[發明專利]一種基于關系矩陣正則化增強表示的圖像檢索方法

有效

• 申請號: 201310399734.7
• 申請日: 2013-09-05
• 公開（公告）號: CN103440332A
• 公開（公告）日: 2013-12-11
• 發明（設計）人: 楊育彬;李亞楠
• 申請（專利權）人: 南京大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華

1.一種基于關系矩陣正則化增強方法的圖像檢索方法，其特征在于，該方法從圖像實例庫中檢索圖像，包含如下步驟：

步驟1，輸入待檢索圖像；

步驟2，抽取待檢索圖像和圖像實例庫中圖像的特征，用N維向量描述每幅圖像，N=112，得到圖像實例特征庫以及帶檢索圖像的特征，所述圖像實例庫包括50個以上的圖像類，每一個圖像類表示一個語義類，每個圖像類包括600幅以上的圖像；

步驟3，從圖像實例特征庫中選取P個圖像類，P取值范圍20～50，從每一個圖像類選取n幅圖像，n取值范圍100～500，P個圖像類共有n×P張圖像構成樣本數據X；步驟4，基于譜圖理論的流形學習算法，對樣本數據X構建增強關系矩陣W、正例關系矩陣W^P和反例關系矩陣W^N;步驟5，對構建的關系矩陣W進行增強，初步建立增強關系矩陣W′;步驟6，借助概率轉移矩陣正則化增強關系矩陣W′得到正則化增強關系矩陣W^*步驟7，根據正則化增強關系矩陣W^*構建目標方程，計算廣義特征矩陣A；

步驟8，利用廣義特征矩陣A對圖像實例特征庫中的所有圖像進行降維，得到最終的圖像表示；

步驟9，利用廣義特征矩陣A對待檢索圖像降維，得到待檢索圖像的圖像表示；

步驟10，根據步驟8的最終的圖像表示和步驟9的待檢索圖像的圖像表示的歐氏距離計算待檢索圖像與圖像實例庫中所有圖像的相似度，按照相似度由大到小輸出圖像實例庫中與待檢索圖像最相似的圖像。

2.根據權利要求1所述的一種基于關系矩陣正則化增強表示的圖像檢索方法，其特征在于，步驟2中圖像特征包括顏色矩、Tamura紋理特征、Gabor紋理特征、顏色直方圖。

3.根據權利要求2所述的一種基于關系矩陣正則化增強表示的圖像檢索方法，其特征在于，步驟4具體包括如下步驟：在樣本數據X中隨機選取一幅圖像，計算該圖像與樣本數據X中其他圖像的歐式距離，利用相關反饋檢索技術，根據返回結果中的同類圖像和不同類圖像對應設立正例集合和反例集合，并采用簡單的k近鄰方法建立關系矩陣，即屬于k近鄰并且是同一個圖像類的兩圖像間的權值為1，否則為0。

4.根據權利要求3所述的一種基于關系矩陣正則化增強表示的圖像檢索方法，其特征在于，步驟4中采用基于反饋技術的嵌入關系拓寬ARE方法作為譜圖理論的流形學習算法，包括以下步驟：

（1）首先對樣本數據X構建關系矩陣W,從樣本數據X中隨機抽取一幅圖像I，圖像I的特征為x_i，采用k近鄰方法計算x_i與樣本數據X中其他圖像特征的歐式距離，得到與圖像I最相似的k幅圖像，其中k取值范圍5～10；

從k幅圖像中任意取出一幅圖像T屬于，圖像T的特征為x_t，則圖像I與圖像T之間的權值W_it為1，圖像I與k幅圖像以外的圖像之間的權值為0；即x_i∈N^k(x_t)or?x_t∈N^K(x_i)，W_it＝1，其中N^k(x_i)表示圖像x_i的k近鄰集合，N^k(x_t)表示圖像x_t的k近鄰集合；得到關系矩陣W，關系矩陣W第i行第t列的值即為W_it；

將k幅圖像中與圖像I屬于同一圖像類的圖像記為正例集合Pos，不同圖像類的圖像記為反例集合Neg；

（2）構建正例關系矩陣W^P，如果圖像R與圖像I屬于同一圖像類且都屬于k幅圖像，且圖像R的特征為x_r，則圖像I與圖像R之間的權值為1，圖像I與k幅圖像以外的圖像之間的權值為0；即，為圖像I與圖像R之間的權值，x_i，x_r∈Pos為表示特征xi，x_r屬于正例集合Pos，正例關系矩陣W^P的第i行第r列的值即為公式為：

（3）構建反例關系矩陣W^N，如果圖像H與圖像I屬于不同圖像類且都屬于k幅圖像，圖像H的特征為x_h，則圖像I與圖像H之間的權值為1，圖像I與k幅圖像以外的圖像之間的權值為0；即x_i∈Posand?x_h∈negor?x_h∈Posand?x_i∈neg，x_i∈pos表示特征x_i屬于正例集合Pos為，x_h∈Neg表示特征x_h屬于反例集合Neg，x_h∈Pos表示特征x_h屬于正例集合Pos，x_i∈Neg表示特征x_i屬于反例集合Neg為，為圖像I與圖像H之間的權值，反例關系矩陣W^N的第i第h列為公式為：

最后構建得到三個關系矩陣W,W^P和W^N，其中和為計算廣義特征矩陣需要用到的關系矩陣。