[发明专利]一种快速图像检索方法

说明书

本发明属于图像识别技术领域，公开了一种快速图像检索方法，包括如下步骤：S1.获取图像，进行预处理，得到图像局部特征；S2：进行图像局部特征的特征抽取和选择，得到特征建模向量；S3：进行特征建模向量的判别学习，得到降维后的特征建模向量；S4：融合降维后的特征建模向量，得到最终图像表达向量；S5：根据最终图像表达向量，得到检索结果。本发明解决了现有技术存在的图像识别准确性低、效率低以及无法适应大规模数据情况的问题。

技术领域

本发明属于图像识别技术领域，具体涉及一种快速图像检索方法。

背景技术

图像识别是人工智能的一个重要领域。图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。图像识别，顾名思义，就是对图像做出各种处理、分析，最终识别我们所要研究的目标。今天所指的图像识别并不仅仅是用人类的肉眼，而是借助计算机技术进行识别。虽然人类的识别能力很强大，但是对于高速发展的社会，人类自身识别能力已经满足不了我们的需求，于是就产生了基于计算机的图像识别技术。通常一个领域有固有技术无法解决的需求时，就会产生相应的新技术。图像识别技术也是如此，此技术的产生就是为了让计算机代替人类去处理大量的物理信息，解决人类无法识别或者识别率特别低的信息。

模式识别是人工智能和信息科学的重要组成部分。模式识别是指对表示事物或现象的不同形式的信息做分析和处理从而得到一个对事物或现象做出描述、辨认和分类等的过程。简单地说，模式识别就是对数据进行分类，它是一门与数学紧密结合的科学，其中所用的思想大部分是概率与统计。模式识别主要分为三种：统计模式识别、句法模式识别、模糊模式识别。

在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：

识别方法中基本的也是常用的方法有统计法(或决策理论法)、句法(或结构)方法、神经网络法、模板匹配法和霍夫变换法。

统计法：该方法是对研究的图像进行大量的统计分析，找出其中的规律并提取反映图像本质特点的特征来进行图像识别的。它以数学上的决策理论为基础，建立统计学识别模型，因而是一种分类误差最小的方法。常用的图像统计模型有贝叶斯(Bayes)模型和马尔柯夫(Markow)随机场(MRF)模型。但是，较为常用的贝叶斯决策规则虽然从理论上解决了最优分类器的设计问题，其应用却在很大程度受到了更为困难的概率密度估计问题的限制。同时，正是因为统计方法基于严格的数学基础，而忽略了被识别图像的空间结构关系，当图像非常复杂、类别数很多时，将导致特征数量的激增，给特征提取造成困难，也使分类难以实现。尤其是当被识别图像(如指纹、染色体等)的主要特征是结构特征时，用统计法就很难进行识别。

句法识别法：该方法是对统计识别方法的补充，在用统计法对图像进行识别时，图像的特征是用数值特征描述的，而句法方法则是用符号来描述图像特征的。它模仿了语言学中句法的层次结构，采用分层描述的方法，把复杂图像分解为单层或多层的相对简单的子图像，主要突出被识别对象的空间结构关系信息。模式识别源于统计方法，而句法方法则扩大了模式识别的能力，使其不仅能用于对图像的分类，而且可以用于对景物的分析与物体结构的识别。但是，当存在较大的干扰和噪声时，句法识别方法抽取子图像(基元)困难，容易产生误判率，难以满足分类识别精度和可靠度的要求。