[發(fā)明專利]一種基于關(guān)系矩陣正則化增強(qiáng)表示的圖像檢索方法

有效

• 申請?zhí)枺?/td>: 201310399734.7
• 申請日: 2013-09-05
• 公開（公告）號: CN103440332A
• 公開（公告）日: 2013-12-11
• 發(fā)明（設(shè)計(jì)）人: 楊育彬;李亞楠
• 申請（專利權(quán)）人: 南京大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 胡建華

技術(shù)領(lǐng)域

本發(fā)明屬于圖像檢索領(lǐng)域，特別是一種基于關(guān)系矩陣正則化增強(qiáng)方法的圖像檢索方法。

背景技術(shù)

在科技日益發(fā)達(dá)的今天，隨著圖像獲取處理設(shè)備和互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和普及應(yīng)用，以圖像為代表的新一代信息資源已經(jīng)成為與材料、能源具有同等重要地位的戰(zhàn)略資源，其數(shù)據(jù)量也已達(dá)到海量規(guī)模，成為當(dāng)前信息處理和信息資源建設(shè)的主體。由于圖像具有信息量大、內(nèi)容豐富、表現(xiàn)力強(qiáng)等優(yōu)點(diǎn)，因此對海量規(guī)模的圖像進(jìn)行有效的信息處理和應(yīng)用，已成為眾多實(shí)際應(yīng)用領(lǐng)域的核心問題。

由于當(dāng)前圖像數(shù)據(jù)已呈海量規(guī)模，并且在不斷增長，傳統(tǒng)的技術(shù)手段已經(jīng)無法適應(yīng)這種需求，這對圖像的組織、分析、檢索和管理等技術(shù)都提出了全新的挑戰(zhàn)。盡管目前基于內(nèi)容的圖像檢索研究已經(jīng)取得了很大的進(jìn)展，有效克服了基于手工標(biāo)注的文本信息進(jìn)行圖像檢索的局限性，但離真正的實(shí)用階段還有一定的距離，尤其是對圖像的高層語義理解方面。大部分方法還僅僅停留在圍繞圖像的底層特征進(jìn)行語義描述和學(xué)習(xí)這一層次，相對于人類能夠理解和運(yùn)用的豐富多彩的語義概念，底層數(shù)據(jù)特征的表達(dá)能力尚有很大局限，因此底層特征與高層語義之間存在著較大差距，即所謂的“語義鴻溝”（semantic?gap），從而導(dǎo)致在圖像檢索的準(zhǔn)確率和效率上還遠(yuǎn)遠(yuǎn)達(dá)不到實(shí)際應(yīng)用的需要，尤其是對圖像的多種豐富語義進(jìn)行準(zhǔn)確有效的理解和檢索方面。時(shí)至今日，圖像檢索中的“語義鴻溝”問題仍然沒有得到很好的解決，仍然是困擾研究者的關(guān)鍵性難題之一。在解決這一難題的眾多技術(shù)當(dāng)中，基于相關(guān)反饋的圖像檢索技術(shù)提供了一種可行的解決方案。早期的相關(guān)反饋技術(shù)主要集中于基于相關(guān)反饋的信息，修正查詢向量即圖像特征，例如對查詢向量的每一維數(shù)值重新分配權(quán)值，調(diào)整查詢向量的位置等。近年來，由于流形學(xué)習(xí)的興起，許多研究者轉(zhuǎn)向通過流形學(xué)習(xí)技術(shù)，將高維的圖像數(shù)據(jù)空間降維來探求圖像特征空間的內(nèi)在結(jié)構(gòu)，其主要的理論假設(shè)是將圖像看成是一種流形，目標(biāo)就是發(fā)現(xiàn)其內(nèi)在的結(jié)構(gòu)信息。發(fā)現(xiàn)嵌入在高維數(shù)據(jù)中的低維子空間是學(xué)習(xí)數(shù)據(jù)潛在流形的重要手段，流形學(xué)習(xí)中子空間的學(xué)習(xí)方法都是基于局部分析的。通過流形學(xué)習(xí)的方法學(xué)習(xí)其所對應(yīng)的低維的語義子空間，這與流形學(xué)習(xí)假設(shè)整個(gè)數(shù)據(jù)集只在局部滿足歐氏距離相吻合，因此通過分析圖像數(shù)據(jù)的局部信息，發(fā)掘局部的語義流形結(jié)構(gòu)對圖像檢索來說更加有意義。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明為了解決現(xiàn)有技術(shù)中的問題，提出了一種基于關(guān)系矩陣正則化增強(qiáng)表示的圖像檢索方法，有效地解決大規(guī)模數(shù)據(jù)下，圖像的快速準(zhǔn)確檢索問題。

發(fā)明內(nèi)容：本發(fā)明公開了一種基于關(guān)系矩陣正則化增強(qiáng)方法的圖像檢索方法，該方法從圖像實(shí)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(shí)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(shí)例特征庫U＝(u₁,…,u_M)，u_i為圖像實(shí)例庫第i幅圖像的特征，i＝1,…M，M為圖像實(shí)例庫中所包含的圖像數(shù)，以及待檢索圖像的特征v，所述圖像實(shí)例庫包括50個(gè)以上的圖像類，每一個(gè)圖像類表示一個(gè)語義類，每個(gè)圖像類包括600幅以上的圖像；

步驟3，從圖像實(shí)例特征庫中選取P個(gè)圖像類，P取值范圍20～50，從每一個(gè)圖像類選取n幅圖像，n取值范圍100～500，P個(gè)圖像類共有n×P張圖像構(gòu)成樣本數(shù)據(jù)X；例如發(fā)明的一個(gè)實(shí)施例中，從中選取30個(gè)圖像類，每一類表示了不同的語義類，每一類有100幅圖像，共有3000張圖像構(gòu)成樣本數(shù)據(jù)X，X＝(x₁,…,x_q),q＝n×P，x_i為樣本數(shù)據(jù)中第i幅圖像的特征，q為樣本數(shù)據(jù)大小，X為112×q維的矩陣；

步驟4，基于譜圖理論的流形學(xué)習(xí)算法，對樣本數(shù)據(jù)X構(gòu)建增強(qiáng)關(guān)系矩陣W、正例關(guān)系矩陣W^P和反例關(guān)系矩陣W^N；

步驟5，對構(gòu)建的關(guān)系矩陣W進(jìn)行增強(qiáng)，初步建立增強(qiáng)關(guān)系矩陣W′；

步驟6，借助概率轉(zhuǎn)移矩陣正則化增強(qiáng)關(guān)系矩陣W′得到正則化增強(qiáng)關(guān)系矩陣W^*；

步驟7，根據(jù)正則化增強(qiáng)關(guān)系矩陣W^*構(gòu)建目標(biāo)方程，計(jì)算廣義特征矩陣A；