[发明专利]一种信息检索方法

说明书

技术领域

本发明涉及视频图像检索，特别涉及一种信息检索方法。

背景技术

基于内容的视频检索通过提取视频图像特征进行特征匹配来达到检索的目的。现有技术大多为基于底层特征的检索。由于底层特征难以表现人对视频中目标的主观概念，而人能识别视频含义这个过程需要大量的生活经验和推理，故目前视频的底层特征和高层语义特征还存在着较大的断层带，在提高视频检索准确率及检索速度方面还不足以推广应用。例如，不同的视频具有不同的特性，故如果只针对视频的某一种特性进行特征提取，则检索结果精确度会受到影响。

因此，针对相关技术中所存在的上述问题，目前尚未提出有效的解决方案。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种信息检索方法，包括：

采用自适应边缘检测算法提取视频图像的边缘，得到边缘二值图像；

对视频区域进行分块，即将边缘二值图像分成4×4小块；

完成分块后，将每一个小块中颜色为白色的像素的数量除以当前小块的总像素数量，得到当前分块的白色像素所占比重；

将不大于预设阈值的白色像素所占比重小块确定为黑块，计算分块后的黑块数量；

若视频中的黑块数量大于预设阈值，则通过基于边缘特征的视频分割方法提取视频目标进行检索；

计算待检索视频图像和目标视频图像间的欧氏距离；

其中，所述基于边缘特征的视频分割方法进一步包括：

首先获取梯度直方图：将图像的梯度值经等间隔量化后取值范围为[0，1，…，100]，则梯度直方图H定义为<h₁，h₂，…，h_N>，其中N为灰度图像中包含的像素数，h_i为大小为i的梯度在整幅图像中所拥有的像素数占整幅图像总像素数的比例；

得到梯度直方图后，计算边缘检测算法中所需的高低阈值，在梯度直方图中的非边缘区域以外选取高阈值t_h，确定颜色空间向量直方图的全局阈值，将颜色空间向量直方图分为两个区域A区域和B区域，计算A和B两区域的类间方差σ²：σ²＝p_A(ω_A-ω₀)²+p_B(ω_B-ω₀)²

其中，p_A和p_B为A，B颜色出现的概率；ω_A和ω_B分别为A区域和B区域的颜色值均值；ω₀为图像的总颜色值均值，迭代求出使σ²最大时的阈值T即为最佳全局阈值；

计算出A区域和B区域梯度值的均值μ_A、μ_B和方差σ_A²、σ_B²；利用μ_A、σ_A²或者μ_B、σ_B²计算出非边缘区域的范围，进而自适应确定高低阈值，并且确定为高阈值th＝μ_A+2.5σ_A²，而低阈值tl＝μ_A-0.3σ_A²。

附图说明

图1是根据本发明实施例的信息检索方法的流程图。

具体实施方式

下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。

本发明的一方面提供了一种信息检索方法。图1是根据本发明实施例的信息检索方法流程图。基于此，本发明将视频图像的颜色特征以及边缘特征相结合，将视频分为三种类型，并结合视频的颜色直方图以及梯度直方图，使用不同的方法来分割具有不同特性的视频。然后，将视频图像分成多个块，计算欧氏距离时，根据其不同特征，自适应地给出每块图像的特征权重。