[发明专利]一种基于表示转换的多义数字图像检索方法

权利要求书

1、一种基于表示转换的多义数字图像检索方法，包括以下步骤：

(1)用户从已有的多标记图像库中选择查询图像，包括相关图像和不相关图像；

(2)使用表示转换的方法显式地描述查询图像蕴含的多义信息；

(3)使用预设的分类方法对转换后的查询图像进行学习得到一个预测模型；

(4)基于预测模型预测数字图像存储设备中待检索图像的概念标记，并利用所得预测结果进行检索返回检索图像；

(5)如果用户对检索结果满意，则执行步骤6，否则从多标记图像库中选择更多的查询图像进行反馈，执行步骤2；

(6)结束。

2、根据权利要求1所述的基于表示转换的多义数字图像检索方法，其特征是步骤(2)经历两个阶段，每个阶段对应于一个循环体：

(1)第一阶段对应的循环体包含了Q轮循环，其中Q为所有可能的概念标记个数，在循环的每一轮中，首先构造与当前所考察的概念标记q对应的数据集U_q，该集合由所有具有标记q的图像对象构成；然后将集合U_q中的所有图像向量求平均，得到与第q类对应的原型向量v_q；

(2)第二阶段对应的循环体包含了M轮循环，其中M为用户选择的查询图像个数，在循环的每一轮中，基于上一阶段获得的原型向量v_q，将第i幅图像采用的向量表示形式x_i转换为向量集合表示形式X_i，其中，X_i中共包含Q个向量且每个向量对应于x_i与某个原型向量v_q之间的差值，其中1≤q≤Q，1≤i≤M；

在上述两个阶段完成以后，初始训练集S即转换成了新训练集S^new。

3、根据权利要求1所述的基于表示转换的多义数字图像检索方法，其特征是步骤(3)经历三个阶段：

(1)在第一阶段，首先将数据集S^new中所有图像对象的集合表示X_i放入未标记数据集U中；然后利用非监督机器学习方法对集合U进行聚类分析，得到k个聚类中心M_j；其中1≤i≤M，1≤j≤k；

(3)第二阶段对应于一个共有M轮的循环体，在循环的每一轮中，利用上一阶段所得的聚类结果，将图像对象的集合表示X_i转换为向量表示z_i，其中，z_i为一个k维的属性向量且其第j维z_ij取值为X_i与M_i之间的Hausdorff距离；

(4)在第三阶段，利用最小化误差平方和的方法训练预测模型的矩阵表示W；为了克服求解过程中可能出现的奇异矩阵所带来的困难，可以利用奇异值分解技术来对目标方程组进行求解；

在上述三个阶段完成以后，结合聚类结果以及矩阵表示W，即得到了所需的预测模型。