[發明專利]一種快速圖像檢索方法

在審

• 申請號: 202010213972.4
• 申請日: 2020-03-24
• 公開（公告）號: CN111414510A
• 公開（公告）日: 2020-07-14
• 發明（設計）人: 錢鑫
• 申請（專利權）人: 北京曲線智能裝備有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/55;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都頂峰專利事務所(普通合伙) 51224
• 代理人: 左正超

1.一種快速圖像檢索方法，其特征在于：包括如下步驟：

S1.獲取圖像，進行預處理，得到圖像局部特征；

S2.進行圖像局部特征的特征抽取和選擇，得到特征建模向量；

S3.進行特征建模向量的判別學習，得到降維后的特征建模向量；

S4.融合降維后的特征建模向量，得到最終圖像表達向量；

S5.根據最終圖像表達向量，得到檢索結果。

2.根據權利要求1所述的一種快速圖像檢索方法，其特征在于：所述的步驟S1中，使用基于遷移學習的深層卷積神經網絡，對獲取的圖像進行預處理。

3.根據權利要求2所述的一種快速圖像檢索方法，其特征在于：所述的預處理包括依次進行的去噪處理、平滑處理以及變換處理。

4.根據權利要求1所述的一種快速圖像檢索方法，其特征在于：所述的步驟S2中，進行圖像局部特征的特征抽取和選擇時，分別使用空間均值池化和魯棒協方差對圖像局部特征進行建模，得到對應的兩種特征建模向量。

5.根據權利要求4所述的一種快速圖像檢索方法，其特征在于：所述的步驟S3中，得到降維后的特征建模向量的具體步驟如下：

S3-1.獲取圖像數據庫中的訓練數據，根據預設訓練數據中已知的標簽信息，使用大間隔最近子空間學習算法對兩種初始特征建模向量進行判別學習，得到對應的兩種低秩線性映射矩陣；

S3-2.根據得到的低秩線性映射矩陣，對對應的特征建模向量進行降維，得到兩種降維后的特征建模向量。

6.根據權利要求5所述的一種快速圖像檢索方法，其特征在于：所述的步驟S4中，融合降維后的特征建模向量時，使用加權系數對兩種降維后的特征建模向量進行加權級聯，得到最終圖像表達向量。

7.根據權利要求6所述的一種快速圖像檢索方法，其特征在于：所述的步驟S5中，得到檢索結果的具體步驟如下：

S5-1.根據最終圖像表達向量，得到與圖像數據庫中的所有待檢索圖像的表達向量的歐氏距離；

S5-2.對所有的歐氏距離進行排序，將最小的歐氏距離對應的若干個圖像作為檢索結果。