[發明專利]一種基于數據增強的車輛圖像檢索方法

在審

• 申請號: 202010532683.0
• 申請日: 2020-06-12
• 公開（公告）號: CN111694977A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 謝武;崔夢銀;劉滿意;強保華;賈清玉;謝天
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F16/55
• 分類號: G06F16/55;G06F16/583;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 陸夢云

1.一種基于數據增強的車輛圖像檢索方法，其特征是：包括如下步驟：

(1)給定車輛圖像數據集，并對圖片進行歸一化處理成CNN模型需要的數據輸入格式；

(2)車輛圖像數據增強：通過多尺度Retinex算法對原始車輛圖片進行暗光增強，獲得一個較大規模的車輛圖像數據集；

(3)劃分車輛圖像數據集：按照8∶1∶1的比例，將車輛圖像數據集拆分成訓練集、驗證集和檢索測試集；

(4)構建基于VGGNet16的車輛圖像檢索模型，并進行模型訓練和驗證；

(5)車輛圖像的特征提取：利用訓練好的卷積神經網絡模型對車輛圖像進行一系列的卷積、池化和全連接操作，提取車輛圖像的特征；

(6)模型測試：使用訓練好的模型在檢索測試集上進行檢索，并評估該模型的泛化能力及檢索準確度。

2.根據權利要求1所述的基于數據增強的車輛圖像檢索方法，其特征是：步驟(2)所述多尺度Retinex算法是：

對于一張車輛圖像，采用多種尺度的高斯濾波函數，對圖像的三個通道進行濾波，對每個尺度的反射分量取加權平均，得到最終輸出結果，可以將r_i(x,y)＝i_i(x,y)-i_i(x,y)*G(x,y)的公式變為：

其中，G_k(x,y)代表第k個高斯濾波函數，N表示高斯濾波函數的數量，通過實驗發現當N＝3時，車輛圖像數據增強的效果最好；w_k是第k個尺度的權重，N個高斯濾波函數所占比例滿足約束條件：

3.根據權利要求1所述的基于數據增強的車輛圖像檢索方法，其特征是：所述數據增強的算法步驟如下：

(1)輸入原始圖像I(x,y)，分離三個顏色通道空間分量并轉化到對數域；

(2)設置高斯函數尺度的個數及大小；

(3)按照公式來獲取圖像r(x,y)；

(4)把r(x,y)從對數域轉換到實數域得到R(x,y)；

(5)對R(x,y)進行線性矯正處理(因為R(x,y)的范圍不在0～255的范內)，矯正后的圖像即算法增強后的圖像。

4.根據權利要求1所述的基于數據增強的車輛圖像檢索方法，其特征是：步驟(4)所述的模型訓練過程如下：

(1)構建基于VGGNet網絡結構，該步驟包括網絡結構定義及初始化，構建好網絡模型之后，使用遷移學習的方法，在ImageNet上的預訓練權重初始化網絡模型；

(2)利用數據增強后的車輛圖像訓練集對模型進行微調，并更新模型參數，保存訓練過程中中間模型，同時記錄不同時刻模型的分類精度，選取表現效果最好的模型作為車輛圖像的特征提取引擎；

(3)使用訓練好的模型提取網絡模型的倒數第二層的全連接層的特征作為車輛圖像的特征表示，得到4096維的圖像特征表示向量；

(4)從檢索測試集中隨機選擇100張圖片作為查詢圖片，其余圖片作為車輛檢索圖像數據庫，采用訓練好的模型提取查詢圖片的特征，然后在特征數據庫中進行相似度計算返回檢索結果，最后使用MAP評價指標對返回的結果進行評價。

5.根據權利要求1所述的基于數據增強的車輛圖像檢索方法，其特征是：所述特征提取包括：對用戶上傳的查詢圖片進行特征提取和對圖片數據庫進行特征提取。

6.根據權利要求1所述的基于數據增強的車輛圖像檢索方法，其特征是：步驟(6)所述的車輛圖像檢索包括特征提取、特征壓縮和特征匹配三個步驟，其中：特征匹配，即相似度計算在圖像檢索系統中起著關鍵的作用；經過特征提取和特征壓縮操作會把待檢索車輛圖像和數據庫中的圖像映射到同一特征空間，一般是浮點型向量形式。