[发明专利]基于个性化视觉字典自适应调整的社交图像检索方法

权利要求书

1.一种基于个性化视觉字典自适应调整的社交图像检索方法，其特征在于，包括以下步骤：

(1)在互联网上抓取Flickr网站的N幅图像作为通用图像集，提取每幅图像的局部特征SIFT，构建通用视觉字典，N>＝100万；

(2)输入用户的图像集，提取每幅图像的局部特征SIFT，并利用用户图像集的局部特征SIFT的分布情况，对通用视觉字典进行调整，生成用户的个性化视觉字典；

(3)利用用户的个性化视觉字典，对用户图像进行量化表示，建立用户图像集的个性化倒排索引；

(4)根据用户的个性化视觉字典与倒排索引，完成查询图像的检索：

(4a)根据用户的个性化视觉字典，对查询图像进行量化表示；

(4b)计算查询图像与用户图像之间的相似度，根据相似度对用户图像集进行排序，将排在最前面的图像的索引值作为检索结果返回。

2.根据权利要求1所述的基于个性化视觉字典重建的社交图像检索方法，其特征在于，步骤(1)所述的在互联网上抓取Flickr网站的N幅图像作为通用图像集，是通过调用Flickr网站公开的应用程序编程接口完成。

3.根据权利要求1所述的基于个性化视觉字典自适应调整的社交图像检索方法，其特征在于，步骤(2)所述对通用视觉字典进行调整，生成用户的个性化视觉字典，按如下步骤进行：

(2a)提取用户图像集的SIFT特征；

(2b)利用欧式距离度量法，量化SIFT特征与通用视觉字典中每个视觉单词的误差，采用硬划分的准则选取SIFT特征与视觉单词之间误差最小的视觉单词作为SIFT特征对应的视觉单词；

(2c)统计每个视觉单词覆盖的SIFT特征的数目，选取覆盖数目大于60％的视觉单词作为非判别性视觉单词候选集；

(2d)按照下式，计算非判别性视觉单词候选集中每个视觉单词在特征空间中占据的空间体积：

si=1KΣj=1Kdij=1KΣj=1K||ci-cj||2]]>

其中，c_i表示视觉单词，K表示与视觉单词c_i最近邻的视觉单词的数目，d_ij表示视觉单词之间的距离，s_i表示视觉单词在特征空间中占据的空间体积；

(2e)按照下式，计算非判别性视觉单词候选集中每个视觉单词的方差：

vi=1TΣt=1T||xt-ci||,]]>

其中，c_i表示视觉单词，T表示被分配到视觉单词c_i的SIFT特征数目，x_t表示SIFT特征，v_i表示视觉单词的方差；

(2f)针对实验数据设定阈值F，将非判别性视觉单词候选集中视觉单词在特征空间中占据的空间体积或者视觉单词的方差大于给定阈值F的视觉单词判定为非判别性视觉单词；

(2g)将用户图像集中被分配到非判别性视觉单词中的SIFT特征组成特征集合，重新利用K均值聚类方法，得到新的视觉单词；

(2h)用新得到的视觉单词替换通用视觉字典中非判别性视觉单词，构建用户图像集的个性化视觉字典。

4.根据权利要求1所述的基于个性化视觉字典自适应调整的社交图像检索方法，其特征在于，步骤(3)所述的对用户图像进行量化表示，是利用个性化视觉字典，采用硬化分的准则，得到用户图像在个性化视觉字典上的特征分布词袋。