[发明专利]基于风格特征的图像检索方法

说明书

本发明提供一种基于风格特征的图像检索方法，采用格拉姆矩阵作为描述图像风格特征的算子，提取给定图片库的所有训练样本的风格特征并构建图片索引，提取待检测图片的风格特征，查找与待检测图片相似度最高的图片的索引号并根据索引号返回相似图片集，通过这种方法实现对抽象图片的检索，具有方法简单、检索效果好的优点。

技术领域

本发明涉及一种图像检索方法，具体的说，涉及了一种基于风格特征的图像检索方法。

背景技术

图片检索有两类，一类是基于文本的图像检索TBIR，另一类是基于内容的图像检索CBIR。其中CBIR通过详细分析图像所包含的具体的对象或场景来进行检索，其实现的关键在于对图像特征的提取，常见的提取特征方式有基于颜色、形状和纹理特征的提取，通过匹配像之间的底层视觉特征达到检索目的。这种检索方法着重于探测图片中某一实际物体，而对于没有实际物体的抽象图片检索效果不佳。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，从而提供了一种基于风格特征的图像检索方法，方法简单、具有通用性。

为了实现上述目的，本发明所采用的技术方案是：一种基于风格特征的图像检索方法，包括以下步骤：

搭建平台

S1，利用基于Theano的框架Keras搭建处理平台；

构建图片索引

S2，大规模图像数据集ImageNet上训练一个卷积神经网络VGG-19，并使用给定图片库的训练样本对VGG-19进行参数微调，得到迁移学习后的卷积神经网络，记为VGG-19-FT；

S3，将给定图片库的训练样本依次输入VGG-19-FT中提取风格特征，并对提取出的风格特征进行降维处理，获得降维风格特征；

S4，将提取出的每个训练样本的降维风格特征存储在一个文件中，并根据每个训练样本的图片地址构建图片索引；

图片查询

S5，将待检索图片输入VGG-19-FT中进行风格特征提取，并进行降维处理；

S6，通过降维风格特征相似度比较方法,分别计算带检索图片的降维风格特征与图片索引内每个降维风格特征的相似度距离，并将相似度距离最近的降维风格特征所对应的图片的索引号作为结果返回给给定图片库；

S7，根据获得的索引号查找给定图片库，返回相似图片集。

基于上述，计算VGG-19-FT特定层的各个滤波器之间的相关性关系，生成格拉姆矩阵来描述图像的风格特征。

基于上述，特定层的层级越高，所提取的风格特征越接近图像的整体特征；特定层的层级越低，所提的风格特征越接近图像的细节特征。

基于上述，VGG-19包括16个卷积层和3个全连接层，迁移学习时保留原始VGG-16参数集的前16层参数，而只重新训练后3层的参数。

本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说，本发明用格拉姆矩阵作为描述图像风格特征的算子，提取给定图片库的所有训练样本的风格特征并构建图片索引，提取待检测图片的风格特征，查找与待检测图片相似度最高的图片的索引号并根据索引号返回相似图片集，通过这种方法实现对抽象图片的检索，具有方法简单、检索效果好的优点。

附图说明

图1是本发明的流程示意图。

具体实施方式

下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。