[發明專利]一種基于認知特征和流形排序的圖像檢索方法

有效

• 申請號: 201710652692.1
• 申請日: 2017-08-02
• 公開（公告）號: CN107506400B
• 公開（公告）日: 2019-06-25
• 發明（設計）人: 王飛龍;馮林;吳俊
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/46
• 代理公司: 大連星海專利事務所有限公司 21208
• 代理人: 裴毓英

1.一種基于認知特征和流形排序的圖像檢索方法，具體包括以下步驟：

步驟100：數據模塊(101)收集數據庫中的圖像樣本，查詢圖像是用戶輸入的已知圖像樣本；

步驟200：圖像特征提取模塊(102)分別提取查詢圖像和數據庫中所有圖像的視覺特征向量；

所述步驟200中圖像特征提取方法包括以下子步驟：

步驟210：將原圖像的RGB顏色空間轉化到HSV顏色空間；

步驟220：分別計算圖像中每個像素點位置的量化顏色值和梯度方向值，其中每一像素點的量化顏色值取值范圍是0～71，梯度方向值取值范圍是0～11；

步驟230：利用3*3大小的模塊檢測圖像，依次滑動模塊，檢測圖像中除邊界區域外的所有像素點，比較中心像素點與周圍8個鄰居之間視覺屬性是否相同；

步驟240：選擇中心像素點與鄰居存在相似量化顏色值或量化梯度方向值的區域，分別得到原始圖像的顏色和梯度感知一致區域；

步驟250：對檢測的圖像區域進行特征統計，分別計算顏色和梯度區域圖中的顏色差分特征，將HSV顏色空間轉化成笛卡爾坐標系統H'S'V'，H'＝S*cos(H)，S'＝S*sin(H)和V'＝V；其計算公式為：

其中

在公式(1)中，表示顏色差分特征向量，T_k(k＝1,2)表示像素點的基礎屬性，其中T₁表示顏色值，T₂表示梯度方向值；g_c表示中心像素點，g_i表示該點的鄰居像素點，在計算過程中需要對圖像感知一致區域中所有有效像素點進行遍歷；公式(2)中δ_i(g_c,g_i)表示鄰居點g_i與g_c是否具有相同的基礎屬性T_k；公式(3)中d_i表示鄰居點g_i與g_c的顏色差分；χ_Tk(g_c)表示圖像中基礎屬性為T_k的中心像素點g_c；

步驟260：對檢測的圖像區域進行特征統計，分別計算顏色和梯度區域圖中的基元頻率特征；其計算公式為：

公式(4)中的表示圖像的基元頻率特征；其中N表示圖像感知一致區域中的所有有效像素點的個數；

步驟270：聯合步驟250和步驟260中得到的顏色差分特征和基元頻率特征，得到描述一致性區域的特征向量為：

公式(5)中h¹和h²分別表示顏色和梯度方向感知一致性特征；

步驟280：通過設定權值拼接，聯合顏色和梯度方向感知一致性特征h，其計算公式為：

h＝[β₁·h¹ β₂·h²] (6)

公式(6)中β₁和β₂分別表示顏色和梯度方向特征所占的權重系數；

步驟300：流形排序模塊(103)利用流形排序算法計算數據庫圖像樣本特征向量與查詢樣本的相似性得分；

所述步驟300包括以下步驟：

步驟310：將查詢樣本q和數據庫中所有圖像H作為節點構建近鄰圖矩陣，利用L1距離查找每個樣本的k最近鄰，以高斯核函數作為近鄰樣本的權重，計算近鄰圖矩陣W；

步驟320：將矩陣W進行對稱標準化，計算公式為：

S＝D^-1/2WD^-1/2 (7)

公式(7)中矩陣D是對角矩陣，D＝∑_jW_ij，其中，W_ij為矩陣W中的元素；

步驟330：假設數據庫樣本的初始相似性得分為y₀，選擇L1距離度量下的前P個圖像作為種子節點其對應的相似性得分和近鄰矩陣分別為和

步驟340：將樣本的初始得分進行迭代傳播直到收斂解f^*；或者利用公式(8)直接求其收斂解f^*：

其中I表示單位矩陣，參數α∈(0,1)；

步驟350：將種子節點得分f^*嵌入到整體數據庫樣本中得到得分f_t；

步驟360：將步驟350中的得分f_t在數據庫中進行一次傳播f_t+1＝αSf_t+(1-α)y₀；

步驟370：對f_t+1進行由大到小排序，選擇前P個樣本作為新的種子節點，重復步驟340-370，直到種子節點不再變化；

步驟400：將流形排序模塊(103)得到的相似性得分進行由大到小排序；

步驟500：輸出模塊(105)將流形排序模塊(103)得到的前N幅圖像輸出，N為用戶設定的檢索返回數目。