返回的是具有最小誤差的匹配塊，即最優(yōu)匹配塊，而對(duì)于滿足誤差條件的D塊，則在寬泛的誤差下完成匹配，這對(duì)檢索效果幾乎沒(méi)有影響；

步驟四：基于自相似特征編碼的特征提取：本發(fā)明提出對(duì)自相似特征編碼進(jìn)行奇異值分解(SVD)來(lái)提取特征向量的方法，對(duì)圖像P按照如下算法進(jìn)行特征向量的提取：

(a)將圖像P的自相似特征編碼n＝(M×N)/(L×L)，ω_i＝(Δx_i，Δy_i，n_i)中的Δx_i，Δy_i分量按照R塊的劃分方法分別組成矩陣X，Y；

(b)對(duì)X，Y分別進(jìn)行奇異值分解得到奇異值向量C_X，C_Y，并將C_X，C_Y首尾相接組成特征向量其中為奇異值向量C_X的第k個(gè)分量，同理。使用這些特征向量作為圖像的自相似特征，得到圖像的自相似特征粒度。