[發明專利]一種圖像內容檢索系統及其圖像內容稀疏學習方法

無效

• 申請號: 201310181859.2
• 申請日: 2013-05-16
• 公開（公告）號: CN103226616A
• 公開（公告）日: 2013-07-31
• 發明（設計）人: 宋曉寧;陳勇;王衛東;葉華;石亮;范燕
• 申請（專利權）人: 南京龍淵微電子科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/46
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 鄧麗

1.一種圖像內容檢索系統，其特征是，包括：

1）分割子系統，用于將訓練圖像、測試圖像分別分割為n個示例，包括：

A）FCM分割單元：采用模糊C均值算法對訓練圖像和測試圖像分別進行區域分割；

B）金字塔分割單元：采用cvPrySegmentation函數對訓練圖像和測試圖像重新進行基于“空間金字塔”匹配機制的圖像分割；

2）圖像區域特征提取單元：用于提取各個示例的顏色、紋理、CENTRIST特征及每類平均特征向量；

3）計算對比子系統，包括：

??a）提取每個示例的顏色特征和紋理特征；

b）統計變換直方圖單元，用于計算一幅圖像所有像素的CT值，統計各示例CT值像素個數或所占比例，求得CT值直方圖特征，即CENTRIST特征；

c）多示例稀疏學習單元，用于對各示例的CENTRIST特征進行稀疏離散度描述，以及計算示例的多樣性密度，并確立目標示例；

d）計算每一類圖像的緊湊空間結構特征SSRCT；

e）計算每類平均特征向量PACT；

f）對比單元，通過歐氏距離度量目標示例與測試圖像在顏色和紋理特征上的相似性并分別排序，同時對圖像緊湊空間結構特征SSRCT的相似度進行排序。

2.采用權利要求1所述的一種圖像內容檢索系統的圖像內容稀疏學習方法，其特征是，包括以下步驟：

步驟一：對訓練圖像進行FCM分割，將其分為n個區域，每個區域為一個示例，并分別提取該示例的顏色和紋理特征向量；

步驟二：采用“空間金字塔”的2級劃分重新分割訓練圖像，并提取各分塊的CENTRIST特征后進行稀疏離散度描述，得到一個緊湊的空間結構特征SSRCT，并依此計算每類平均特征向量；

步驟三：對步驟一得到的各個示例進行多示例稀疏學習，求得示例多樣性密度，并依此選擇出目標示例；

步驟四：將步驟一中提取的顏色特征與與步驟三中提取的目標示例的顏色特征求歐氏距離并排序,?排序后得到ColorOrder；

步驟五：將步驟一中提取的紋理特征與與步驟三中提取的目標示例的紋理特征求歐氏距離并排序,?排序后得到TextureOrder；

步驟六：利用步驟二計算每一類圖像的SSRCT特征矩陣的平均矩陣，對測試圖像與每類平均空間特征矩陣PACT計算歐氏距離，排序后得到PACTOrder；

步驟七：將步驟四至七中得到的三組排序結果加權綜合得到最終排序結果，依此得到最終的檢索結果；

3．根據權利要求2所述的一種圖像內容檢索系統，其特征是：顏色特征為像素R、G、B顏色均值或HSV顏色直方圖特征，紋理特征由符合人眼視覺感知的Gabor濾波器提取。