[發明專利]基于群稀疏特征選擇的圖像檢索方法

有效

• 申請號: 201410027227.5
• 申請日: 2014-01-21
• 公開（公告）號: CN103810252B
• 公開（公告）日: 2017-02-08
• 發明（設計）人: 徐軍;鄭秋中
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 許方

技術領域

本發明涉及圖像信息處理技術領域，尤其涉及一種基于群稀疏特征選擇的圖像檢索方法。?

背景技術

隨著數據庫技術、多媒體技術、網絡技術的飛速發展，人們越來越多地接觸到擁有大量數字圖像的數據庫，為了對圖像庫進行有效管理，人們急切的需要高效的圖像檢索系統。由于技術原因，目前許多流行的商用Web圖像搜索引擎，如Google、百度、360搜索等等都是傳統的基于文本的圖像檢索。基于文本的圖像檢索采用Web網頁中與圖像關聯的文字信息來完成搜索任務，但是它有如下的缺點：1.描述能力有限，例如對紋理，不規則形狀等無法精確描述。2.描述具有主觀性，不同人對同一副圖像的描述可能不同。3.在現代社會海量的圖像面前，每一幅圖像皆有詳細的文本描述顯然這是不現實的。為了克服傳統檢索方法的局限性，基于內容的圖像檢索技術應運而生。基于內容的圖像檢索采用的做法是預先采用某些特征提取算法抽取圖像的低層特征(如顏色、紋理和形狀等)并形成一個特征庫。然后提取查詢圖像的特征并與特征庫進行匹配以尋找相似的圖像。由于這些特征都是客觀獨立地存在于圖像中的，因此這種圖像檢索方法的主要特點是利用圖像本身包含的客觀視覺特性,不需要人為干預和解釋,能夠通過計算機自動實現對圖像特征的提取和存儲。因此基于內容的圖像檢索技術已迅速成為圖像數據庫技術中的研究熱點之一，并得到了國內外信息領域科技人員的廣泛重視和研究。基于內容的圖像檢索,這個概念是于1992年最先由T.Kato提出的，經過這20年的研究，國內外的許多高校和研究機構投入了大量的資金、人力和物力進行研究,并取得了一定的成果。如IBM公司開發的QBIC系統，Virage公司開發的Virage系統，MIT的多媒體實驗室開發的Photobook系統，哥倫比亞大學開發的VisualSEEK和WebSEEK系統，中國科學院計算機技術研究所智能信息處理重點實驗室研發的Mires系統等等。?

圖像特征的提取是基于內容的圖像檢索的第一步也是最為關鍵的一步。圖像的特征包括低層視覺特征（包括顏色、紋理、形狀等）和高層語義特征（主體對?象、行為特征、情感特征等）。由于目前圖像理解、計算機視覺等領域的研究水平還很有限，使得現有的對基于內容的圖像檢索技術的研究和應用均是基于圖像的低層視覺特征來進行的，還無法在真正意義上做到基于高層語義的圖像檢索。不同的圖像低層視覺特征都具有其獨特的性質和適合的應用場合，例如顏色特征適用于顏色信息較為豐富，且圖像之間顏色分布差異較大的圖像數據庫；對于富含紋理信息的圖像（醫學圖像、植物圖像、巖石圖像等）通常采用的方法是基于紋理特征的檢索方式；而針對具有明確主體對象且目標邊緣清晰的圖像使用形狀特征進行檢索則能取得較好的檢索效果。在系統的復雜度和檢索時間允許的情況下，將多種低層視覺特征組合起來進行圖像檢索可以獲得更好的檢索結果。?

隨著計算機視覺的發展，圖像的特征越來越豐富，而圖像特征的性質千差萬別，各不相同。如顏色特征就可以有RGB，HSV，LAB等等，紋理特征有Tamura，SIFT（尺度不變的幾何變化），Gabor等等，形狀特征有不變矩，邊緣方向直方圖，霍夫變換直線檢測等等。當使用多種特征組合進行圖像檢索，如果不加選擇的使用大量特征進行圖像檢索，由于多種特征的存在，必然產生數據冗余，計算復雜度上升，檢索的效率與性能下降等問題。對于這個問題，目前有兩種解決方案，一種是對維數大的特征的進行降維處理，另外一種是對特征進行擇優選擇。對于降維方法，存在兩個問題:1.縮減的維數不是盲目的，因為如果維數被縮減到必要的維數以下，圖像特征的信息就有可能丟失。2.而且由于底層屬于同類特征的不同特征有強烈的相關性，降維并不能夠徹底解決數據冗余的問題。所以特征選擇是一個比較好的方法，對于不同圖像庫，最優的特征一般也不一樣，因此選擇最優特征非常重要。對于一個圖像庫來說，所選取的特征好壞直接影響檢索性能，如何建立一個可以選擇對于特定圖像庫最為有效的特征組合的通用的模型成為一個非常重要的問題。?

發明內容

本發明所要解決的技術問題在于提出了一種基于群稀疏特征選擇解決方案，將其用于基于內容的圖像檢索上，在提高檢索的準確率的同時，有效地提升了檢索的效率。?

一種基于群稀疏特征選擇的圖像檢索方法，其特征在于，包括特征選擇和圖像檢索兩部分：?

一、特征選擇具體包括：?

步驟11、針對圖像庫中的每一幅圖像，比較其圖像關鍵字形成相似與不相似序列，接著比較相似與不相似序列的圖像顯著區域的歐式距離，獲取圖像庫中每一幅圖像的相似對與不相似對，得到該圖像的相似性度量向量；?