一种高效图像检索方法与流程

本发明涉及图像的检索方法，具体涉及一种图像的手机在线高效检索方法。

背景技术：

基于内容的图像检索(cbir)是当前一种非常流行和重要的图像检索技术，这种技术通过计算机对图像进行分析，提取图像特征，建立特征库，然后检索时通过特征比对确定图像的相似度，最后根据相似度大小返回结果，这种技术不同于传统的基于文本的图像检索，它不需要人为对图像进行分类，标注等，图像检索自动化程度高，检索的结果符合人的视觉习惯，比较令人满意。

在现有的基于内容的图像检索中，主要存在以下几个技术问题：其一，图像特征提取技术；在图像中能够提取的图像特征非常多，但针对图像而言需要提取的特征主要是纹理特征，而常用的纹理特征常难以同时满足旋转不变性、尺度不变性，对明暗变化的鲁棒性要求。其二，一般来说，图像检索时需要将参考图像的特征与图像库的特征一一比对，然后按相似度排序。但在实际工作中发现，有些特征比对方便但难以满足图像旋转，缩放和切割后特征基本不变等要求，影响检索准确度；有些特征具有较好的旋转不变性和尺度不变性(如sift特征和surf特征等)，但比对效率很低，速度很慢。特别是当图像库很大时，常常难以到达实时性的要求。其三，现有的基于内容的特征检索常常需要多次检索迭代，最终才能获得最好的检索结果，期间常需要人为的干预。总之，现有的基于内容的检索技术难以满足大数据量下的手机在线检索的实时性要求。

技术实现要素：

本发明的目的在于：针对现有技术的上述缺陷，提供一种高效图像检索方法；可满足大数据量下的手机在线检索的实时性要求。提供一种高效图像检索方法，包括如下步骤：

图像入库步骤：

用手机或其他数码设备获取图像，再对图像进行滤波去噪，均衡化及自适应灰度化等预处理操作，然后对预处理的图像提取surf特征(surf特征向量的维数可取为64或128)，对获得的特征向量按其幅值排序，选取最大的若干个(例如100个)特征向量作为图像特征，并生成特征串保存到数据库中；

对所有候选图像的特征向量进行聚类(如k-kmeans聚类等)(聚类的数量k可根据图像数规模确定)，计算并保证每个聚类中心，同时对图像库中每个图像所包含的聚类进行标记；例如，如果某个候选图像包含了某个特征类，则在数据库中此图像对应字段标记为1，否则标记为0；最后对图像库中个的聚类标记建立多维索引(如k-d-tree或kdg-tree)；

图像检索步骤，包括两个过程：即初选和精选；初选时，首先通过手机或其他数码设备获取查询的参考图像，并对图像进行同样的预处理和提取surf特征；然后计算参考图像的每个特征所属的类、得到包含的类标记；通过多维索引快速查找并获得与参考图像配配特征最多的若干个图像(即初选图像)；在获得若干个初选图像后，可进行精选：精选时，将获得的参考图像全部特征向量与初选图像的全部特征进行比较，找出具有相同特征的最多的n个图像并排序，作为查询结果返回给用户。

在本方法中，采用surf算法提取图像的surf特征，这些特征具有旋转不变性和尺度不变性。采用自适应灰度化算法可以较好地避免图像光照变化对查询结果的影响，保证图像提取的特征具有一致性。在本方法中，通过特征聚类，使可以方便建立特征聚类标记的索引树，可大大提高查询效率，解决surf特征比对效率低下的问题。此外，为了解决返回结果可能较多的问题，在查询流程中设计了二次查找，先通过多维索引快速返回一个初选结果集，然后对初选结果集的图像进行二次精选，使可以获得满意的结果。由于经过初选后，候选的图像数比较少，此时对所有特征进行比对查找效率很高，可以实现图像的高效检索，特别是图像规模较大时，更具有优势。

本方法具有较广的适用性。既能用于离线图像检索，也能用于手机在线图像的检索，快速而高效。

本方法能有效消除背景噪声的影响，能适应于不同的光照条件。对图像的尺度变化，旋转变化，颜色和明暗变化等都有较好的鲁棒性。不同尺寸、不同角度、不同明暗及曝光条件的图像均能获得良好的检索效果。并且，本方法的整个检索过程完全可以自动完成，中间不需要人工参与和进行多次迭代查找，具有较好的准确率和速度，出错率低。

附图说明

图1是本发明图像入库原理流程图。

图2是本发明图像检索原理流程图

具体实施方式

如图1、图2所示：提供一种高效图像检索方法，包括如下步骤：

1、图像入库步骤：

用手机或其他数码设备获取图像，再对图像进行滤波去噪，均衡化及自适应灰度化等预处理操作，然后对预处理的图像提取surf特征(surf特征向量的维数可取为64或128)，对获得的特征向量按其幅值排序，选取最大的若干个(例如100个)特征向量作为图像特征，并生成特征串保存到数据库中；

对所有候选图像的特征向量进行聚类(如k-kmeans聚类等)(聚类的数量k可根据图像数规模确定)，计算并保证每个聚类中心，同时对图像库中每个图像所包含的聚类进行标记；例如，如果某个候选图像包含了某个特征类，则在数据库中此图像对应字段标记为1，否则标记为0；最后对图像库中个的聚类标记建立多维索引(如k-d-tree或kdg-tree)；

2、图像检索步骤，包括两个过程：即初选和精选；初选时，首先通过手机或其他数码设备获取查询的参考图像，并对图像进行同样的预处理和提取surf特征；然后计算参考图像的每个特征所属的类、得到包含的类标记；通过多维索引快速查找并获得与参考图像配配特征最多的若干个图像(即初选图像)；在获得若干个初选图像后，可进行精选：精选时，将获得的参考图像全部特征向量与初选图像的全部特征进行比较，找出具有相同特征的最多的n个图像并排序，作为查询结果返回给用户。

在本方法中，采用surf算法提取图像的surf特征，这些特征具有旋转不变性和尺度不变性。采用自适应灰度化算法可以较好地避免图像光照变化对查询结果的影响，保证图像提取的特征具有一致性。在本方法中，通过特征聚类，使可以方便建立特征聚类标记的索引树，可大大提高查询效率，解决surf特征比对效率低下的问题。此外，为了解决返回结果可能较多的问题，在查询流程中设计了二次查找，先通过多维索引快速返回一个初选结果集，然后对初选结果集的图像进行二次精选，使可以获得满意的结果。由于经过初选后，候选的图像数比较少，此时对所有特征进行比对查找效率很高，可以实现图像的高效检索，特别是图像规模较大时，更具有优势。既能用于离线图像检索，也能用于手机在线图像的检索，快速而高效。

本方法能有效消除背景噪声的影响，能适应于不同的光照条件。对图像的尺度变化，旋转变化，颜色和明暗变化等都有较好的鲁棒性。不同尺寸、不同角度、不同明暗及曝光条件的图像均能获得良好的检索效果。并且，本方法的整个检索过程完全可以自动完成，中间不需要人工参与和进行多次迭代查找，具有较好的准确率和速度，出错率低。

技术特征：

技术总结
一种高效图像检索方法；包括图像入库步骤：用手机或其他数码设备获取图像，再对图像进行滤波去噪，均衡化及自适应灰度化预处理操作，对预处理的图像提取Surf特征(Surf特征向量的维数可取为64或128)，对获得的特征向量按其幅值排序，选取最大的若干个(例如100个)特征向量作为图像特征，并生成特征串保存到数据库中；对候选图像的特征向量进行聚类(如k‑kmeans聚类等)(聚类的数量k可根据图像数规模确定)，计算并保证每个聚类中心，同时对图像库中每个图像所包含的聚类进行标记；图像检索步骤包括两个过程：即初选和精选；本发明能用于离线图像检索，也能用于手机在线图像的检索，快速而高效。

技术研发人员：赖世军;李晓东
受保护的技术使用者：广东百华科技股份有限公司
技术研发日：2016.08.30
技术公布日：2017.08.18