一种图像检索系统和方法
【专利摘要】本发明公开了一种图像检索系统和方法，涉及图像识别领域。该系统包括图像读取模块、图像去噪模块、图像分割模块、特征量计算模块、筛选模块、检索模块、反馈模块。其中图像读取模块用于读取图像信息；图像去噪模块用于去除图像噪声；图像分割模块用于分割图像；特征量计算模块用于计算单元图像的特征量；筛选模块用于筛选特征量；检索模块用于根据特征量检索相似图像；反馈模块用于反馈检索结果。该发明针对现有图像检索系统和方法在准确性和检索速度以及学习性上的不足等问题，提出一种改进的系统，该系统不仅使检索结果更加准确，效率更高，且具有学习能力，能够不断提升检索质量。
【专利说明】
一种图像检索系统和方法
技术领域
[0001] 本发明涉及图像处理领域，特别涉及一种图像检索系统和方法。
【背景技术】
[0002] 从20世纪70年代开始，有关图像检索的研究就已开始，当时主要是基于文本的图 像检索技术(Text-based Image Retrieval，简称TBIR)，利用文本描述的方式描述图像的 特征，如绘画作品的作者、年代、流派、尺寸等。到90年代以后，出现了对图像的内容语义，如 图像的颜色、纹理、布局等进行分析和检索的图像检索技术，即基于内容的图像检索 (Content-based Image Retrieval，简称CBIR)技术。
[0003] 基于内容的图像检索根据图像、图像的内容语义以及上下文联系进行查找，以图 像语义特征为线索从图像数据库中检出具有相似特性的其它图像。因为图像的规模一般要 大于纯粹的文本信息，因此，基于内容的图像检索在检索的速度和效率上要求更高。通过基 于内容的技术检索Web图像，首先需要从Web中剥离图像，组成图像集，对图像集中的各个对 象进行基于内容的特征分析、相似度匹配。
[0004] 现有的基于内容的图像检索在基于语义的图像检索基础上准确性有了很大提升， 但在以下几个方面还是有很大的不足：
[0005] 1、准确性依然不高：由于图像信息在传输过程中会受到各种各样的噪声干扰，会 导致图像在到达检索系统的时候已经出现了失真。从而造成即使后续的检索非常准确最终 检索结果仍然不尽人意。
[0006] 2、检索速度慢：由于基于内容的图像检索方法极其复杂，检索系统在针对一张复 杂图片进行检索的时候，往往会作很多的复杂运算。从而导致检索进程非常缓慢。而又由于 现有的图像检索系统一般只提供一种检索模式，用户在检索复杂图像和简单图像的时候不 会区别对待，最终导致简单图像的检索也变得缓慢异常。
[0007] 3、不具有学习能力、个性化不足:常规的图像检索系统和方法不会提供针对单个 用户定制的服务。也没有对用户检索习惯的记录和分析，从而导致对同一类相似图片的检 索的问题一直保留下来，不仅在检索效率上得不到提升，在检索准确性上也一直停滞不前。
【发明内容】
[0008] 鉴于此，本发明提供了一种图像检索系统和方法，该系统具有检索结果更加准确、 效率更高、具有学习能力等优点，能够不断提升检索质量。
[0009] 本发明采用的技术方案如下：
[0010] -种图像检索系统，其特征在于，所述系统包括:图像读取模块、图像去噪模块、图 像分割模块、特征量计算模块、筛选模块、检索模块、反馈模块；
[0011]所述图像读取模块，用于接收用户传递过来的图像信息，将图像信息完整地读取 并保存，然后将该图像信息传递给图像去噪模块；
[0012]所述图像去噪模块，用于接收来自图像读取模块传递过来的图像信息，去除该图 像信息于传输过程中产生的噪声，将去噪后的图像发送至图像分割模块；
[0013] 所述图像分割模块，用于接收来自图像去噪模块传递过来的图像信息，根据用户 选择的分割模式对该图像进行分割，将分割后的图像信息传递给特征量计算模块，并保存 当前的分割模式；
[0014] 所述特征量计算模块，用于接收来自图像分割模块传递过来的图像信息，根据用 户选择的特征量计算模式计算分割后的每个图像单元的特征量，将计算后的特征量传递至 筛选模块；
[0015] 所述筛选模块，用于接收来自特征量计算模块传递过来的特征量，根据特征量的 值对这些特征量进行筛选，将筛选后的特征量传递至检索模块，并保存当前的筛选方式；
[0016] 所述检索模块，用于根据特征量计算模块传递过来的特征量，在数据库中筛选具 有类似特征量的图像，将结果发送给客户；
[0017]所述反馈模块，用于搜集用户对于检索结果的评价，将评价结果传递至分割模块 和筛选模块。
[0018]所述图像分割模块包括：图片分割模块、图像单元分割模块、分割模式调节模块、 记忆模块和分析模块;其中，分割模式调节模块用于提供给用户三种图片分割模式进行选 择;记忆模块用于保存用户选择的分割模式;分析模块用于对反馈模块反馈过来的用户评 价结果进行分析。
[0019] 所述图像筛选模块包括:筛选模式调节模块、记忆模块和分析模块;其中，筛选模 式调节模块用于提供给用户三种分割模式进行选择;记忆模块用于保存用户选择的筛选模 式;分析模块用于对反馈模块反馈过来的用户评价结果进行分析。
[0020] 所述图像去噪模块集成了三种图像去噪滤波器，包括:均值滤波器、自适应维纳滤 波器、中值滤波器；
[0021] 所述图像去噪模块会对接收到的所有图片信息均采用三种滤波器进行滤波去噪 处理；
[0022] 所述图片分割模块采用的三种图片分割方式，包括:粗分割方式、细分割方式和精 细分割方式;采取不同分割方式分割同一图像，分割后的单元图像数量不同，数量越多，检 索结果越精确；
[0023]其中，粗方式将图像分割为9个单元图像，细分割方式将图像分割为25个单元图 像，精细分割方式将图像分割为169个单元图像。
[0024]所述筛选模块具有三种筛选方式，包括:第一筛选方式、第二筛选方式和第三筛选 方式；
[0025]所述第一筛选方式具体内容为:将特征量的值在500至2000之间的筛选出来，去除 其余特征量的值；
[0026]所述第二筛选方式具体内容为:将特征量的值在50至10000之间的筛选出来，去除 其余特征量的值；
[0027]所述第三筛选方式具体内容为:将特征量的值在5000至10000之间的筛选出来，去 除其余特征量的值。
[0028] 所述图像单元分割模块采用的分割方法包括以下步骤：
[0029] 步骤1:选择两个初始阈值:TdPTi，把一幅图像f(x，y)中的像素按灰度级用阈值To 和Ti分为Co、Ci和C2三类;分类过程遵循的公式为：
[0030] Co = fi(x,y) | fmin^f (x,yXTo
[0031 ] Ci = fi(x,y) | Ti^f (x,y)>To
[0032] C2 = fi(x,y) | fmax^f (x,y)>Ti
[0033]其中，fmin和fmax分别为图像f(x，y)中的灰度的最小值和最大值。设Ni是灰度值i (f_<i 纪)的像素，贝 ij图像 f(x，y)的总像素 N= (x + a)n = y (l)xkan~kNi,^ 图像中的像素值按灰度值用阈值T分为三类Co和CdPC2，Co对应于灰度值在[fmin，T Q]间的像 素值，&对应于灰度值在[To，Ti ]间的像素值，(：2对应于灰度值在[Ti，fmax]间的像素值，则Co 和Ci和C2的概率分别为： r%
[0034] P0 = I P(l) <-=f min rri
[0035] Pi = j P(l) ffmax
[0036] Pz = j P(〇 人=7'i
[0037] 步骤:2得出整个图像的灰度值均值为： rffnax
[0038] 11= | IPi min
[0039] 步骤3:定义两类的类间方差为T (/q2 +
[0040] ofT' =P〇U~U^ + P^Dl
[0041] 步骤4:最大类间方差把两类的类间方差作为阈值选择的判决依据，认为最好的阈 值Thl和T应该是使类间方差取得最大值的值。
[0042] 步骤5:将每个图像单元的像素点的灰度值和阈值进行比较;比较过程的公式为： (1， g(x,v) < TItI
[0043] f(x,y)二 j 0, Thl < g(x,y) S Th2 l-l > Th2 < g(x,y)
[0044] 如权利要求1至6之一所述的一种图像检索方法，其特征在于，所述方法包括以下 步骤：
[0045] 步骤1:用户进入该图像检索系统，上传需要检索的图片至图像读取模块；
[0046] 步骤2:图像检索模块将该图片读取后保存在数据库管理模块，并将该图片传递至 图像去噪模块；
[0047]步骤3:图像去噪模块采用三种滤波器对该图像进行滤波处理，将处理后的图像信 息传递至图像分割模块；
[0048]步骤4:用户选择不同的分割模式，图像分割模块采取不同的分割模式对该图像进 行分割处理，将分割处理后的图像单元传递至特征量计算模块；
[0049] 步骤5:特征量计算模块接收到分割后的图像单元后，对各个图像单元进行特征量 计算，将计算后得出的特征量传递至筛选模块；
[0050] 步骤6:用户选择不同的筛选模式，筛选模块采取不同的筛选方式对传递过来的特 征量进行筛选，将筛选后的特征量传递至检索模块；
[0051] 步骤7:检索模块根据特征量在数据库中进行检索，找到特征量类似的图像，将这 些图像发送给用户；
[0052] 步骤8:用户根据得出的检索结果进行评价，反馈模块搜集这些评价，将评价传递 至分割模块和筛选模块；
[0053]步骤9:分割模块中的分析子模块根据收到的评价进行分析，将用户评价最高的检 索结果所对应的分割模式存储在记忆子模块中；
[0054]筛选模块中的分析子模块根据收到的评价进行分析，将用户评价最高的检索结果 所对应的筛选模式存储在记忆子模块中；
[0055] 当用户再次检索类似图片的时候，筛选模块和分割模块就会自动采取存储在记忆 子模块中的最佳分割模式和筛选模式。
[0056] 采用以上技术方案，本发明产生了以下有益效果：
[0057] 1、准确性高:在现有的图像检索系统中加入了图像去噪模块，有效
[0058]降低了图像在传输过程中产生了各种噪声对原图像的影响。从源头上有效解决了 检索结果不准确的缺陷。
[0059] 2、个性化服务、效率高:在图像检索中的筛选和分割中增加了几种mo
[0060] 模式供用户选择，用户可以根据实际情况选择最适合他的检索方式。一方面提高 了检索的效率，另一方面也让用户可以定制自己的个性化检索服务。
[0061] 3、具有学习能力:本发明的检索系统中的图像分割模块和筛选模块中
[0062] 具有分析和记忆子模块配合反馈模块可以实现系统不断学习进步的功能。针对相 似图像的检索，本发明的图像检索系统在第二次检索的时候能大大提高检索效率和准确 性。
【附图说明】
[0063] 图1是本发明的一种图像检索系统的结构示意图。
[0064] 图2是本发明的一种图像检索系统中的图像分割模块的结构示意图。
[0065] 图3是本发明的一种图像检索系统中的筛选模块的结构示意图。
【具体实施方式】
[0066] 本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥 的特征和/或步骤以外，均可以以任何方式组合。
[0067] 本说明书(包括任何附加权利要求、摘要）中公开的任一特征，除非特别叙述，均可 被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列 等效或类似特征中的一个例子而已。
[0068] 本发明实施例1中提供了一种图像检索系统，系统结构如图1所示：
[0069] -种图像检索系统，由服务器和客户端组成，所述系统包括：图像读取模块、图像 去噪模块、图像分割模块、特征量计算模块、筛选模块、检索模块、反馈模块；
[0070] 图像读取模块，采用计算机编程软件编写相应的计算机程序实现，用于接收用户 传递过来的图像信息，将图像信息完整读取并保存，然后将该图像信息传递给图像去噪模 块；
[0071] 所述图像去噪模块，采用计算机编程软件编写相应的计算机程序实现，用于接收 来自图像读取模块传递过来的图像信息，去除该图像信息中于传输过程中产生的噪声，将 去噪后的图像发送至图像分割模块；
[0072] 所述图像分割模块，采用计算机编程软件编写相应的计算机程序实现，在程序中 实现分割算法，用于接收来自图像去噪模块传递过来的图像信息，根据用户选择的分割模 式对该图像进行分割，将分割后的图像信息传递给特征量计算模块，并保存当前的分割模 式；
[0073]所述特征量计算模块，采用计算机编程软件编写相应的计算机程序实现，在程序 中实现特征量计算算法，用于接收来自图像分割模块传递过来的图像信息，根据用户选择 的特征量计算模式计算分割后的每个图像单元的特征量，将计算后的特征量传递至筛选模 块，并保存当前的计算模式；
[0074] 所述筛选模块，采用计算机编程软件编写相应的计算机程序实现，在程序中实现 筛选算法，用于接收来自特征量计算模块传递过来的特征量，根据特征量的值对这些特征 量进行筛选，将筛选后的特征量传递至检索模块，并保存当前的筛选方式；
[0075] 所述检索模块，用于根据特征量计算模块传递过来的特征量，在数据库中筛选具 有类似特征量的图像，将结果发送给客户；
[0076]所述反馈模块，用于搜集用户对于检索结果的评价，将评价结果传递至分割模块 和筛选模块。
[0077]所述图像分割模块包括：图片分割模块、图像单元分割模块、分割模式调节模块、 记忆模块和分析模块;其中，分割模式调节模块用于提供给用户三种图片分割模式进行选 择;记忆模块用于保存用户选择的分割模式;分析模块用于对反馈模块反馈过来的用户评 价结果进行分析。
[0078]所述图像筛选模块包括:筛选模式调节模块、记忆模块和分析模块;其中，筛选模 式调节模块用于提供给用户三种分割模式进行选择;记忆模块用于保存用户选择的筛选模 式;分析模块用于对反馈模块反馈过来的用户评价结果进行分析。
[0079] 本发明实施例2中提供了一种图像检索系统，系统结构如图1所示：
[0080] -种图像检索系统，由服务器和客户端组成，所述系统包括：图像读取模块、图像 去噪模块、图像分割模块、特征量计算模块、筛选模块、检索模块、反馈模块；
[0081] 图像读取模块，采用计算机编程软件编写相应的计算机程序实现，用于接收用户 传递过来的图像信息，将图像信息完整读取并保存，然后将该图像信息传递给图像去噪模 块；
[0082]所述图像去噪模块，采用计算机编程软件编写相应的计算机程序实现，用于接收 来自图像读取模块传递过来的图像信息，去除该图像信息中于传输过程中产生的噪声，将 去噪后的图像发送至图像分割模块；
[0083]所述图像分割模块，采用计算机编程软件编写相应的计算机程序实现，在程序中 实现分割算法，用于接收来自图像去噪模块传递过来的图像信息，根据用户选择的分割模 式对该图像进行分割，将分割后的图像信息传递给特征量计算模块，并保存当前的分割模 式；
[0084] 所述特征量计算模块，采用计算机编程软件编写相应的计算机程序实现，在程序 中实现特征量计算算法，用于接收来自图像分割模块传递过来的图像信息，根据用户选择 的特征量计算模式计算分割后的每个图像单元的特征量，将计算后的特征量传递至筛选模 块，并保存当前的计算模式；
[0085] 所述筛选模块，采用计算机编程软件编写相应的计算机程序实现，在程序中实现 筛选算法，用于接收来自特征量计算模块传递过来的特征量，根据特征量的值对这些特征 量进行筛选，将筛选后的特征量传递至检索模块，并保存当前的筛选方式；
[0086] 所述检索模块，用于根据特征量计算模块传递过来的特征量，在数据库中筛选具 有类似特征量的图像，将结果发送给客户；
[0087]所述反馈模块，用于搜集用户对于检索结果的评价，将评价结果传递至分割模块 和筛选模块。
[0088]所述图像分割模块包括：图片分割模块、图像单元分割模块、分割模式调节模块、 记忆模块和分析模块;其中，分割模式调节模块用于提供给用户三种图片分割模式进行选 择;记忆模块用于保存用户选择的分割模式;分析模块用于对反馈模块反馈过来的用户评 价结果进行分析。
[0089]所述图像筛选模块包括:筛选模式调节模块、记忆模块和分析模块;其中，筛选模 式调节模块用于提供给用户三种分割模式进行选择;记忆模块用于保存用户选择的筛选模 式;分析模块用于对反馈模块反馈过来的用户评价结果进行分析。
[0090] 图像去噪模块集成了三种图像去噪滤波器，包括：均值滤波器、自适应维纳滤波 器、中值滤波器；
[0091] 图像去噪模块会对接收到的所有图片信息均采用三种滤波器进行滤波去噪处理；
[0092] 图像分割模块具有三种分割方式，包括:粗分割方式、细分割方式和精细分割方 式;采取不同分割方式分割同一图像，分割后的单元图像数量不同，数量越多，检索结果越 精确；
[0093]其中，粗方式将图像分割为9个单元图像，细分割方式将图像分割为25个单元图 像，精细分割方式将图像分割为169个单元图像。
[0094] 本发明实施例3中提供了一种图像检索系统和方法，系统结构如图1所示：
[0095] -种图像检索系统，由服务器和客户端组成，所述系统包括：图像读取模块、图像 去噪模块、图像分割模块、特征量计算模块、筛选模块、检索模块、反馈模块；
[0096] 图像读取模块，采用计算机编程软件编写相应的计算机程序实现，用于接收用户 传递过来的图像信息，将图像信息完整读取并保存，然后将该图像信息传递给图像去噪模 块；
[0097] 所述图像去噪模块，采用计算机编程软件编写相应的计算机程序实现，用于接收 来自图像读取模块传递过来的图像信息，去除该图像信息中于传输过程中产生的噪声，将 去噪后的图像发送至图像分割模块；
[0098] 所述图像分割模块，采用计算机编程软件编写相应的计算机程序实现，在程序中 实现分割算法，用于接收来自图像去噪模块传递过来的图像信息，根据用户选择的分割模 式对该图像进行分割，将分割后的图像信息传递给特征量计算模块，并保存当前的分割模 式；
[0099] 所述特征量计算模块，采用计算机编程软件编写相应的计算机程序实现，在程序 中实现特征量计算算法，用于接收来自图像分割模块传递过来的图像信息，根据用户选择 的特征量计算模式计算分割后的每个图像单元的特征量，将计算后的特征量传递至筛选模 块，并保存当前的计算模式；
[0100] 所述筛选模块，采用计算机编程软件编写相应的计算机程序实现，在程序中实现 筛选算法，用于接收来自特征量计算模块传递过来的特征量，根据特征量的值对这些特征 量进行筛选，将筛选后的特征量传递至检索模块，并保存当前的筛选方式；
[0101] 所述检索模块，用于根据特征量计算模块传递过来的特征量，在数据库中筛选具 有类似特征量的图像，将结果发送给客户；
[0102] 所述反馈模块，用于搜集用户对于检索结果的评价，将评价结果传递至分割模块 和筛选模块。
[0103] 所述图像分割模块包括：图片分割模块、图像单元分割模块、分割模式调节模块、 记忆模块和分析模块;其中，分割模式调节模块用于提供给用户三种图片分割模式进行选 择;记忆模块用于保存用户选择的分割模式;分析模块用于对反馈模块反馈过来的用户评 价结果进行分析。
[0104] 所述图像筛选模块包括:筛选模式调节模块、记忆模块和分析模块;其中，筛选模 式调节模块用于提供给用户三种分割模式进行选择;记忆模块用于保存用户选择的筛选模 式;分析模块用于对反馈模块反馈过来的用户评价结果进行分析。
[0105] 图像去噪模块集成了三种图像去噪滤波器，包括：均值滤波器、自适应维纳滤波 器、中值滤波器；
[0106] 图像去噪模块会对接收到的所有图片信息均采用三种滤波器进行滤波去噪处理；
[0107] 图像分割模块具有三种分割方式，包括:粗分割方式、细分割方式和精细分割方 式;采取不同分割方式分割同一图像，分割后的单元图像数量不同，数量越多，检索结果越 精确；
[0108] 其中，粗方式将图像分割为9个单元图像，细分割方式将图像分割为25个单元图 像，精细分割方式将图像分割为169个单元图像。
[0109] 筛选模块具有三种筛选方式，包括：第一筛选方式、第二筛选方式和第三筛选方 式；
[0110] 第一筛选方式具体内容为:将特征量的值在500至2000之间的筛选出来，去除其余 特征量的值；
[0111] 所述第二筛选方式具体内容为:将特征量的值在50至10000之间的筛选出来，去除 其余特征量的值；
[0112] 所述第三筛选方式具体内容为:将特征量的值在5000至10000之间的筛选出来，去 除其余特征量的值。
[0113]所述图像单元分割模块采用的分割方法包括以下步骤：
[0114]步骤1:选择两个初始阈值:TdPTi，把一幅图像f(x，y)中的像素按灰度级用阈值To 和Ti分为Co、Ci和C2三类;分类过程遵循的公式为：
[0115] Co = fi(x,y) I fmin^f (x,yXTo
[0116] Ci = fi(x,y) | Ti^f (x,y)>To
[0117] Ci = fi(x,y) | fmax^f (x,y)>Ti
[0118] 其中，fmin和fmax分别为图像f(x，y)中的灰度的最小值和最大值。设Ni是灰度值i (fmin<i<fmax)的像素，贝 |J图像 f(x，y)的总像素 N= (x + a)n = y (Z)xfcan-把 ^-ik=Q 图像中的像素值按灰度值用阈值T分为三类Co和CdPC2，Co对应于灰度值在[fmin，T Q]间的像 素值，&对应于灰度值在[To，Ti ]间的像素值，(：2对应于灰度值在[Ti，fmax]间的像素值，则Co 和Ci和C2的概率分别为： r^o
[0119] Pq = I P(〇 ^=fmiri
[0120] Px = P(i) W。 rfmax
[0121] P2= P(〇 ^'=7i
[0122] 步骤:2得出整个图像的灰度值均值为： r frnax
[0123] U = I iPj
[0124] 步骤3:定义两类的类间方差为:〇02 7' =/Vw_[/Q2 +
[0125] (J^T -PqU -Uq + Pj u-\-Uf
[0126] 步骤4:最大类间方差把两类的类间方差作为阈值选择的判决依据，认为最好的阈 值Thl和T应该是使类间方差取得最大值的值。
[0127] 步骤5:将每个图像单元的像素点的灰度值和阈值进行比较;比较过程的公式为： (1， g(x,y) < Thl
[0128] f(x y) = | 0, Thl < g(x,y) < Th2 \-lr Th2 < g(x,y)
[0129] 本发明实施例4中提供了一种图像检索方法，所述方法包括以下步骤：
[0130] 步骤1:用户进入该图像检索系统，上传需要检索的图片至图像读取模块；
[0131 ]步骤2:图像检索模块将该图片读取后保存在数据库管理模块，并将该图片传递至 图像去噪模块；
[0132] 步骤3:图像去噪模块采用三种滤波器对该图像进行滤波处理，将处理后的图像信 息传递至图像分割模块；
[0133] 步骤4:用户选择不同的分割模式，图像分割模块采取不同的分割模式对该图像进 行分割处理，将分割处理后的图像单元传递至特征量计算模块；
[0134] 步骤5:特征量计算模块接收到分割后的图像单元后，对各个图像单元进行特征量 计算，将计算后得出的特征量传递至筛选模块；
[0135]步骤6:用户选择不同的筛选模式，筛选模块采取不同的筛选方式对传递过来的特 征量进行筛选，将筛选后的特征量传递至检索模块；
[0136]步骤7:检索模块根据特征量在数据库中进行检索，找到特征量类似的图像，将这 些图像发送给用户；
[0137] 步骤8:用户根据得出的检索结果进行评价，反馈模块搜集这些评价，将评价传递 至分割模块和筛选模块；
[0138] 步骤9:分割模块中的分析子模块根据收到的评价进行分析，将用户评价最高的检 索结果所对应的分割模式存储在记忆子模块中；
[0139] 筛选模块中的分析子模块根据收到的评价进行分析，将用户评价最高的检索结果 所对应的筛选模式存储在记忆子模块中；
[0140] 当用户再次检索类似图片的时候，筛选模块和分割模块就会自动采取存储在记忆 子模块中的最佳分割模式和筛选模式。
[0141] 本发明并不局限于前述的【具体实施方式】。本发明扩展到任何在本说明书中披露的 新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。
【主权项】
1. 一种图像检索系统，其特征在于，所述系统包括：图像读取模块、图像去噪模块、图像 分割模块、特征量计算模块、筛选模块、检索模块、反馈模块； 所述图像读取模块，用于接收用户传递过来的图像信息，将图像信息完整地读取并保 存，然后将该图像信息传递给图像去噪模块； 所述图像去噪模块，用于接收来自图像读取模块传递过来的图像信息，去除该图像信 息于传输过程中产生的噪声，将去噪后的图像发送至图像分割模块； 所述图像分割模块，用于接收来自图像去噪模块传递过来的图像信息，根据用户选择 的分割模式对该图像进行分割，将分割后的图像信息传递给特征量计算模块，并保存当前 的分割模式； 所述特征量计算模块，用于接收来自图像分割模块传递过来的图像信息，根据用户选 择的特征量计算模式计算分割后的每个图像单元的特征量，将计算后的特征量传递至筛选 丰旲块； 所述筛选模块，用于接收来自特征量计算模块传递过来的特征量，根据特征量的值对 这些特征量进行筛选，将筛选后的特征量传递至检索模块，并保存当前的筛选方式； 所述检索模块，用于根据特征量计算模块传递过来的特征量，在数据库中筛选具有类 似特征量的图像，将结果发送给客户； 所述反馈模块，用于搜集用户对于检索结果的评价，将评价结果传递至分割模块和筛 选模块。2. 如权利要求1所述的一种图像检索系统，其特征在于： 所述图像分割模块包括：图片分割模块、图像单元分割模块、分割模式调节模块、记忆 模块和分析模块;其中，分割模式调节模块用于提供给用户三种图片分割模式进行选择;记 忆模块用于保存用户选择的分割模式;分析模块用于对反馈模块反馈过来的用户评价结 果进行分析。3. 如权利要求1所述的一种图像检索系统，其特征在于： 所述图像筛选模块包括:筛选模式调节模块、记忆模块和分析模块;其中，筛选模式调 节模块用于提供给用户三种分割模式进行选择;记忆模块用于保存用户选择的筛选模式； 分析模块用于对反馈模块反馈过来的用户评价结果进行分析。4. 如权利要求1所述的一种图像检索系统，其特征在于： 所述图像去噪模块集成了三种图像去噪滤波器，包括：均值滤波器、自适应维纳滤波 器、中值滤波器； 所述图像去噪模块会对接收到的所有图片信息均采用三种滤波器进行滤波去噪处理。5. 如权利要求2所述的一种图像检索系统，其特征在于： 所述图片分割模块采用的三种图片分割方式，包括:粗分割方式、细分割方式和精细分 割方式;采取不同分割方式分割同一图像，分割后的单元图像数量不同，数量越多，检索结 果越精确； 其中，粗方式将图像分割为9个单元图像，细分割方式将图像分割为25个单元图像，精 细分割方式将图像分割为169个单元图像。6. 如权利要求1所述的一种图像检索系统，其特征在于： 所述筛选模块具有三种筛选方式，包括：第一筛选方式、第二筛选方式和第三筛选方 式； 所述第一筛选方式具体内容为:将特征量的值在500至2000之间的筛选出来，去除其余 特征量的值； 所述第二筛选方式具体内容为:将特征量的值在50至10000之间的筛选出来，去除其余 特征量的值； 所述第三筛选方式具体内容为:将特征量的值在5000至10000之间的筛选出来，去除其 余特征量的值。7.如权利要求1和权利要求2所述的一种图像检索系统，其特征在于： 所述图像单元分割模块采用的分割方法包括以下步骤： 步骤1:选择两个初始阈值:TdPTi，把一幅图像f(x，y)中的像素按灰度级用阈值TdPh 分为Co、Ci和C2三类;分类过程遵循的公式为： C〇 = fl(x,y) I fmin^f (x,y)^T〇 Ci = fi(x,y) |Ti^f(x,y)>To C2 = fl(x,y) I fmax^f (x,y)>Tl 其中，f min和f max分别为图像f (X，y)中的灰度的最小值和最大值。设Ni是灰度值i (f min< i彡f max)的像素，贝|J图像f (X，y)的总像素：把图像 中的像素值按灰度值用阈值T分为三类Co、&和&，Co对应于灰度值在[fmin，To]间的像素值， &对应于灰度值在[To，Td间的像素值，&对应于灰度值在[I\，fmax]间的像素值，则0)、&和& 的概率分别为：步骤2:得出整个图像的灰度值均值为：步骤4:最大类间方差把两类的类间方差作为阈值选择的判决依据，认为最好的阈值 Thl和Th2应该是使类间方差取得最大值的值； 步骤5:将每个图像单元的像素点的灰度值和阈值进行比较;比较过程的公式为：8.如权利要求1至6之一所述的一种图像检索方法，其特征在于，所述方法包括以下步 骤： 步骤1:用户进入该图像检索系统，上传需要检索的图片至图像读取模块； 步骤2:图像检索模块将该图片读取后保存在数据库管理模块，并将该图片传递至图像 去噪模块； 步骤3:图像去噪模块采用三种滤波器对该图像进行滤波处理，将处理后的图像信息传 递至图像分割模块； 步骤4:用户选择不同的分割模式，图像分割模块采取不同的分割模式对该图像进行分 割处理，将分割处理后的图像单元传递至特征量计算模块； 步骤5:特征量计算模块接收到分割后的图像单元后，对各个图像单元进行特征量计 算，将计算后得出的特征量传递至筛选模块； 步骤6:用户选择不同的筛选模式，筛选模块采取不同的筛选方式对传递过来的特征量 进行筛选，将筛选后的特征量传递至检索模块； 步骤7:检索模块根据特征量在数据库中进行检索，找到特征量类似的图像，将这些图 像发送给用户； 步骤8:用户根据得出的检索结果进行评价，反馈模块搜集这些评价，将评价传递至分 割模块和筛选模块； 步骤9:分割模块中的分析子模块根据收到的评价进行分析，将用户评价最高的检索结 果所对应的分割模式存储在记忆子模块中； 筛选模块中的分析子模块根据收到的评价进行分析，将用户评价最高的检索结果所对 应的筛选模式存储在记忆子模块中； 当用户再次检索类似图片的时候，筛选模块和分割模块就会自动采取存储在记忆子模 块中的最佳分割模式和筛选模式。
【文档编号】G06F17/30GK105930515SQ201610330597
【公开日】2016年9月7日
【申请日】2016年5月18日
【发明人】曾丽
【申请人】成都九十度工业产品设计有限公司