[發明專利]一種快速的圖融合圖像檢索方法

在審

• 申請號: 201611078791.5
• 申請日: 2016-11-30
• 公開（公告）號: CN106776896A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 董強
• 申請（專利權）人: 董強
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 北京方安思達知識產權代理有限公司11472
• 代理人: 徐淑東,王宇楊

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種快速的圖融合圖像檢索方法。

背景技術

近年來隨著互聯網和移動終端上圖像數據的急劇增長，如何快速有效地從數據庫中檢索用戶需要的圖像已成為計算機視覺領域的熱點問題。因此我希望能提升現有圖像檢索方法的效果。

目前的主流圖像檢索可分為三類：基于文本、圖像內容和圖像語義的圖像檢索。基于文本和基于語義的檢索效果尚不理想，而基于內容的圖像檢索技術近些年取得了較好的效果，成為圖像檢索的主流方式。基于內容的圖像檢索主要研究圖像特征提取和圖像排序兩方面的工作，圖像特征提取的方法和圖像排序都對圖像檢索的效果有很大的影響，好的圖像特征配合與之相適應的圖像排序方法才能得到理想的圖像檢索效果。

在圖像排序方面，已有很多優秀的成果。如Liu等發現范數排序比歐氏距離排序效果更好。然而范數排序存在排名方式獨立的問題。因此，在后續的研究中，圖學習在圖像檢索中起著至關重要的作用。He等將流形排序(Manifold Ranking，MR)應用于圖像檢索，取得了較好效果。He等進一步提出了廣義的MR，在數據分布不復雜的情況下，可以獲得比MR更優的結果。Wang等將圖結構中的K-NN利用樣本結點的度和權值的最小化改進為K-RNN，提升圖像檢索的效果。在圖結構方面，Huang等人利用超圖實現MR，結點之間的權值由概率決定，由于不同結點對有多個權值，所以在圖像檢索中可以取得比較好的排序結果。除了超圖，多圖也是樣本點間多權值的一種實現手段。Zhao等利用圖像的不同特征構建多圖加強樣本點之間的關系，實現圖像檢索。Zhang等利用Graph PageRank和Graph Density方法將多圖進行融合，實現圖像的排序。

由于單特征圖像檢索方法提取特征的時候側重點不同，如HSV主要關注圖像的顏色信息，LBP主要關注圖像的紋理信息等等，因此導致單特征圖像檢索方法對于不同的檢索圖像的效果好壞不同。單特征圖像檢索方法不能對所有的檢索圖像取得滿意效果，很不穩定。如果能夠融合不同的單特征檢索方法，那么就可以提高圖像檢索結果的準確性。Graph Density方法就是目前主流的圖融合學習方法之一。該方法通過融合差異性大的特征組來提高檢索結果的準確性。

發明內容

本發明的目的是，針對單特征圖像檢索方法不能對所有的檢索圖像取得滿意效果、很不穩定的技術問題，提出了一種快速的圖融合圖像檢索方法。

本發明提供的一種快速的圖融合圖像檢索方法，包括以下步驟：

步驟100：將圖像檢索數據集，獲取特征的排序結果。

步驟200：建立權重圖，權重圖中節點為數據集合中的圖片，節點之間權重和圖像之間的相似度成正比，對于不同特征的權重圖采用圖融合的方法。

步驟300：在權重圖中，以待檢索圖像為中心按照本文提出的聚類方法進行圖像組劃分。

步驟400：按照候選圖像加入圖像組的順序重新排序候選圖像。

優選的，所述步驟200具體過程是：將要檢索的圖片和數據集中的每個圖片視為不同的節點，并根據提取特征后圖片的相似度在每個節點之間建立一條邊，邊權由圖片相似度的大小決定，相似度越高的圖片，節點之間的邊權越大，反之則越小，也有可能為零；根據以上的規則建立一個特征圖，即可表示每張圖片相似度關系。

優選的，所述步驟300包括以下子步驟：

步驟310：采用公式：

G¹＝(V¹，E¹，w¹)+G²＝(V²，E²，w²)＝G＝(V，E，w)進行圖融合；其中，G¹：為第i個特征圖，V¹：為圖中的節點的集合，E：為圖中邊的集合，w：為圖中邊權函數。

步驟320：利用公式：進行聚類，

其中，q為檢索圖片，前k張圖片表示為v是求的圖中的節點，w是為圖中邊權函數，到v的邊權大小；

每次尋找第k+1張候選圖片時，只要尋找前k張圖像相關性較大的圖片。

有益效果：本發明利用jaccard構建權重圖；按照譜聚類的思想提出快速譜聚類貪心算法劃分圖像組，利用聚類的結果對檢索結果進行優化得出更優的檢索效果；對現有的圖像檢索結果以譜聚類和貪心算法的思想進行了重新排序，大大提高了圖像檢索的準確度。

附圖說明