[发明专利]一种多级图像检索方法

说明书

本发明公开了一种多级图像检索方法，包括以下步骤：提取图像数据库中所有图像的局部特征点；聚类，得到K个聚类中心；对于数据库中的每一幅图像，计算其局部特征聚合描述子；对于检索图像，提取其局部特征点，并计算局部特征聚合描述子；计算检索图像的局部特征聚合描述子与数据库中所有图像的局部特征聚合描述子的距离，最小距离对应的数据库图像即为初步检索结果图像。本发明方法对检索图像进行了多级检索，一方面，对于不存在背景内容干扰或存在少量背景内容干扰的检索图像，可实现直接检索；另一方面，对于存在大量背景内容干扰的检索图像，可有效减少背景内容的干扰，实现成功检索。

技术领域

本发明涉及一种检索方法，具体是一种多级图像检索方法。

背景技术

随着计算机和互联网的快速发展，图像资源越来越丰富，如何在大规模的图像资源中准确检索到用户需要的图像成为了亟需解决的关键问题，因此，建立一种精确的图像检索方法成为了当下的研究热点。

在图像检索领域中，局部特征聚合描述子（Vector of Locally AggregatedDescriptor,VLAD）被广泛应用于大规模图像检索中。该方法首先将图像数据库中图像的所有特征点进行聚类，每一个类中心即为一个视觉词汇，所有类中心共同构成一个视觉码本；然后，基于视觉码本对每幅图像的特征点进行量化，计算得到表征图像的局部特征聚合描述子。这样，图像检索便转化为了图像局部特征聚合描述子之间的距离计算，最小距离对应的数据库图像即为检索结果图像。

然而，基于局部特征聚合描述子的检索方法要求检索图像与数据库中的目标图像具有一致的图像内容，一旦检索图像中存在较多的背景内容干扰，就会使得图像特征在量化时出现较大误差，影响图像局部特征聚合描述子计算的准确性，从而导致检索失败。

发明内容

本发明的目的在于提供一种多级图像检索方法，旨在克服上述现有技术的不足，其能有效解决图像中存在较多的干扰内容而导致检索失败的问题。

为实现上述目的，本发明提供如下技术方案：

一种多级图像检索方法，包括以下步骤：

步骤1：提取图像数据库中所有图像的局部特征点；

步骤2：使用聚类算法对步骤1中提取的所有局部特征点进行聚类，得到K个聚类中心；

步骤3：对于数据库中的每一幅图像，基于步骤1提取的局部特征点和步骤2得到的K个聚类中心，计算其局部特征聚合描述子；

步骤4：对于检索图像，提取其局部特征点，并基于步骤2得到的K个聚类中心，计算图像的局部特征聚合描述子；

步骤5：计算检索图像的局部特征聚合描述子与数据库中所有图像的局部特征聚合描述子的欧式距离，最小距离对应的数据库图像即为初步检索结果图像：

其中，V_r为检索图像的局部特征聚合描述子，V_j为图像数据库中第j幅图像的局部特征聚合描述子，retrievelIdx为计算得到的最小距离图像的编号；

步骤6：提取初步检索结果图像的局部特征点，并与检索图像的局部特征点进行特征点匹配，得到匹配的特征点数量N；

匹配方法如下：

步骤6-1：对于初步检索结果图像的任意一个特征点，计算其与检索图像所有特征点之间的最短距离：

步骤6-2：设定阈值，若，则认为该特征点为匹配特征点，统计得到匹配特征点数量N；