[发明专利]一种基于多特征融合和扩散过程重排序的图像检索方法

权利要求书

1.一种基于多特征融合和扩散过程重排序的图像检索方法，其特征在于：所述方法的具体步骤如下：

Step1、图像特征提取；

Step2、对步骤Step1提取的图像特征特征进行归一化及融合；

Step3、对通过步骤Step2提取的图像的融合特征进行基于扩散过程的特征距离优化；

Step4、对步骤Step3优化后的特征进行重排序及根据重排的结果进行检索。

2.根据权利要求1所述的基于多特征融合和扩散过程重排序的图像检索方法，其特征在于：所述步骤Step1具体为：

Step1.1、提取图像库中每一幅图像的颜色特征F_Color；

Step1.2、提取图像库中每一幅图像的LDP特征F_LDP；

Step1.3、提取图像库中每一幅图像的SIFT视觉词包特征F_BoF。

3.根据权利要求2所述的基于多特征融合和扩散过程重排序的图像检索方法，其特征在于：所述步骤Step1.1具体为：

将图像的R、G、B颜色通道分别量化为Q_R、Q_G、Q_B级，产生Q_R×Q_G×Q_B个新的颜色bin，通过公式(1)对图像的所有像素进行遍历，统计每个取值c出现的次数并得到Q_R×Q_G×Q_B维的颜色特征

式中，H(i,j)表示每个像素的单通道值映射到[0～Q_R×Q_G×Q_B-1]区间的一个取值，图像大小为m×n，c＝0,1,...,Q_R×Q_G×Q_B-1。

4.根据权利要求2所述的基于多特征融合和扩散过程重排序的图像检索方法，其特征在于：所述步骤Step1.2具体为：

以图像每个像素为中心，对其8邻域采用3×3的Kirsch算子进行卷积操作生成8个方向反映值，选择前k个最大方向反映值的对应位置设置为1，否则为0，由此生成一个8位的二进制编码，将其转化为十进制作为当前中心元素的LDP值，对于某个特定的k，LDP值有种不同的取值h，由此每个像素都会生成一个LDP值，然后遍历图像的所有像素LDP值，通过公式(2)统计每个取值出现的次数并得到维的LDP特征

式中，LDP_k(i,j)表示最大方向反映值取k时图像像素(i,j)的LDP值，图像大小为m×n。

5.根据权利要求2所述的基于多特征融合和扩散过程重排序的图像检索方法，其特征在于：所述步骤Step1.3具体为：

将图像均匀分块，提取每一块的中心像素的SIFT特征，然后利用K-means聚类方法对所有的图像块中心元素聚类，生成K个聚类中心，每个聚类中心对应一个视觉单词，计算图像的每个分块到各聚类中心的距离，对其分配一个离它最近的聚类中心的视觉单词索引编码，遍历每幅图像上所有的分块，通过公式(3)统计每个视觉单词出现的次数，可形成K维的SIFT视觉词包特征F_BoF＝[F_BoF(v)]：

式中，I(g)表示第g图像块被分配的索引编码，N_patch表示图像分块总个数，v＝1,2,…,K，图像大小为m×n。