[發(fā)明專利]基于相關(guān)反饋和Bag-of-Features的圖像檢索系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 201310330706.X
• 申請日: 2013-07-31
• 公開（公告）號: CN103440262A
• 公開（公告）日: 2013-12-11
• 發(fā)明（設(shè)計）人: 羅笑南;姜濤;肖劍
• 申請（專利權(quán)）人: 東莞中山大學(xué)研究院;中山大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)領(lǐng)域，具體涉及一種基于相關(guān)反饋和Bag-of-Features的圖像檢索方法。

背景技術(shù)

隨著信息科技的發(fā)展，各個領(lǐng)域各種圖像越來越多，如何從大量圖像數(shù)據(jù)中快速而準(zhǔn)確地檢索出相關(guān)圖像逐漸成為人們的關(guān)注熱點(diǎn)。近些年，在工業(yè)應(yīng)用界和學(xué)術(shù)研究界，大規(guī)模圖像檢索日益受到廣泛重視，不斷提出各種圖像檢索的方法，包括基于文本的圖像檢索、基于分類的圖像檢索等等。

基于文本的圖像檢索沿用了傳統(tǒng)文本檢索技術(shù)，回避對圖像可視化元素的分析，而是從圖像名稱、圖像尺寸、壓縮類型、作者、年代等方面標(biāo)引圖像，一般以關(guān)鍵詞來查詢圖像，或者是根據(jù)等級目錄的形式瀏覽查找特定類目下的圖像。另外，圖像所在頁面的主題、圖像的文件名稱、與圖像密切環(huán)繞的文字內(nèi)容、圖像鏈接地址等都被用作為圖像分析的一句，根據(jù)這些文本分析結(jié)果推斷其中圖像的特征。

基于分類的圖像檢索是一種利用圖像分類進(jìn)行檢索的技術(shù)。該技術(shù)需要對數(shù)據(jù)庫中的圖像進(jìn)行明確的分類，并為每個類別選取出最具代表性的一些圖像。用戶輸入一張查詢圖像時，系統(tǒng)將該圖像與數(shù)據(jù)庫中每個類別的代表圖像進(jìn)行相似度量，從而確定該查詢圖像所屬的類別，然后將該類別的所有圖像作為檢索結(jié)果返回給用戶。

基于文本的圖像檢索方法雖然方便快捷，根據(jù)關(guān)鍵字就可以快速查詢到所需圖像，但是該檢索方法完全脫離了圖像的可視化內(nèi)容，僅依靠與其關(guān)聯(lián)的關(guān)鍵字，需要預(yù)先為所有圖像進(jìn)行文本標(biāo)識，并且標(biāo)識的準(zhǔn)確性直接影響檢索的準(zhǔn)確性。而基于分類的圖像檢索方法依賴于數(shù)據(jù)庫中圖像的分類，目前并沒有準(zhǔn)確有效地分類各種圖像。這些傳統(tǒng)圖像檢索方法的弊端日益突出，人們亟待更新更有效地方法，關(guān)于圖像檢索方法的研究繼續(xù)前行。

由于傳統(tǒng)的圖像檢索方法存在各種弊端，已逐漸不能滿足人們的需求。人們提出了一種不同的解決方案：基于內(nèi)容的圖像檢索方法。基于內(nèi)容的圖像檢索是使用圖像的可視特征對圖像進(jìn)行檢索，它提取圖像的低層特征，包括顏色、形狀、紋理等，然后將查詢圖像的低層特征與數(shù)據(jù)庫中的特征進(jìn)行比較，找出與查詢特征相似的圖像返回給用戶。

基于內(nèi)容的圖像檢索方法雖然是脫離了圖像文本標(biāo)注，而對圖像的可視化內(nèi)容進(jìn)行檢索，但是該方法只是提取圖像的顏色、形狀、紋理等低層特征，無法表示圖像的高層語義內(nèi)容，因此檢索結(jié)果往往差強(qiáng)人意。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于相關(guān)反饋和Bag-of-Features的圖像檢索方法，采用Bag-of-Features方式，將每一張圖像看作是一些局部特征的集合，并挑選出圖像庫中的關(guān)鍵特征，然后基于關(guān)鍵特征集合將每一張圖像表示成一個向量，這樣通過向量的比較來實現(xiàn)圖像檢索的目的，這種方式簡潔有效。同時，為了兼顧圖像的高層語義，結(jié)合相關(guān)反饋的方法，讓用戶參與檢索的過程，用戶對每次檢索結(jié)果進(jìn)行正相關(guān)和負(fù)相關(guān)的標(biāo)示，系統(tǒng)根據(jù)用戶的反饋重新調(diào)整檢索參數(shù)，以此迭代，最終得到用戶滿意的檢索結(jié)果。

相應(yīng)的，本發(fā)明實施例提供了一種基于相關(guān)反饋和Bag-of-Features的圖像檢索系統(tǒng)，包括：

特征提取模塊，用于對圖像進(jìn)行預(yù)處理，提取出每張圖像的局部特征；

特征詞典生成模塊，用于從整個圖像數(shù)據(jù)庫中找出關(guān)鍵性特征，并組成一個詞典集合；

頻率特征向量生成模塊，用于為每張圖像構(gòu)建一個特征向量；

特征加權(quán)模塊，用于為詞典中每個關(guān)鍵特征生成權(quán)重，然后用該權(quán)重乘以頻率特征向量中對應(yīng)的分量，為每張圖像構(gòu)建出帶權(quán)特征向量；

相似性度量模塊，用于計算兩張圖像之間的相似性；

相關(guān)反饋模塊，用于讓用戶參與到檢索過程，在用戶輸入查詢條件后，檢索系統(tǒng)返回查詢結(jié)果，然后用戶對查詢結(jié)果進(jìn)行篩選，認(rèn)為有用的就標(biāo)識成正相關(guān)，無用的標(biāo)識成負(fù)相關(guān)，系統(tǒng)根據(jù)用戶的反饋，重新調(diào)整查詢條件進(jìn)行檢索，以此循環(huán)，直到得到用戶滿意的結(jié)果。

相應(yīng)的，本發(fā)明實施例還提供了一種基于相關(guān)反饋和Bag-of-Features的圖像檢索方法，包括：

步驟一、對每張圖像進(jìn)行特征提取，找出局部特征，并將其用SIFT算子表示；

步驟二、將所有圖像的局部特征集合在一起，采用K-means聚類的方式，生成指定數(shù)量的關(guān)鍵特征，組成特征詞典；

步驟三、對每張圖像，依次將其每個局部特征分配給最近鄰的關(guān)鍵特征，表示關(guān)鍵特征的頻數(shù)，這樣基于特征詞典，可以為每張圖像生成一個頻率特征向量；