[发明专利]一种基于显著区域和相似性积分的图像重排序方法

说明书

技术领域

本发明属于数字图像处理领域，尤其涉及一种基于显著区域和相似性积分的图像重排序方法。

技术背景

图像重排序是数字图像处理与计算机视觉领域的一项基本研究问题。随着多媒体网络技术的迅猛发展、图像和视频采集设备的普及以及存储费用的减少，特别是Web2.0时代的悄然而至,Flickr、Facebook、YouTube、优酷网等大型图像及视频分享网站如雨后春笋般应运而生，每天有数以百万计的图像和视频产生并传到网络上。相应的互联网中研究热点是针对海量数据的处理，文本搜索技术已经十分成熟，并在很大程度上满足了用户的需求，但是在有些情形下,客户更加希望得到使自己满意的数据结果，并且有适合的排序进行浏览。然而许多的搜索引擎对于这些图像资源搜索获得的结果总是不尽如人意，因为他们忽略了视觉内容作为排名依据。目前的图像重排序领域，研究学者们都在努力加入各种特征来实现查询结果的更加智能重排列，而其中视觉特征又是人们最直观的、也是最需要的内容元素。据调查，人类从大自然所能够获得的外部信息大约有75％来自于视觉感知。图像是一类表现简明直观与视觉表达丰富的多媒体信息，是对大自然中客观存在的各类事物生动的描述，是人类在日常生活中所使用的最灵活的信息载体。视觉活动正是我们大多数人接触图像、外界的最直接的行为，因此视觉成为图像检索领域不可忽视的一部分。实际的搜索结果现状，很多情况下并不能达到用户检索的期望，因为检索结果的无序排列使得用户很盲目，还是需要利用视觉去查找自己更加以往的结果，那么这种情况下检索结果的根据视觉重排序就显得尤为重要，使得与原始图像的更加想关的结果排在前列能够大大增加用户体验满意度。近年来图像重排序在图像检索领域、数据分析领域、教育、互联网商业领域等得到重视，图像重排序正在成为各个领域研究的热点课题之一。

本发明提供一种针对图像检索初始结果的改进方法，能够使得与被查询图像相关性更高的结果排在前列。

发明内容

本发明针对传统图像特征提取信息量大，目的性不强，图像特征中有用信息与无用信息得不到很好区分和区别对待，找到一种能够准确提取核心信息，通过先划定显著区域，以显著区域内图像特征作为信息源，并且通过相似性积分法的多次迭代比较，能够很好地进行图像间相似性排序的方法——基于显著区域和相似性积分的图像重排序方法，实现再次精确排序。

为实现上述目的，本发明采用如下的技术方案：

一种基于显著区域和相似性积分的图像重排序方法，包括以下步骤：

步骤1、对原始图像在搜索引擎进行检索，得到初始的检索结果，出现与原始图像相关的乱序排列图像，对原始图像和初步检索结果的图像进行灰度显著图计算，得到各个明显区域的显著度C_i，j，将每幅图像的最终显著度值P_K与阈值T相比较，对比度大于10％的为显著区域提取出来；

步骤2、将原始图像和初步检索结果的图像的显著区域的形状大小等归一化，便于显著区域的特征提取；

步骤3、归一化后的各个显著区域进行颜色、纹理特征的提取；

步骤4、使用相似性积分方法对原始图像与初步检索结果的图像特征对比排序。

作为优选，步骤1中，通过图像区域各像素的特征向量均值与其邻域特征向量的距离得到此区域的显著度。

作为优选，步骤4包括以下步骤：

4.1、提取的各个特征作为接下来的基本元素，利用马氏距离使得各特征元素计算到矩阵S＝[S_ij]_N*N中进行矩阵式相似性比较，使得与原始图像显著区域更加相似的结果排在前列；

4.2、取上一步得到的排序结果的前90％，再次进行相似性积分比较，进行多次迭代比较，得到更加精确的相似性更高的图像排在前列的结果。

附图说明

图1为提取灰度显著图；

图2为本发明的流程图。

具体实施方式

如图2所示，本发明提供一种基于显著区域和相似性积分的图像重排序方法，具体包括如下步骤：

步骤1：对原始图像在搜索引擎进行检索，得到初始的检索结果，出现与原始图像相关的乱序排列图像，对原始图像和初始检索结果的图像进行显著区域提取；