[发明专利]一种基于图像分类的图像检索方法

权利要求书

1.一种基于图像分类的图像检索方法，其特征在于该方法包括以下步骤：

A: 确定在图像分类中图像的类别数Cm，各详细类别（C1，C2，…,Cm）以及与各类别对应的训练图像集（P1，P2，…,Pm）；

B: 提取训练图像集的内容特征用以训练分类器得到分类器C；

C: 输入待检索图像M，提取待检索图像M的内容特征作为分类器C的输入，分类器C的输出结果Co即为M的类别；

D: 获得与类别Co对应的检索图像集IPo，并提取检索图像集IPo内每幅图像的内容特征；

E: 根据C、D获得的内容特征运用相似度计算算法得到待检索图像M与检索图像集IPo内每幅图像的相似度距离，对距离进行排序最后得到与待检索图像M距离最小的N幅图像并输出。

2.根据权利要求1所述的图像检索方法，其特征在于：所述步骤B中提取的内容特征为SIFT特征，其具体步骤包括：

B11: 提取训练图像集中每幅图像的SIFT特征点，构成一个特征点库，其中每个SIFT特征点都是由128维特征点描述子向量表示；

B12: 对这个特征点库采用k均值聚类方法进行聚类操作，得到K类；

B13: 对于训练图像库中的单幅图像，将它的所有SIFT特征点根据最小距离原则各自映射到K类得到K维的特征向量V1,将特征向量V1中的每个值除以该幅图像的特征点总数得到频率特征向量V2，V2即为该幅图像的SIFT特征。

3.根据权利要求1所述的图像检索方法，其特征在于：所述步骤B中采用的分类器为支持向量机，可以采用开源的libsvm库进行开发，训练分类器的具体步骤包括：

B21: 选择RBF为支持向量机的核函数

B22: 将训练图像库中的特征向量结合每幅图像的类别信息作为支持向量机的输入；

B23: 采用交叉印证方法确定分类准确率最高时候的RBF核函数参数，确定参数后即得到支持向量机分类器C。

4.根据权利要求1所述的图像检索方法，其特征在于：所述步骤C中提取待检索图像M的内容特征的具体步骤包括：

C1: 提取待检索图像M的SIFT特征点，其中每个SIFT特征点都是由128维特征点描述子向量表示；

C2: 将待检索图像M的所有SIFT特征点根据最小距离原则各自映射到B12的K类得到K维的特征向量V1,将特征向量V1中的每个值除以该幅图像的特征点总数得到频率特征向量Vm，Vm即为M的SIFT特征。

5.根据权利要求1所述的图像检索方法，其特征在于：步骤E中采用的相似度计算算法为欧式距离法，相似度的度量准则为欧式距离越小越相似。