[发明专利]基于压缩感知的图像特征存储方法、图像检索方法和装置

权利要求书

1.一种基于压缩感知的图像特征检索方法，其特征在于，包括：

第一步，将待检索的图像和图像库中的图像分别进行存储，存储的方法相同，均包括如下步骤：

Ⅰ、分割为若干个子块；

Ⅱ、将所述子块的若干个图像特征进行组合，形成所述图像的原始信号；其中，所述图像特征包括颜色特征和纹理特征两个分类；其中：

对于第i块子块，采用以下测量公式进行计算形成原始信号：

Y_i'＝Φ_Bx_i；

其中，x_i代表第i块以列为优先形成的各种分类原始信号；Ф_B是一个M_B×B²的正交高斯随机矩阵

Ⅲ、将所述原始信号依次进行稀疏变化和投影到相同的测量矩阵后，得到该原始信号对应的分块观测值进行存储；

第二步，根据待检索的图像的分块观测值获取该图像对应的第一测量值，以及根据图像库的图像的分块观测值获取该图像库的图像对应的第二测量值；

其中采用上述第一步描述的步骤，第一测量值的获取如下：

1)颜色类测量值：对于颜色R、G、B，分别以RY_i'、GY_i'、BY_i'代表测量值(i＝1,2,…,n)；

2)纹理类测量值：对于纹理特征，以PY_i'(i＝1,2,…,n)代表测量值；

同理，获取图像库中存储的图像特征向量作为第二测量值，记为：RY_i、GY_i、BY_i、PY_i(i＝1,2,…,n)；

第三步，计算所述第一测量值和第二测量值相比对的整体相似性度量，输出检索结果；具体步骤如下：

首先计算原始残量度量C：

C＝f₁(GX,BX,RX,PX)；

然后，计算稀疏性度量Mx：

Mx＝f₂(GK,BK,RK,PK)；

最后，根据原始残量度量C和稀疏性度量Mx计算整体相似性度量H：

H＝f₃(C,Mx)；

其中，采用可变长自适应稀疏重构算法，分别先计算下列8个数据：

输出：若|H|<ε，则图像与被检索图像的相似度较高，输出该图像作为检索结果；

所述可变长自适应稀疏重构算法，是指在检索时重点对测量差量的稀疏性进行估计，不需要精确恢复原始信号，给出了一种计算图像的相似度公式，从而实现了图像的快速检索，其具体实现步骤如下：

输入：观测矩阵Ф，观测向量Y，步长s；

输出：信号的近似值及稀疏值K；

Step1：初始化

(1)r₀＝Y，F₀＝φ，I＝s，K＝1，l＝1，SPARSNUM＝MAXINT，其中，SPARSNUM为迭代稀疏值上限，设定段迭代次数阀值ITNUM，取值为10、20、 30的整数；取ε₁＝10^-5，ε₂＝10^-1；

Step2：重复选择并迭代

(1)预选下标集S_K＝SUPP_MAX(|Φ^T·r_K-1|,I)；

(2)确定新的下标候选集C_K＝F_K-1US_K；

(3)计算最小二乘差量和r'：

(4)裁剪过程：F＝SUPP_MAX(|r'|,I)；

(5)计算本步迭代残差和r：

(6)若满足停止迭代条件：则转入Step3；

(7)若需要精细迭代，改变步长，即：(||r||₂≤ε₂||Y||₂AND||r||₂≥||r_K-1||₂)，则：I＝I+max(S/2,1)；

(8)否则：{K＝K+1；

F_K＝F；

r_K＝r；}

Step3：(1)若：l≥ITNUM，{输出：其中满足： 及K＝|F_K|}；

(2)否则{输出：其中满足：及K＝SPARSNUM}；

其中Ф^T表示矩阵Ф的转置，函数SUPP_MAX(V,I)表示由向量V的前I个绝对值最大分量所对应下标构成的下标支撑集；表示由矩阵Ф中对应下标集C_K中的下标列所组成的子矩阵；Ф_F表示由矩阵Ф中对于下标集F中的下标列组 成的子矩阵，SUPP(Z),Z∈Rⁿ表示向量Z的非零分量的下标集。