[發明專利]多特征基于內容的圖像檢索方法和系統

在審

• 申請號: 201410601729.4
• 申請日: 2014-10-31
• 公開（公告）號: CN104298775A
• 公開（公告）日: 2015-01-21
• 發明（設計）人: 劉瑞軍;侯堃;陳誼
• 申請（專利權）人: 北京工商大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/46
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 謝磊

技術領域

本申請涉及檢索領域，尤其涉及多特征基于內容的圖像檢索方法和系統。

背景技術

隨著互聯網搜索引擎和檢索技術的發展，基于內容的圖像檢索(Content-based?image?retrieval，CBIR)被提出并逐漸成熟。常見的如Google、百度等搜索引擎也相繼推出了相應的大眾商業化搜索技術，CBIR逐漸步入人們日常網絡生活中。而一幅圖像包含的信息往往遠遠超出依據文本，搜索過程中，如何處理圖像、分析圖像、抽取圖像特征、尤其是如何匹配兩幅圖像，則對CBIR非常重要。

現有的CBIR技術，主要以圖像處理、模式識別、計算機視覺、圖像理解等領域的知識為基礎，從認知科學、人工智能、數據庫管理系統及人機交互、信息檢索等領域，引入新的媒體數據表示和數據模型，以便設計出可靠、有效的檢索算法、系統結構以及友好的人機界面。現有的CBIR技術中，圖像低層特征的提取屬于早期的較成熟的CBIR技術，其主要是快速、有效地獲得圖像的低層特征，比如：顏色特征、紋理特征、輪廓特征、形狀特征、對象特征、空間特征、字符特征等，目前已經有成熟的算法支持圖像的低層特征提取，通常使用最多的低層特征是顏色、形狀、紋理。由于一般的低層特征提取是對圖像全局信息的描述，事實上，用戶查詢一副圖像的時候并不一定會關注圖像的背景，而是更關注圖像中的事物或對象，因此，產生了區域圖像檢索的方式，即將圖像分成若干有意義的區域，然后再對區域進行特征提取并進行檢索，這一檢索方法縮小了語義鴻溝。這里，語義鴻溝主要是由于計算機獲取的圖像的視覺信息與用戶對圖像理解的語義信息的不一致性而導致的低層和高層檢索需求間的距離。另外，由于CBIR的低層特征與高層語義特征存在語義鴻溝，并且當前的語義特征的提取手段尚不成熟，因而，在現有技術中，還會通過人機交互和相關反饋技術，在檢索系統中，根據用戶的需求實時地調整檢索參數來推測用戶更加預期的結果，相關反饋技術例如：文本檢索中的相關反饋技術、機器學習方法等其他算法和理論(如Bayesian理論、支持向量機、Active?Learning、高斯混合模型等)構建的相關反饋技術，能在一定程度上緩解語義鴻溝帶來的檢索覆蓋范圍狹窄的缺陷。但現有的CBIR，對于低層視覺特征即圖像低層特征來說，用戶的需求可能來自不同特征即多方位的需求：顏色、形狀、紋理、等等。從而單一的低層特征實際不能滿足所有圖像檢索需求，比如：實際檢索時顏色是圖像最顯著的特征，但單純用顏色來檢索不能得到理想的結果(例：用紅蘋果檢索得不到青蘋果)，即便結合相關反饋技術，也仍然不能完全滿足用戶的實際圖像檢索的多方位要求，覆蓋面狹窄。

因此，需要提供優化的CBIR方案，以擴大圖像檢索的覆蓋面，滿足用戶圖像檢索的實際多方位需求，提升用戶基于內容的圖像檢索的體驗。

發明內容

本申請的主要目的在于提供一種多特征基于內容的圖像檢索方法和系統，以解決在基于內容的圖像檢索中，通過統一各個低層特征的相似度度量的線性加權方式優化多低層特征結合的問題，使得檢索時可以將不同特征上相似的圖像同時都被檢索出來，從而提升檢出率和檢準率；進而解決利用低層特征的特性之間存在的互補和抑制特點，進一步有效提高基于內容的圖像檢索的多方面滿足用戶圖像檢索的實際需求，提升用戶基于內容的圖像檢索的體驗。

本申請一方面提供一種多特征基于內容的圖像檢索方法，包括：根據單低層特征的提取，獲取圖像的各種單低層特征；根據作為檢索詞的圖像所提取的多低層特征執行圖像檢索，基于歸一化的相似性度量，分別匹配已經存儲的圖像所提取的相應的多低層特征；基于檢索到的圖像結果的總相似度量大小，對檢索到的圖像結果進行統一方式排序并輸出。

其中，根據單低層特征的提取，獲取圖像的各種單低層特征，還包括：基于顏色直方圖和顏色矢量直方圖進行圖像特征提取，以獲取顏色特征；基于灰度熵矩陣和形狀輪廓點分布直方圖進行特征提取，以獲取形狀特征；基于紋理基元空間分布進行特征提取，以獲取紋理特征。

其中，根據作為檢索詞的圖像所提取的多低層特征執行圖像檢索，基于歸一化的相似性度量，分別匹配已經存儲的圖像所提取的相應的多低層特征，還包括：所述多低層特征包括圖像的顏色特征、形狀特征和紋理特征；所述基于歸一化相似性度量，分別匹配已經存儲的圖像所提取的相應的多低層特征包括：將所述特征中一個或幾個特征進行匹配時的相似性度量規則與其余所述特征進行匹配時的相似性度量規則不同的，轉換成與其余所述特征進行匹配時的相似性度量規則。其中，所述歸一化還包括：歸一化相似性度量的值域相關性和值域的區間長度。