[发明专利]一种空间图像查询方法和系统

权利要求书

1.一种空间图像查询方法，其特征在于，包括：

接收用户提交的空间图像查询请求，所述空间图像查询请求包括携带第一位置信息的查询图像；

对所述查询图像进行预设处理，得到所述查询图像的视觉词袋模型；

利用所述查询图像的视觉词袋模型及第一位置信息，从预设的图像数据集中查询出k个目标图像；所述k个目标图像为图像数据集中与查询图像间的图像内容相似度及空间邻近度的综合评价得分最优的k个图像，图像数据集中的每个图像对应一个位置信息，k为自然数；

所述图像内容相似度及空间邻近度的综合评价得分的计算公式为：F(Q,I)＝αD(Q.loc,I.loc)+(1-α)S(Q.content,I.content)，

其中：D(Q.loc,I.loc)＝d(Q.loc,I.loc)/d；以上各式中：

Q、I分别表示查询图像及图像数据集中的图像；Q.loc，I.loc分别表示图像Q及图像I在路网上的地理位置；Q.content，I.content分别表示图像Q及图像I采用视觉词袋模型编码的图像内容；

F(Q,I)表示综合评价函数；D(Q.loc,I.loc)为查询图像Q与图像I基于路网路径的距离计算函数，S(Q.content,I.content)为查询图像Q与图像I间图像内容相异度的计算函数；α为平衡空间距离远近及图像内容相关性的尺度参数，α∈(0,1)；

d(Q.loc,I.loc)表示Q.loc与I.loc在路网上的最短路径长度，dmax表示路网中任意位置与任何图像对象之间的最长距离；

q表示查询图像向量，q_i为其每个维度分量；d表示匹配图像向量，d_i为其每个维度分量；||q||为向量q的范数，||d||为向量d的范数；为归一化后向量q和d差的范数。

2.根据权利要求1所述的方法，其特征在于，所述对所述查询图像进行预设处理，得到所述查询图像的视觉词袋模型包括：

提取所述查询图像的各个局部特征；

基于预先训练的图像索引视觉词汇树，将所述查询图像的各个局部特征量化为相应的视觉词汇，各视觉词汇的视觉词汇向量构成所述查询图像的视觉词袋模型。

3.根据权利要求2所述的方法，其特征在于，所述利用所述查询图像的视觉词袋模型及第一位置信息，从预设的图像数据集中查询出k个目标图像包括：

利用图像索引视觉词汇树，对图像数据集进行基于图像内容的图像搜索；

利用路网索引G-tree，对图像数据集进行基于位置信息的图像搜索；

在利用视觉词汇树及G-tree进行分离式索引搜索的基础上，从搜索出的图像中查询出与查询图像间的图像内容相似度及空间邻近度的综合评价得分最优的k个图像。

4.根据权利要求3所述的方法，其特征在于，所述从搜索出的图像中查询出与查询图像间的图像内容相似度及空间邻近度的综合评价得分最优的k个图像包括：

基于所搜索出的潜在图像的上界聚合得分，判断是否需计算所述潜在图像的综合评价得分；

若判断结果为是，则计算所述潜在图像的综合评价得分；否则，舍弃所述潜在图像；

基于所述潜在图像的综合评价得分，确定所述潜在图像是否属于目标图像。

5.根据权利要求4所述的方法，其特征在于，所述上界聚合得分的计算公式为：

Bound_k＝α·Bound_s(i)+(1-α)·m·Bound_t(i)

其中：α为平衡空间距离远近及图像内容相关性的尺度参数，α∈(0，1)；Bound_k为第i次迭代后空间图像的聚合得分上界，i表示迭代次数，Bound_s(i)表示第i次迭代后空间上得分的上界，Bound_t(i)表示第i次迭代在视觉词汇单个关键字的上界，m·Bound_t(i)表示表示图片中m个视觉词汇的聚合得分上界。