[發明專利]一種基于圖方法的圖像檢索重排方法

在審

• 申請號: 201710653201.5
• 申請日: 2017-08-02
• 公開（公告）號: CN107506401A
• 公開（公告）日: 2017-12-22
• 發明（設計）人: 劉勝藍;馮林;孫木鑫
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 大連星海專利事務所有限公司21208
• 代理人: 裴毓英

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種基于圖方法的圖像檢索重排方法。

背景技術

隨著社交網站、互聯網及多媒體技術的不斷發展，視頻、圖像、音頻等多媒體數據正在以驚人的速度增長。例如，Google檢索每年增長約1,000,000,000，000個新索引；Facebook注冊用戶已經超過1,000,000,000，每月上傳超過1,000,000,000的圖片。在圖像數量不斷增長的同時，不同類別圖像也在不斷豐富。例如，建筑風格圖像、地理信息圖像、醫學圖像、刑事偵查圖像(腳印、人臉、指紋等)、以及商標版權圖像等。隨著互聯網圖像信息豐富，海量圖像數據在滿足用戶對圖像需求的同時，產生的噪音信息也越來越多。在海量圖像庫中尋找對用戶有用圖像信息的圖像檢索技術已經成為檢索技術的重點研究領域之一。

發明內容

本發明的目的是針對海量圖像信息、提出一種提高檢索精度的方法。

本發明提供的一種基于圖方法的圖像檢索重排方法，通過對圖像的檢索結果進行重排，優化已有的排序結果得出更接近用戶理想結果；利用原始排序結果的近鄰集合計算出每張圖像之間近鄰集合的相似性；在將緊鄰集合的相似性看做圖像的相似性；最后利用圖像之間新的相似性來重新排序檢索結果，包括以下步驟：

步驟一：利用杰卡德系數構建圖像近鄰的相似性；

定義一個圖像集合X＝{x₁,…,x_n},x_n是圖像集合中圖像的編號；x^q是待檢索圖像或者中心圖像,是x^q的kNN集合；是由x^q的原始特征的前k個最近鄰組成；利用杰卡德相似性系數構建圖像之間的相似性；定義集合交集大小除集合并集大小為集合間的相似性：

步驟二：更新杰卡德系數圖；

根據步驟一中杰卡德系數構建的權重圖，更新權重圖中邊權構建更新之后的權重圖如下：

然后，將w′(x,x^q)作為更新之后的權重圖；

步驟三：確定最后的權重圖；

根據步驟二中構建的權重圖來確定x^q與x∈X之間最終的權重圖計算公式如下：

最后，將w(x,x^q)作為第三層的權重；根據公式(3)構建的最終邊權值的期望如下：

有益效果：本發明提出了基于原始排序結果的圖像檢索構圖方法，該方法利用近鄰集合的相似度構建出圖像之間相關性成正比的局部圖，并用利用構圖結果進行重排，在滿足定理1條件下獲取了較高的檢索精度。

附圖說明

圖1通過杰卡德相似性系數度量節點A附近節點的近鄰集合相似性。

圖2第二層權重圖將第一層權重圖中杰卡德相似性度量值大于0的邊權變為1.

圖3第三層權重圖將第二層權重圖節點之間的邊數求和作為權重圖的邊權值。

具體實施方式

為使本發明解決的技術問題、采用的技術方案和達到的技術效果更加清楚，下面結合附圖和實施例對本發明作進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅僅用于解釋本發明，而非對本發明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發明相關的部分而非全部內容。

本發明提供了基于圖方法的圖像檢索重排，通過對圖像的檢索結果進行重排計算，優化已有的排序結果得出更接近用戶理想結果的重排方法。該方法利用原始排序結果的近鄰集合計算出每張圖像之間近鄰集合的相似性；在將緊鄰集合的相似性看做圖像的相似性；最后利用圖像之間新的相似性來重新排序檢索結果。重排方法的主要步驟如下：

步驟一：利用杰卡德系數構建圖像近鄰的相似性

定義一個圖像集合X＝{x₁,…,x_n},x^q是待檢索圖像(或者中心圖像),是x^q的kNN集合。是由x^q的原始特征的前k個最近鄰組成。我們利用杰卡德相似性系數構建圖像之間的相似性。其中，杰卡德相似性度量是一個統計數據用于比較樣本集的相似性和多樣性的度量方式。杰卡德相似性度量用于衡量有限樣本集之間的相似性，定義集合交集大小除集合并集大小為集合間的相似性：

步驟二：更新杰卡德系數圖

根據步驟一中杰卡德系數構建的權重圖，更新權重圖中邊權構建更新之后的權重圖如下：