[发明专利]一种图像检索方法及装置

权利要求书

1.一种图像检索方法，其特征在于，所述方法包括：

提取图像集中每幅图像的特征点，构成一个特征点库；

对所述特征点库中的特征点进行聚类操作，获得N类，所述N为预先定义的大于0的整数；

提取待检索图像的特征点，基于所述待检索图像的特征点预测所述待检索图像所属类别，该类别为所述N类中的一类；

统计所述待检索图像中N类特征点出现的次数，获取出现次数最高的前M类特征点，所述M为大于0且小于N的整数；

获得所述所属类别对应的图像集，将所述M类特征点作为索引，统计该图像集中每幅图像出现所述M类特征点的次数，并对出现的次数进行加和运算得到分值；

输出分值最高的前L幅图像，所述L为大于0的整数。

2.如权利要求1所述的方法，其特征在于，所述特征点为SIFT特征点。

3.如权利要求2所述的方法，其特征在于，所述提取图像集中每幅图像的特征点包括：

对于图像集中的每幅图像，将其所有SIFT特征点根据最小距离原则各自映射到N类得到N维特征向量V1，将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特征点。

4.如权利要求1所述的方法，其特征在于，所述对所述特征点库中的特征点进行聚类操作包括：

对所述特征点库中的特征点采用K均值聚类算法进行聚类操作。

5.如权利要求1所述的方法，其特征在于，所述基于所述待检索图像的特征点预测所述待检索图像所属类别包括：

基于所述待检索图像的特征点通过预测算法预测所述待检索图像所属类别，所述预测算法包括SVM算法。

6.一种图像检索装置，其特征在于，所述装置包括：

特征点提取单元，用于提取图像集中每幅图像的特征点，构成一个特征点库；

聚类单元，用于对所述特征点库中的特征点进行聚类操作，获得N类，所述N为预先定义的大于0的整数；

类别预测单元，用于提取待检索图像的特征点，基于所述待检索图像的特征点预测所述待检索图像所属类别，该类别为所述N类中的一类；

次数统计单元，用于统计所述待检索图像中N类特征点出现的次数，获取出现次数最高的前M类，所述M为大于0且小于N的整数；

分值计算单元，用于获得所述所属类别对应的图像集，将所述M类特征点作为索引，统计该图像集中每幅图像出现所述M类特征点的次数，并对出现的次数进行加和运算得到分值；

结果输出单元，用于输出分值最高的前L幅图像，所述L为大于0的整数。

7.如权利要求6所述的装置，其特征在于，所述特征点为SIFT特征点。

8.如权利要求7所述的装置，其特征在于，

所述特征点提取单元，用于对图像集中的每幅图像，将其所有SIFT特征点根据最小距离原则各自映射到N类得到N维特征向量V1，将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特征点。

9.如权利要求6所述的装置，其特征在于，

所述聚类单元，用于对所述特征点库中的特征点采用K均值聚类算法进行聚类操作。

10.如权利要求6所述的装置，其特征在于，

所述类别预测单元，用于基于所述待检索图像的特征点通过预测算法预测所述待检索图像所属类别，所述预测算法包括SVM算法。