[發明專利]一種基于最大相似度匹配的圖片檢索方法

有效

• 申請號: 201510028073.6
• 申請日: 2015-01-20
• 公開（公告）號: CN104615676B
• 公開（公告）日: 2018-08-24
• 發明（設計）人: 王瀚漓;王雷;朱馮貺天
• 申請（專利權）人: 同濟大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/66
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙繼明

1.一種基于最大相似度匹配的圖片檢索方法，其特征在于，實現圖片的在線檢索，包括以下步驟：

1)獲取訓練圖片集；

2)在多尺度空間上對獲取的圖片進行特征點檢測和描述；

3)對步驟2)提取的特征點的集合進行聚類并生成包含g個視覺詞匯的視覺字典；

4)將步驟2)提取的每個特征映射到與當前特征l₂距離最小的視覺詞匯上，并將當前特征與相應視覺詞匯的歸一化殘差向量存儲在倒排索引結構中，形成查詢數據庫；

5)獲取待檢索圖片，執行步驟2)和4)，獲得待檢索圖片的倒排索引結構，根據該倒排索引結構檢索查詢數據庫，基于最大相似度匹配，獲得待檢索圖片的檢索結果；

所述步驟5)中，根據待檢索圖片倒排索引結構采用最大相似度匹配在查詢數據庫中進行檢索，獲得與該待檢索圖片匹配的檢索結果，所述最大相似度匹配的核函數為：

其中，X_c＝{x∈X:q(x)}，Y_c＝{y∈Y:q(y)}分別表示待檢索圖片特征點集合X和與其對應的訓練圖片特征點集合Y中屬于視覺詞匯c的特征子集，q表示執行聚類操作的函數，m＝max(#X_c，#Y_c)，#X_c、#Y_c分別為集合X_c、Y_c的基數，k表示集合X_c與Y_c進行匹配的第k種排列，r(x_i^k)為第k種排列下X_c中第i個特征所對應的歸一化殘差向量，r(y_i)為第k種排列下Y_c中對應r(x_i^k)的歸一化殘差向量，σ(·)為非線性函數，定義為：

2.根據權利要求1所述的基于最大相似度匹配的圖片檢索方法，其特征在于，所述步驟2)中，采用改進版本Hessian-Affine特征點檢測算法和SIFT局部特征描述子在多尺度空間上進行特征點檢測和描述，具體為：

1a)使用Hessian-Affine特征點檢測算法對圖片進行檢測，得到局部特征點集Z＝{z₁，…，z_n}，n為特征點數量；

1b)對于Z，使用SIFT局部特征描述子進行描述，得到對應的特征向量，形成特征點集合X＝{x₁，…，x_n}，其中，x_i為128維特征向量，i＝1，…，n。

3.根據權利要求2所述的基于最大相似度匹配的圖片檢索方法，其特征在于，所述改進版本Hessian-Affine特征點檢測算法中，固定特征點主方向為垂直向下。

4.根據權利要求2所述的基于最大相似度匹配的圖片檢索方法，其特征在于，所述步驟3)具體為：

3a)利用k均值聚類算法將提取出的特征集F中的所有特征聚成g個類，其中，F＝{F₁，…，F_s}，為從擁有s張圖片的圖片集N中提取出的特征集；

3b)記錄并保存每個類的中心點，組成視覺詞典：C＝{c₁，…，c_g}，其中，每一個視覺詞匯c_h都是一個128維向量，h＝1，…，g。

5.根據權利要求4所述的基于最大相似度匹配的圖片檢索方法，其特征在于，所述步驟4)具體為：

4a)對于某一特征x，依次計算其與每一個視覺詞匯的l₂距離d，并找出距離最小的視覺詞匯c：

4b)對X進行上述操作，則獲得X中屬于視覺詞匯c的特征子集：

X_c＝{x∈X:q(x)＝c}

4c)將每一個特征x與所屬的視覺詞匯c的歸一化殘差向量r(x)存儲在倒排索引結構中，其中：