[发明专利]基于局部语义滤波器和桥接相似度的鞋印检索方法

权利要求书

1.基于局部语义滤波器和桥接相似度的鞋印检索方法，其特征在于，包括以下步骤：

S1：输入待查询图像Q并选择局部语义区域；在输入的所述待查询图像Q上，选择K个初始局部语义区域，标记为表示第k个初始局部语义区域，θ₁＝0；

S2：对局部语义块样本进行增广；预设相似度参数β，并在所述待查询图像Q中找相似度大于β的J(J＝0)个相似区域块，得到包括初始局部语义区域的相似语义区域P_θ1，即为第K个初始局部语义区域的第J个相似区域，θ₁＝0；

以所述待查询图像Q的几何中心为旋转中心，旋转N个角度θ＝[θ₁,θ₂,…,θ_i,...,θ_N+1],i＝1,...,N+1，其中θ₁＝0，并分别根据所述相似语义区域P_θ1的位置对旋转后的所述待查询图像截取相应区域作为旋转样本，并将各旋转样本组成语义块样本集，得到K个语义样本集T＝{T⁽¹⁾,T⁽²⁾,…,T^(k),…,T^(K)}，其中，第k个语义样本集：

其中，表示第k个语义样本集的第(j-1)个相似区域旋转θ_N+1角度的局部语义块样本；得到完整的局部语义样本集T，实现对局部语义块样本的增广；

S3：分别对K个语义样本集训练局部语义滤波器，构建K个局部语义滤波器模型；

S4：局部语义滤波器与鞋底花纹数据库图像之间的相似度计算

S5：基于局部语义滤波器的待查询图像与鞋底花纹数据库图像之间的相似度计算；

S6：以所述待查询图像Q为桥接的鞋印图像对相似度计算；以待查询图像Q为桥接的鞋印图像对相似度计算；

设w表示一个度量函数，通过w来衡量鞋印图像两两之间的相似度，即对于d_m,d_n∈D，w(d_m,d_n)表示d_m和d_n间的相似度，s_m表示鞋底花纹数据库的图像d_m和待查询图像Q之间的相似度最优得分，s_n表示鞋底花纹数据库的图像d_n和所述待查询图像Q之间的相似度最优得分，则以所述待查询图像Q为桥接的鞋印图像对相似度w(m,n)为：

w(m,n)＝T(s_m-s_n)；

其中T(x)是一个映射函数，它可以把两个库图与查询图之间的相似度转化为库图之间的语义相似度，具体表示为：

其中ε是防止分母为0的一个误差项；

获取语义邻接矩阵W，所述语义邻接矩阵W中的各元素即为以所述待查询图像Q为桥接的各鞋印图像对相似度，即W(m,n)＝w(m,n)；

S7：计算初始归一化排序得分矩阵；所述计算初始归一化排序得分矩阵；对之前计算的所述待查询图像Q与所述鞋底花纹数据库中所有图像的相似度S＝[s₁,s₂,…,s_m,…,s_M]^T按降序排列并进行归一化处理，用index(D_m)表示图像D_m在排序结果中的位置索引，则初始归一化排序得分为：

从而建立归一化排序矩阵，它是一个(M+1)×(M+1)的对角阵，R的第m个元素R_mm为r(D_m)；

S8：得到鞋印图像排序得分f^*，输出检索鞋底花纹图像；计算鞋印图像排序得分；

综合所述基于局部语义滤波器的鞋印图像相似度的计算和所述以所述待查询图像Q为桥接的鞋印图像对相似度计算两部分来计算鞋印图像排序得分f^*：

其中f＝{f_m,m＝1,2,M+1}，U＝Q∪D表示所述待查询图像Q与所述数据库图像总的集合，α,β,γ均表示正则项系数，且0α,β,γ1；第1项即表示排序相关约束项，表示与所述待查询图像Q越相似的库图应该得到越高的排序得分；公式第2项即表示平滑度约束项，其中，W表示语义邻接矩阵即通过所述待查询图像计算得到的邻接矩阵，度矩阵C为对角矩阵，所述度矩阵C是指该矩阵对角线上每一个元素代表着某一幅图像与数据库中除所述某一幅图像之外的其他图像的相似度之和，即每一个对角线元素C_mm都表示语义邻接矩阵W第m行的累加和，即公式第3项用来约束排序分数，其中，o＝[o₁,o₂,...,o_n,...,o_M+1]^T表示用户对每幅图与查询图之间的相似程度的判断，其中