[发明专利]一种基于显著对象的图像检索方法及系统

权利要求书

1.一种基于显著对象的图像检索方法，其特征在于，包括：

通过对包含显著对象的查询图像进行显著性检测，确定所述查询图像的显著对象所在的区域；

确定所述查询图像的显著对象所在的区域的视觉特征；

确定所述查询图像的显著对象的语义类别；

将所述查询图像的显著对象的视觉特征与图像库中相同语义类别的图像的显著对象的视觉特征进行相似度度量，确定所述图像库中与所述查询图像的相似度大于相似度阈值的图像。

2.根据权利要求1所述的图像检索方法，其特征在于，通过对包含显著对象的查询图像进行显著性检测，确定所述查询图像的显著对象所在的区域，包括：

通过对包含显著对象的查询图像进行多尺度下的显著性检测，对每一层尺度下的查询图像进行超像素分割，分割后的每一块为一个超像素，所述多尺度通过图像金字塔实现；

根据每一层尺度下的每一个超像素与邻近超像素的色彩对比度和空间对比度确定该层尺度下的显著图；

通过对每层尺度下的显著图融合得到所述查询图像的显著图；

通过对所述查询图像的显著图进行自适应阈值分割确定所述查询图像的显著对象所在的区域。

3.根据权利要求1所述的图像检索方法，其特征在于，确定所述查询图像的显著对象所在的区域的视觉特征，包括：

所述视觉特征包括颜色特征、纹理特征以及关键点特征中的至少一种；所述颜色特征包括HSV直方图特征、颜色矩特征以及颜色相关图中的至少一种，所述纹理特征包括Gabor变换特征和小波矩特征。

4.根据权利要求1所述的图像检索方法，其特征在于，还包括：

通过对图像库中的每幅图像进行显著性检测，确定图像库中的每幅图像的显著对象所在的区域；

通过对每幅图像的显著对象所在的区域进行训练得到网络分类器，所述网络分类器用于确定图像中显著对象所属的语义类别。

5.根据权利要求4所述的图像检索方法，其特征在于，确定所述查询图像的显著对象的语义类别，包括：

通过将所述查询图像的显著对象输入至所述网络分类器，确定所述查询图像的显著对象的语义类别。

6.根据权利要求5所述的图像检索方法，其特征在于，将所述显著对象的视觉特征与图像库中相同语义类别的图像的显著对象的视觉特征进行相似度度量，包括：

通过特征距离度量方式进行所述相似度度量，所述特征距离度量方式为以下几种距离度量方式之一：相关距离、余弦距离、曼哈顿距离、欧氏距离、明可夫斯基距离和切比雪夫距离。

7.根据权利要求4或5所述的图像检索方法，其特征在于，所述网络分类器的结构为以下几种网络结构之一：AlexNet网络、LeNet网络、GoogLeNet网络、VGG网络以及ResNet网络。

8.根据权利要求3所述的图像检索方法，其特征在于，所述Gabor变换特征通过多尺度多方向的滤波器组计算各个尺度下不同方向子带系数的均值和标准差确定，所述均值和标准差代表系数的边缘分布，所述边缘分布用于确定Gabor变换特征向量；

所述小波矩特征获取所述显著对象所在区域的总特征维度为190维，以作为所述显著对象的特征描述子。

9.一种基于显著对象的图像检索系统，其特征在于，包括：

查询图像显著性检测模块，用于通过对包含显著对象的查询图像进行显著性检测，确定所述查询图像的显著对象所在的区域；

视觉特征确定模块，用于确定所述查询图像的显著对象所在的区域的视觉特征；

语义类别确定模块，用于确定所述查询图像的显著对象的语义类别；

相似度度量模块，用于将所述查询图像的显著对象的视觉特征与图像库中相同语义类别的图像的显著对象的视觉特征进行相似度度量，确定所述图像库中与所述查询图像的相似度大于相似度阈值的图像。

10.根据权利要求9所述的图像检索系统，其特征在于，还包括：

图像库显著性检测模块，用于对图像库中的每幅图像进行显著性检测，确定图像库中的每幅图像的显著对象所在的区域；

训练模块，用于通过对每幅图像的显著对象所在的区域进行训练得到网络分类器，所述网络分类器用于确定图像中显著对象所属的语义类别。