[发明专利]一种基于sift种子区域增长的彩色图像检索方法

说明书

技术领域

本发明涉及计算机领域，特别是涉及一种基于sift种子区域增长的彩色图像检索方法。

背景技术

图像作为一种内涵丰富，表现直观的多媒体信息，备受人们的青睐。越来越多的商业活动、事务交易和信息表现包含图像数据。特别是网上时兴的电子购物，基本以图像的形式向用户展现商品的信息。

传统的图像检索方法利用图像的底层特征，如颜色、纹理、形状以及空间关系等，这些特征存在着各自的不足。颜色特征对图像或图像区域的方向、大小等变化不敏感，不能很好地捕捉图像中对象的局部特征，也不能表达颜色空间分布的信息；由于光照、反射等因素的影响，从二维图像中反映出来的纹理不能反映物体的真实纹理，会误导图像的检索；提取形状特征常常受到图像分割效果的影响；空间关系特征对图像或者目标的旋转、平移、尺度变换等比较敏感，不能准确地表达场景的信息。

SIFT特征向量是一种局部特征，其对目标的仿射变化、光照变化和尺度变化等具有较强的鲁棒性，在图像匹配、图像检索领域得到了广泛的应用。然而SIFT特征仅仅利用图像的灰度信息，忽略了图像的彩色信息，当图像中存在多个相似区域时，容易造成误匹配。

由于图像内容的多面性，上述的每一种特征仅表示了图像内容的一个侧面，存在着两幅完全不同的图像所提取的特征却非常相似的情况。因此，基于单一特征的图像检索不能得到令人满意的检索结果。

在对图像的检索中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景，它们一般对应图像中特定的、具有独特性质的区域。基于区域的图像检索方法通过图像分割后形成的若干区域分别对应图像中的目标来进行图像检索，增强了用户对图像内容感知的能力。然而，在实际中无法做到精确、符合语义的分割，分割形成的区域并不能完全与用户对物体的感知一致，严重影响了图像检索的准确性。

发明内容

本发明主要解决的技术问题是提供一种基于sift种子区域增长的彩色图像检索方法，能够减小由于图像分割的不精确所带来的误差问题和弥补使用单一特征检索图像的不足。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于sift种子区域增长的彩色图像检索方法，包括下列步骤：

(1)、对于待查询图像，选择sift种子点； 

(2)、使用区域生长法将图像分割成多个区域；

(3)、根据规则对区域进行合并；

(4)、针对图像的每一个区域，提取区域特征；

(5)、计算待查询图像的区域与图像库中的图像的区域之间的相似度； 

(6)、构建权重二分图；计算待查询图像与图像库中的图像的相似度；

(7)、将图像库中的图像按照与待查询图像的相似度由大到小的顺序排列。

优选的是，所述步骤(1)中的选择sift种子点方法为，使用Canny边缘检测算法删除由sift算法选择出的候选特征点中的边缘特征点，保留的候选特征点即为sift种子点。

优选的是，所述步骤(2)中的区域生长法使用的种子点是步骤(1)中获得的sift种子点。

优选的是，所述步骤(3)中的区域合并规则为：

规则1：如果两个相邻区域的相对欧式距离小于设定阈值，合并这两个区域。所述相对欧氏距离的计算公式如下：

式中，R_i, R_j指相邻的两个区域，D_cs(R_i, R_j)表示R_i区域与 R_j区域的相对欧氏距离，指R_i区域内像数的RGB颜色空间的三个彩色分量平均值，指R_j区域内像数的RGB颜色空间的三个彩色分量平均值。

所述阈值在0.1～0.2之间选取。

规则2：如果一个区域内的sift种子点数小于设定阈值，将这个区域合并到与它的相对欧式距离最小的邻居区域中。

所述阈值在1～5之间选取。

优选的是，所述步骤(4)中的区域特征是彩色sift特征向量和Hu不变矩形状特征。