[发明专利]基于复值奇异谱分析的图像检索方法和系统

权利要求书

1.基于复值奇异谱分析的图像检索方法，其特征在于，所述方法包括以下步骤：

S1：对所有训练样本图像进行预处理，提取边缘信息，得到归一化的时域序列和

S2：对时域序列和通过复值的奇异谱分析进行特征提取，得到奇异值特征向量f₁和直方图特征向量f₂，包括：

S21：将时域序列代入到复值x＝a+bj的实部a，将时域序列代入到复值x＝a+bj的虚部b，构造出复值的时域序列x_c，所述时域序列x_c为复值一维时域信号；

S22：对时域序列x_c按照固定长度进行截取，构建轨迹矩阵X；

S23：利用轨迹矩阵X和奇异值分解计算得出奇异值，并构造初等矩阵X_i；

S24：将轨迹矩阵X表示为矩阵分量X_k相加的形式；

S25：将复值的二维矩阵分量X_k重构回一维的复值序列；

S26：特征提取，利用步骤S23所述的奇异值构建奇异值特征向量f₁；利用步骤S25所述复值序列构建直方图特征向量f₂；

S3：使用分类器对奇异值特征向量f₁和直方图特征向量f₂进行模型训练，得到初步分类模型，调节分类器参数得到最优分类模型；

S4：使用最优分类模型对输入的图片进行分类，得到该图片的分类结果，并通过计算两张图片的欧氏距离确定相似图片，设置距离D的范围，运用公式：D(q,d)＝||f_q-f_d||₂，其中f_q是要搜索的图片的特征向量，f_d是这一类别数据集的其中一张图片的特征向量。

2.根据权利要求1所述的基于复值奇异谱分析的图像检索方法，其特征在于，步骤S1所述预处理包括步骤：

S11：对图像进行灰度转化，得到灰度图；

S12：对灰度图提取图像边缘信息，得到边缘信息图；

S13：获取边缘信息图中边缘点的笛卡尔坐标x值和y值，将所有边缘点排列成时域序列x_q和y_q；

S14：将时域序列x_q和y_q进行归一化处理，得到归一化时域序列和

3.根据权利要求2所述的基于复值奇异谱分析的图像检索方法，其特征在于，步骤S14所述归一化处理包括主体位置归一化、像素点个数归一化、大小归一化，具体地，所述归一化处理方法为：

S141：进行主体位置归一化，将图像中物体的质心放在原点，对时域序列x_q和y_q进行质心归一化，得到质心归一化后的时域序列和

S142：进行像素点个数归一化，使用以下公式对时域序列和分别进行余弦变换：

式中F(u)是第u个余弦变换的系数，u是广义频率变量，u＝1,2,3…,N-1，f(x)是时域N点序列，x＝0,1,…,N-1；由此将信号从时域转换到频域上，为了使所有边缘信息图中的边缘像素点数量相同，在得到的频域末尾补上零，使得总像素点数量为第一常数值；然后利用以下公式进行反离散余弦变换：再将信号从频域变回时域，得到像素点归一化后的时域序列和

S143：进行大小归一化，分别对时域序列和的每个点除以列向量和列向量的二范数，使用公式：其中是每个像素点的坐标的相对比例值，x_i和y_i分别表示第i个像素点的x轴和y轴坐标值，再乘以第二常数值，得到归一化时域序列和