[发明专利]一种图像内容检索系统及其图像内容稀疏学习方法

权利要求书

1.一种图像内容检索系统，其特征是，包括：

1）分割子系统，用于将训练图像、测试图像分别分割为n个示例，包括：

A）FCM分割单元：采用模糊C均值算法对训练图像和测试图像分别进行区域分割；

B）金字塔分割单元：采用cvPrySegmentation函数对训练图像和测试图像重新进行基于“空间金字塔”匹配机制的图像分割；

2）图像区域特征提取单元：用于提取各个示例的颜色、纹理、CENTRIST特征及每类平均特征向量；

3）计算对比子系统，包括：

  a）提取每个示例的颜色特征和纹理特征；

b）统计变换直方图单元，用于计算一幅图像所有像素的CT值，统计各示例CT值像素个数或所占比例，求得CT值直方图特征，即CENTRIST特征；

c）多示例稀疏学习单元，用于对各示例的CENTRIST特征进行稀疏离散度描述，以及计算示例的多样性密度，并确立目标示例；

d）计算每一类图像的紧凑空间结构特征SSRCT；

e）计算每类平均特征向量PACT；

f）对比单元，通过欧氏距离度量目标示例与测试图像在颜色和纹理特征上的相似性并分别排序，同时对图像紧凑空间结构特征SSRCT的相似度进行排序。

2.采用权利要求1所述的一种图像内容检索系统的图像内容稀疏学习方法，其特征是，包括以下步骤：

步骤一：对训练图像进行FCM分割，将其分为n个区域，每个区域为一个示例，并分别提取该示例的颜色和纹理特征向量；

步骤二：采用“空间金字塔”的2级划分重新分割训练图像，并提取各分块的CENTRIST特征后进行稀疏离散度描述，得到一个紧凑的空间结构特征SSRCT，并依此计算每类平均特征向量；

步骤三：对步骤一得到的各个示例进行多示例稀疏学习，求得示例多样性密度，并依此选择出目标示例；

步骤四：将步骤一中提取的颜色特征与与步骤三中提取的目标示例的颜色特征求欧氏距离并排序, 排序后得到ColorOrder；

步骤五：将步骤一中提取的纹理特征与与步骤三中提取的目标示例的纹理特征求欧氏距离并排序, 排序后得到TextureOrder；

步骤六：利用步骤二计算每一类图像的SSRCT特征矩阵的平均矩阵，对测试图像与每类平均空间特征矩阵PACT计算欧氏距离，排序后得到PACTOrder；

步骤七：将步骤四至七中得到的三组排序结果加权综合得到最终排序结果，依此得到最终的检索结果；

3．根据权利要求2所述的一种图像内容检索系统，其特征是：颜色特征为像素R、G、B颜色均值或HSV颜色直方图特征，纹理特征由符合人眼视觉感知的Gabor滤波器提取。