[发明专利]基于期望模型的图像重排序方法

说明书

技术领域

本发明涉及的是一种图像重排序的方法，具体的是考虑用户对搜索图像的期望来建立用户期望模型，从而对搜索结果进行图像重排序的方法。

背景技术

图像重排序技术是一种提高图像搜索准确性的有效方法。由于用户在搜索图像时一般都对搜索结果有一个潜在的期望，尤其是对于图像的轮廓，因此这种对于图像轮廓的潜在期望就可以作为图像重排序的一个标准以达到重排序结果更加符合用户期望的效果。

经过对现有技术的文献检索发现，已有很多不同的图像重排序算法被提出。Jun Huang等人在《IEEE Trans.Multimedia，vol.13，no.4，pp.653-661，2010》(电气电子工程师协会多媒体期刊2010年4号刊第653页至第661页)上发表的“Integrating visual saliency and consistency for re-ranking image search results”(基于联合视觉显著性和一致性的图像搜索重排序)文章中提出了一个显著性和一致性的模型来进行重排序。本发明考虑的是图像的空间轮廓的特征，现有文献中有多种算法对空间轮廓特征进行描述。

其中Jianxing Wu等人在《IEEE Trans.Pattern Analysis and Machine Intelligence，vol.33，no.8，pp.1489-1501，2011》(电气电子工程师协会模式分析和机器智能期刊2011年8号刊第1489页至第1501页)上发表的″CENTRIST：A visual descriptor for scene categorization″(CENTRIST：进行场景分类的一种视觉描述符)文章中提出了一种对图像的空间结构，即轮廓，进行编码的简单有效的描述符。另外A.Oliva等人在《International Journal of Computer Vision，vol.42，no.3，pp.145-175，2001》(计算机视觉邻域的国际期刊2001年3号刊第145页至第175页)上发表的″Modeling the shape of the scene：A holistic representation of the spatial envelope″(场景形状的建模：一种对空间包络的整体表述)文章中针对场景类图像提出了5种空间包络描述符。

发明内容

本发明针对现有重排序的不足，提出了一种基于图像轮廓期望模型的重排序算法。本发明首先确定不同搜索关键字所对应的轮廓期望模型，然后对所搜结果中的每一幅图像提取轮廓描述向量，将其与轮廓期望模型比较计算两者之间的相似性，然后就可以根据这个相似性的值对搜索结果进行重排序。本发明在实现重排序的过程中不需要任何人工参与，可以实现自动的图像重排序，而且重排序结果在大多数情况下也是很理想的。

根据本发明的一个方面，提供基于期望模型的图像重排序方法，包括以下步骤：

第一步：生产用户轮廓期望模型，所述用户轮廓期望模型包括多个空间轮廓描述符，所述多个空间轮廓描述符一起构成大向量；

第二步：对搜索结果中的每一幅图像I提取空间轮廓描述向量，所述空间轮廓描述向量由多个空间轮廓描述符构成；

第三步：将图像I的空间轮廓描述向量与用户轮廓期望模型进行比较，计算空间轮廓描述向量与大向量之间的相似性，将该相似性的值作为图像I的期望值；

第四步：根据搜索结果中每幅图像的期望值的大小对这些图像按照期望值由大到小进行重排序。

具体地，本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步：用户轮廓期望模型训练。基于互联网上Xiao的SUN图像数据库进行训练，提取出一些典型关键字的用户轮廓期望模型。这个轮廓期望模型包括四个空间轮廓描述符：CENTRIST，Naturalness(自然性)，Openness(开放性)，Roughness(粗糙性)。这四个描述符一起构成的大向量就是一个完整的空间轮廓描述向量。基于SUN图像数据库训练出来的空间轮廓描述向量就构成了用户的轮廓期望模型。

第二步：对搜索结果中的每一幅图像/提取空间轮廓描述向量。该空间轮廓描述向量同样由四个空间轮廓描述符构成：CENTRIST，Naturalness(自然性)，Openness(开放性)，Roughness(粗糙性)。