一种基于特征融合的图像检索方法
【专利摘要】提供一种基于特征融合的图像检索方法。所述方法包括：(A)基于图像局部特征获取数据库中各图像与查询图像的第一相似度，并基于图像全局特征获取数据库中各图像与查询图像的第二相似度；(B)确定查询图像属于简单图像的概率；(C)基于查询图像属于简单图像的概率确定第一相似度的权重和第二相似度的权重；(D)根据数据库中各图像与查询图像的相似度输出检索结果，其中，数据库中各图像与查询图像的相似度为基于所述第一相似度的权重和所述第二相似度的权重对第一相似度和第二相似度进行加权的结果值。根据所述方法，能够针对不同的查询图像采用适合的特征融合方式，从而提高图像检索的精度。
【专利说明】一种基于特征融合的图像检索方法
【技术领域】
[0001] 本发明涉及图像检索【技术领域】，更具体地讲，涉及一种基于特征融合的图像检索 方法。
【背景技术】
[0002] 近年来，基于内容的图像检索技术取得了很大的进展。现有的基于内容的图像检 索系统大部分仅采用单一的图像检索方法或仅使用一类图像特征。因此，当查询图像包含 多个物体或者背景比较复杂时，会引入较大的检索错误，使得检索结果不够精确。虽然存在 基于特征融合进行图像检索的方式，但特征融合的方式单一，检索效果并不理想。
【发明内容】
[0003] 本发明的示例性实施例在于提供一种基于特征融合的图像检索方法，以克服现有 技术中检索准确度不理想的问题。
[0004] 本发明提供一种基于特征融合的图像检索方法，包括：(A)基于图像局部特征获 取数据库中各图像与查询图像的第一相似度，并基于图像全局特征获取数据库中各图像与 查询图像的第二相似度；(B)确定查询图像属于简单图像的概率；(C)基于查询图像属于简 单图像的概率确定第一相似度的权重和第二相似度的权重，其中，查询图像属于简单图像 的概率越大，第一相似度的权重越大，第二相似度的权重越小；(D)根据数据库中各图像与 查询图像的相似度输出检索结果，其中，数据库中各图像与查询图像的相似度为基于所述 第一相似度的权重和所述第二相似度的权重对第一相似度和第二相似度进行加权的结果 值。
[0005] 可选地，第一相似度的权重为exp (p)，第二相似度的权重为exp (Ip)，其中，p为查 询图像属于简单图像的概率。
[0006] 可选地，步骤（B)包括：采用随机森林分类器基于查询图像的视觉特征和显著性 特征确定查询图像属于简单图像的概率。
[0007] 可选地，所述视觉特征包括纹理特征和/或边界特征。
[0008] 可选地，所述显著性特征包括对基于频谱优化的图像显著性检测方法获得的显著 性特征向量和基于频谱余留的图像显著性检测方法获得的显著性特征向量分别进行归一 化后所组成的特征向量。
[0009] 可选地，步骤（A)包括：采用二叉决策树集合基于图像局部特征来获取数据库中 各图像与查询图像的第一相似度，并采用二叉决策树集合基于图像全局特征来获取数据库 中各图像与查询图像的第二相似度。
[0010] 可选地，图像局部特征包括基于SIFT特征的稀疏编码的空间金字塔汇集，图像全 局特征包括GIST特征。
[0011] 根据本发明示例性实施例的基于特征融合的图像检索方法，可以针对不同的查询 图像采用适合的特征融合方式，从而提高图像检索的精度。
[0012] 将在接下来的描述中部分阐述本发明总体构思另外的方面和/或优点，还有一部 分通过描述将是清楚的，或者可以经过本发明总体构思的实施而得知。
【专利附图】
【附图说明】
[0013] 图1示出根据本发明示例性实施例的基于特征融合的图像检索方法的流程图；
[0014] 图2示出基于不同的图像检索方法的结果对比曲线。
【具体实施方式】
[0015] 现将详细参照本发明的实施例，所述实施例的示例在附图中示出，其中，相同的标 号始终指的是相同的部件。以下将通过参照附图来说明所述实施例，以便解释本发明。
[0016] 图1示出根据本发明示例性实施例的基于特征融合的图像检索方法的流程图。
[0017] 参照图1，在步骤S10,基于图像局部特征获取数据库中各图像与查询图像的第一 相似度，并基于图像全局特征获取数据库中各图像与查询图像的第二相似度。
[0018] 这里，图像局部特征用于反映图像的局部和细节。图像全局特征用于反映图像的 整体。例如，可采用SIFT (Scale Invariant Feature Transform)、基于SIFT的稀疏编码的 空间金字塔汇集（ScSPM)、SURF(Speeded Up Robust Features)、ASIFT(Affine SIFT)等特 征来作为图像局部特征。可采用GIST等特征来作为图像全局特征。应该理解，可采用各种 适合的图像局部特征和图像全局特征来实现本发明，对此不做限制。
[0019] 作为示例，可采用二叉决策树集合基于图像局部特征来获取数据库中各图像与查 询图像的第一相似度，并可采用二叉决策树集合基于图像全局特征来获取数据库中各图像 与查询图像的第二相似度。
[0020] 二叉决策树集合是全随机树的一个变形，用于评估图像间的相似性。二叉决策树 集合中的每棵树都是一个关于查询图像的独立的预测器。
[0021] 具体说来，针对二叉决策树集合中的每棵树，通过随机生成的二值测试，递归地分 开由从查询图像和数据库中各图像所提取的特征所构成的特征集合。例如，在树t中，给定 一个结点U以及对应的特征集合S u，结点U的二值测试可以定义为：
[0022]
【权利要求】
1. 一种基于特征融合的图像检索方法，其特征在于，包括： (A)基于图像局部特征获取数据库中各图像与查询图像的第一相似度，并基于图像全 局特征获取数据库中各图像与查询图像的第二相似度； 炬）确定查询图像属于简单图像的概率； (C) 基于查询图像属于简单图像的概率确定第一相似度的权重和第二相似度的权重， 其中，查询图像属于简单图像的概率越大，第一相似度的权重越大，第二相似度的权重越 小； (D) 根据数据库中各图像与查询图像的相似度输出检索结果，其中，数据库中各图像与 查询图像的相似度为基于所述第一相似度的权重和所述第二相似度的权重对第一相似度 和第二相似度进行加权的结果值。
2. 如权利要求1所述的方法，其特征在于，第一相似度的权重为exp (P)，第二相似度的 权重为exp (Ip)，其中，P为查询图像属于简单图像的概率。
3. 如权利要求1所述的方法，其特征在于，步骤炬）包括： 采用随机森林分类器基于查询图像的视觉特征和显著性特征确定查询图像属于简单 图像的概率。
4. 如权利要求3所述的方法，其特征在于，所述视觉特征包括纹理特征和/或边界特 征。
5. 如权利要求3所述的方法，其特征在于，所述显著性特征包括对基于频谱优化的图 像显著性检测方法获得的显著性特征向量和基于频谱余留的图像显著性检测方法获得的 显著性特征向量分别进行归一化后所组成的特征向量。
6. 如权利要求1所述的方法，其特征在于，步骤（A)包括；采用二叉决策树集合基于图 像局部特征来获取数据库中各图像与查询图像的第一相似度，并采用二叉决策树集合基于 图像全局特征来获取数据库中各图像与查询图像的第二相似度。
7. 如权利要求1所述的方法，其特征在于，图像局部特征包括基于SIFT特征的稀疏编 码的空间金字塔汇集，图像全局特征包括GIST特征。
【文档编号】G06F17/30GK104462502SQ201410805762
【公开日】2015年3月25日 申请日期:2014年12月19日 优先权日:2014年12月19日
【发明者】陈世峰, 杜书泽 申请人:中国科学院深圳先进技术研究院