[发明专利]基于相关保持映射和一分类器的图像视频搜索排序方法

权利要求书

1.基于相关保持映射和一分类器的图像视频搜索排序方法，其特征在于，所述方法包括以下步骤：

（1）通过人工标注或自动标注从样本的特征向量集合中选择若干个与查询最相关的样本及与查询不相关的样本，组成训练样本集合；

（2）利用所述训练样本集合，作为基于超球体分布的维数约简模块的输入，获取维数约简模型；

（3）利用所述维数约简模型对所有样本及训练样本集合进行变换，得到维数约简后的所有样本新特征矩阵及训练样本新特征矩阵

（4）利用所述训练样本新特征矩阵中与查询最相关的样本作为基于一分类器的排序学习模型的输入，训练得到排序模型f(t)；

（5）将所述所有样本新特征矩阵中的任意一个样本t_i作为所述排序模型f(t)的输入，由大到小排列输出所有样本排序后的结果。

2.根据权利要求1所述的基于相关保持映射和一分类器的图像视频搜索排序方法，其特征在于，在步骤（1）之前所述本方法还包括：

1）获取图像或视频数据；2）对所述基于文本的搜索结果提取视觉特征获取所有样本的特征向量集合。

3.根据权利要求1所述的基于相关保持映射和一分类器的图像视频搜索排序方法，其特征在于，所述利用所述训练样本集合，作为基于超球体分布的维数约简模块的输入，获取维数约简模型具体包括：

1）假设存在变换向量w∈R^D，对训练样本集合中任意一个样本x_i，使得变换后的新样本为y_i=w^Tx_i(1≤i≤r+h)；

2）计算与查询最相关的所有新样本的中心向量：

3）定义约束条件，并通过所述约束条件构造目标函数；

4）通过对所述目标函数的求解获取所述维数约简模型。

4.根据权利要求3所述的基于相关保持映射和一分类器的图像视频搜索排序方法，其特征在于，所述约束条件具体为：

构造最相关样本与中心向量的距离度量S_R，所述距离度量S_R越小越好，S_R定义如下：

SR=Σi=1r||yi-m||2]]>

构造最相关样本的局部保持度量S_P，所述局部保持度量S_P越小越好定义如下：

SP=Σi,j=1rωij||yi-yj||2]]>

其中，ω_ij是样本x_i、x_j之间的相似程度，σ是自定义常数；

构造不相关样本与中心向量的距离度量S_U，即所述距离度量S_U越大越好，S_U定义如下：

SU=Σi=r+1r+h||yi-m||2.]]>

5.根据权利要求4所述的基于相关保持映射和一分类器的图像视频搜索排序方法，其特征在于，所述利用所述训练样本新特征矩阵中与查询最相关的样本作为基于一分类器的排序学习模型的输入，训练得到排序模型f(t)具体为：

1）通过所述训练样本新特征矩阵构建目标函数Re(w)；

2）通过拉格朗日求解所述目标函数Re(w)，得到排序模型f(t)。