[發明專利]一種圖像檢索方法

在審

• 申請號: 201710870644.X
• 申請日: 2017-09-24
• 公開（公告）號: CN108009191A
• 公開（公告）日: 2018-05-08
• 發明（設計）人: 吳戀;趙建川;崔忠偉;馬敏耀;左羽;于國龍
• 申請（專利權）人: 貴州師范學院
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62;G06N3/04
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 郝志亮

本發明公開了一種圖像檢索方法，具體包括如下步驟：步驟一：對查詢圖像和數據庫中的圖像進行多尺度深度卷積特征提取，將得到的不同尺度卷積特征進行PCA降維處理后并特征融合，以獲取具有圖像內容信息的全局特征描述符；步驟二：對查詢圖像與圖像庫中的圖像用排序算法計算排序分數，根據排序分數返回一定數量的圖像。該方法引入了多尺度深度卷積特征，將各尺度的卷積特征融合作為圖像的特征，其考慮了圖像中感興趣的目標或者區域出現在不同的位置、尺寸大小也可能不同，當采用多尺度時，能更好更全面的獲取圖像特征來表示該圖像。

技術領域

本發明涉及計算機視覺和模式識別的技術領域，特別涉及一種基于深度學習特征提取和流行相似度排序的圖像檢索方法。

背景技術

在大數據時代，圖像檢索技術在大規模數據上的應用是一個熱門的研究領域，如何高效、準確、迅速地在海量圖像信息檢索到所需圖像信息是圖像檢索的熱點問題。基于內容的圖像檢索(content-based image retrieval,CBIR)指的是用于搜索的對象本身是一副圖像，或者是對于圖像內容的特征描述，其核心是利用圖像的可視化特征進行檢索。基于圖片內容的圖像檢索技術的關鍵在于圖像的特征提取和特征之間的相似性度量。

圖像的特征提取主要是對圖像的顏色、紋理、形狀、灰度等信息進行提取，常用的有基于顏色的直方圖、相關圖、顏色矩的檢索方法，基于統計法、頻譜法、模型法等紋理特征的圖像檢索方法，基于邊緣、區域的形狀檢索方法。然而這些經典方法均以人為設計的特征為基礎，設計方法的好壞直接影響圖像檢索的效果。深度學習是機器學習研究的新領域，具有利用大數據自動學習數據特征的優勢而引起人們的關注，從而解決了人為因素所帶來的不確定性。目前已有較多的研究證明，基于深度卷積神經網絡模型提取的卷積特征用于圖像檢索上能有很好的檢索效果。但是，大部分的研究工作只是直接把原圖像直接輸入卷積神經網絡，并未考慮感興趣的目標或區域可能出現在圖像的不同區域、尺寸大小可能也會有差異的情況。同時深度特征的維度高，直接利用深度特征進行大數據圖像檢索在實際應用中不可行。

在特征之間的相似性度量方面，一般是采用向量之間的距離來計算的。目前的圖像檢索方法中常用的相似度度量方法有：余弦距離、歐氏距離和馬氏距離等。然而，對于圖像而言，簡單的向量之間的距離其實是難以真實地反映圖像之間的相似程度。

發明內容

本發明的主要目的在于提供一種圖像檢索方法，其利用多尺度方法提取不同目標區域下的特征來刻畫圖像，提高了深度卷積特征對圖像的刻畫能力；采用基于流形學習的相似性度量方法，即流形排序(Manifold Ranking，MR)，進行圖像間相似度的度量，使其能夠更真實地反映圖像之間的相似程度。

為達到以上目的，本發明采用的技術方案為：一種圖像檢索方法，其特征在于，具體包括如下步驟：

步驟一：對查詢圖像和數據庫中的圖像進行多尺度深度卷積特征提取，將得到的不同尺度卷積特征進行PCA降維處理后并進行特征融合以獲取具有圖像內容信息的全局特征描述符；

步驟二：根據步驟一中得到的全局特征描述符對查詢圖像與圖像庫中的圖像采用算法獲取圖像庫中的圖像與查詢圖像的相似度，并根據相似度從圖像庫中返回一定數量的圖像。

優選地，所述步驟一具體包括以下步驟：

步驟a：對查詢圖像和圖像庫中的圖像進行n種不同尺度圖像塊的提取，在第i種尺度下，提取i2個相同大小的圖像塊，i2個圖像塊包含對應圖像的全部信息，然后將所有圖像塊調整成相同的像素大小，1≤i≤n；

步驟b：將獲取的圖像塊送入深度卷積神經網絡VGG-19進行特征提取，并抽取最后一層卷積層的卷積特征；