[发明专利]一种基于显著性区域的图像检索方法

权利要求书

1.一种基于显著性区域的图像检索方法，其特征在于，包括以下步骤：

(1)、提取输入图像的显著性区域

(1.1)、将图像库中任意一幅图像作为输入图像，输入图像为RGB图像，且宽为W、高为H；

(1.2)、利用CNN+RPN+LSTM模型提取输入图像的显著性区域；

(1.2.1)、将输入图像输入至CNN网络，CNN网络将其变成C×W'×H'的特征图集合，其中，C表示特征图集合图像个数，W'×H'表示特征图集合中图像的宽和高；

(1.2.2)、将特征图集合中的图像输入至RPN定位层，得到包含显著性区域的中心点信息(x,y)、显著性区域的宽和高(w,h)，以及区域评分和显著性区域的区域特征；

(1.3)、按照步骤(1.2)所述方法，提取出图像库中其余输入图像的显著性区域；

(2)、构建检索特征库

(2.1)、提取输入图像的局部CNN特征；

(2.1.1)、利用显著性区域的区域特征生成特征矩阵；

识别网络将输入图像的显著性区域的区域特征形成一个B×D维的特征矩阵，其中，B表示显著性区域的个数，D表示维数；

(2.1.2)、基于和采样的池化编码，得到局部CNN特征；

1)、计算特征矩阵中每一维特征在所有显著性区域的和F_k'

其中，表示第i个显著性区域的第k维特征；

2)、计算显著性区域的局部CNN特征F_k；

(2.2)、提取输入图像的全局CNN特征

将输入图像输入至CNN网络，CNN网络对输入图像依次进行预训练、微调和特征提取，得到输入图像的全局CNN特征；

(2.3)、利用PCA和L2规则化对局部CNN特征和全局CNN特征进行降维和融合，生成用于检索的特征向量；

(2.4)、按照步骤(2.1)-(2.3)所述方法，利用剩余输入图像生成检索的特征向量，再利用生成的特征向量构建出检索特征库；

(3)、根据待检索图像进行相同类别检索

按照步骤(1)-(2)所述方法，利用待检索图像生成用于检索的特征向量，再用该特征向量在检索特征库中进行相似性搜索，并返回检索结果；

(4)、根据待检索图像进行相同物体检索

(4.1)、利用相同物体检索算法提取待检索图像的特征，再利用该特征在检索特征库中进行相似度初步检索，得到初步检索结果；

(4.2)、按照步骤(2.2)所述方法，提取待检索图像的全局CNN特征；

(4.3)、提取初步检索结果中相似度排名最高的n张图像，再按照步骤(1)所述方法，提取n张图的显著性区域；

(4.4)、按照步骤(2.2)所述方法，分别提取n张图像的显著性区域的全局CNN特征；

(4.5)、利用步骤(4.2)得到的全局CNN特征和步骤(4.4)得到的全局CNN特征计算相似性得分，再按照相似性得分大小进行降序排名，返回检索结果。

2.根据权利要求1所述的基于显著性区域的图像检索方法，其特征在于，相同物体检索算法选用Crow算法。