[发明专利]一种基于内容自适应哈希编码的草图检索方法

权利要求书

1.一种基于内容自适应哈希编码的草图检索方法，其特征在于，包括以下具体步骤：

步骤A：基于外观约束和多样性约束，对被检索的草图或轮廓图根据其内容自适应地选取候选窗口用于特征提取，实现整个图像所包含的信息被均匀地分布到每个窗口里；

步骤B：基于关键点的显著性检测方法检测特征窗口的显著性；

步骤C：基于局部敏感的哈希算法将草图或轮廓图的局部视觉特征、显著性以及结构空间特征结合起来，编制成特征哈希码；

步骤D：将草图或轮廓图的特征哈希码进行索引，通过计算特征哈希码之间的汉明距离来度量草图之间的相似度，并将相似度高的结果返回给用户，

其中，所述步骤B中，基于关键点的显著性检测方法检测特征窗口的显著性的具体方法为：首先，使用Harris-Laplace检测器作为草图显著性提取工具，对于每个特征窗口w_i，定义其显著性k_i为：

其中，Number(S_i)表示在特征窗口w_i中使用Harris-Laplace检测器提取出的显著点个数；Area(w_i)是w_i包含像素点的个数。

2.根据权利要求1所述的草图检索方法，其特征在于，还可对图片和3D模型进行检索，在对图片和3D模型进行检索前，要对其进行预处理，把它们转化成轮廓线图像。

3.根据权利要求2所述的草图检索方法，其特征在于，将图片和3D模型转化成轮廓线图像的方法分别为：对于图片要结合边缘提取算法以及图片的显著性检测算法计算出该图片的显著轮廓图；对于3D模型，依照基于视角的匹配算法计算出模型对应的轮廓投影图。

4.根据权利要求1所述的草图检索方法，其特征在于，用于特征提取的候选窗口选取算法：首先为输入的草图设置初始化n*n的网格；再从网格中均匀采样m*m个初始种子；然后为每个网格中的窗口计算HOG特征h_i；最后计算全局HOG特征

5.根据权利要求1或3所述的草图检索方法，其特征在于，所述的外观约束记作C_app，具体表示为：C_app(h):＝F_app(h)≥k_app×F_app(H)

其中，h表示该窗口对应的HOG方向梯度直方图特征向量，H表示整个输入草图所对应的HOG特征向量，n表示HOG特征向量h的维度，b_i表示在特征向量h的第i个维度上的值，k_app为预定义的系数，用于控制全局参数F_app(H)的影响，F_app是外观约束的目标方程，当F_app计算所得的值较高时，它表示该特征窗口所包含的视觉特征信息较多。

6.根据权利要求5所述的草图检索方法，其特征在于，所述的多样性约束记作C_var，具体表示为：C_var(h):＝F_var(h)≤k_var×F_var(H)

其中，h表示该窗口对应的HOG方向梯度直方图特征向量，H表示整个输入草图所对应的HOG特征向量，n表示HOG特征向量h的维度，b_i表示在特征向量h的第i个维度上的值，k_var为预定义的系数，用于控制全局参数F_var(H)的影响，F_var是多样性约束的目标方程，如 果F_var的值较低且F_app较高，则表明在窗口特征向量h中的每一个维度的值均较高。

7.根据权利要求1所述的草图检索方法，其特征在于，编制成特征哈希码的方法为：令f_i为从特征窗口w_i中提取出的特征向量先将其二值化为向量接着，遵循相似哈希算法的计算过程，根据每个窗口对应的和k_i值计算得到该窗口的特征哈希码；然后，将草图分别在水平和垂直方向上一分为二，得到四个分隔的空间位置，对位于每个空间位置上的候选窗口分别进行哈希编码；最后，通过把四个空间位置上的哈希码依次首尾拼接从而得到表示整个草图的特征哈希码。