一种基于邻域旋转直角模式的图像检索方法与流程

技术特征：

1.一种基于邻域旋转直角模式的图像检索方法，其特征在于，所述基于邻域旋转直角模式的图像检索方法包括以下步骤：

步骤一：分离彩色图像R、G、B三通道色，分别对三通道色进行二维离散小波变换，取三通道色的低频子带，作为所选平面；所述R为红色分量，G为绿色分量，B为蓝色分量；

步骤二：基于VLBP模式根据步骤一所选的平面提取局部模式；

步骤三：对步骤二提取的局部模式使用邻域旋转直角模式计算局部模式的邻域旋转直角模式值；

步骤四：将步骤三得到的邻域旋转直角模式值形成的特征向量与图像数据库进行特征相似度度量，使用查全率以及查准率对图像检索结果进行评价。

2.根据权利要求1所述的一种基于邻域旋转直角模式的图像检索方法，其特征在于，所述步骤二中基于VLBP模式根据步骤一所选的平面提取局部模式的具体过程为：

将所选平面垂直排列，顺序为第一个平面为红色分量低频子带、第二个平面为蓝色分量低频子带、第三个平面为绿色分量低频子带；在每个平面上选取以每个像素为中心形成的3×3像素矩阵，即像素中心与其周围八个邻域像素形成的矩阵；

将三个平面等效为正方体，即三个平面上的3×3像素矩阵同样等效为正方体，依次提取每个3×3像素矩阵正方体的局部模式，所提取的局部模式同样为3×3像素矩阵，以3×3像素矩阵正方体中的第二个平面的像素矩阵为第一局部模式；以3×3像素矩阵正方体中的第二个平面的像素矩阵的中心像素为中心，过第一个平面和第三个平面像素矩阵的中心像素形成的像素矩阵为第二局部模式；以3×3像素矩阵正方体中过第一个平面和第三个平面像素矩阵的中心像素，并与第一局部模式和第二局部模式垂直的像素矩阵为第三局部模式；以3×3像素矩阵正方体中过第一个平面像素矩阵中心像素的两个对角线形成两个像素矩阵为第四局部模式和第五局部模式。

3.根据权利要求1或2所述的一种基于邻域旋转直角模式的图像检索方法，其特征在于，所述步骤三中对步骤二提取的局部模式使用邻域旋转直角模式计算局部模式的邻域旋转直角模式值具体过程为：

使用邻域旋转直角模式对所提取的局部模式进行计算得出局部三值模式，将每个局部三值模式分解为两个局部二值模式，共形成以0,1编码的10个局部二值模式，对10个局部二值模式分别进行加权运算得到10个邻域旋转直角模式值。

4.根据权利要求3所述的一种基于邻域旋转直角模式的图像检索方法，其特征在于，所述邻域旋转直角模式具体为：

邻域旋转直角模式计算公式如下所示：

α＝0°,45°,90°,...,315°

其中所述为α方向上的邻域像素值，g_c为中心像素值；μ为根据8个邻域像素值以及中心像素值计算均方差得出的局部自适应阈值；

局部自适应阈值μ计算公式如下所示：

$\mathrm{\μ}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2}$

其中x_i为像素值，为局部模式像素平均值，N为像素个数，取值为9。

5.根据权利要求1、2或4所述的一种基于邻域旋转直角模式的图像检索方法，其特征在于，所述步骤四中将步骤三得到的邻域旋转直角模式值形成的特征向量与图像数据库进行特征相似度度量，使用查全率以及查准率对图像检索结果进行评价的具体过程为：

将邻域旋转直角模式值连接形成特征向量：

$H_S\left(l\right)=\frac{1}{N_1\×N_2}\underset{i=1}{\overset{N_1}{\Σ}}\underset{j=1}{\overset{N_2}{\Σ}}f\left(PTN\right(i,j),l);l\∈\[0,P(P-1)+2\]$

$f(x,y)=\left\{\begin{array}{cc}1,& x=y\\ 0,& x\≠y\end{array}\right.$

其中，N₁×N₂表示图像大小，PTN表示邻域旋转直角模式，(i,j)表示处于图像第i行第j列的像素，l表示均匀LBP模式值类型，P表示邻域像素个数；

通过计算待检索图像I_q的特征向量与图像数据库中图像的特征向量的距离实现图像检索；

d1相似度度量计算公式如下所示：

$D(I_q,DB)=\underset{i=1}{\overset{Lg}{\Σ}}\left|\frac{f_{{\mathrm{DB}}_{ji}}-f_{I_{qi}}}{1+f_{{\mathrm{DB}}_{ji}}+f_{I_{qi}}}\right|$

其中，代表图像数据库|DB|中第j幅图像的第i个特征，L_g表示图像数量；

使用查准率以及查全率对图像检索结果进行客观评价，对于待检索图像I_q，查准率计算公式如下所示：

$P(I_q,n)=\frac{1}{n}\underset{i=1}{\overset{\left|DB\right|}{\Σ}}\left|\mathrm{\δ}\left(\mathrm{\φ}\right(I_i),\mathrm{\φ}(I_q\left)\right)\right|$

其中，n表示检索结果中图像的数量，φ(I_i)表示检索结果中图像的类别，φ(I_q)表示待检索图像的类别；

查全率计算公式如下所示：

$P(I_q,n)=\frac{1}{N_G}\underset{i=1}{\overset{\left|DB\right|}{\Σ}}\left|\mathrm{\δ}\left(\mathrm{\φ}\right(I_i),\mathrm{\φ}(I_q\left)\right)\right|$

其中，N_G表示图像数据库中与待检索图像I_q相关图像总量，δ(φ(I_i),φ(I_q))函数关系如下所示：

$\mathrm{\δ}\left(\mathrm{\φ}\right(I_i),\mathrm{\φ}(I_q\left)\right)=\left\{\begin{array}{cc}1,& \mathrm{\φ}\left(I_i\right)=\mathrm{\φ}\left(I_q\right)\\ 0,& \mathrm{\φ}\left(I_i\right)\≠\mathrm{\φ}\left(I_q\right)\end{array}\right..$