[发明专利]基于非负矩阵分解的相关反馈图像检索方法

摘要

一种基于非负矩阵分解的相关反馈图像检索方法，利用初次检索返回的结果来构建相关类图像矩阵，应用非负矩阵分解训练算法对该矩阵进行矩阵分解，得到语义空间的基矩阵和系数矩阵，对系数矩阵求取均值，生成代表该语义类的语义特征，然后通过非负矩阵分解测试算法将图像库中所有图像在此语义空间进行投影，得到所有图像的语义特征，求取所有图像的语义特征和该语义类特征的相似性，并按照相似性的大小返回出结果图像，如未满足检索要求，重复反馈，给出最终的检索结果。应用本发明的方法所建立的图像检索系统，充分利用人机的交互反馈，能更好地模拟人对于图像的感觉，使得生成的语义空间能更好的吻合图像检索的要求，能够获得较高的检索准确率。

主权项

1、一种基于非负矩阵分解的相关反馈图像检索方法，其特征在于包括如下具体步骤：1)初始检索：针对检索图像，提取色度一饱和度混合直方图特征，局部累加直方图特征，基于小波模极大值的形状特征，基于Gabor滤波器的纹理特征，并通过归一化形成综合的底层视觉特征，与图像库中所有图像形成的特征库进行相似性度量，按照相似性的大小进行排序，将与检索图像最相似的若干副图像返回；2)构造待分解矩阵：将检索返回的图像进行分类，分成相关图像类和非相关图像类，并将相关图像类和检索图像的底层视觉特征组合为待分解相关图像矩阵，该矩阵的每一列对应于一个图像，每一行对应于特征的一个分量，该矩阵就代表和检索图像处于相同语义类的图像；3)基和语义类特征的生成：应用非负矩阵分解训练算法对待分解相关图像矩阵进行分解，经过迭代收敛后得到基矩阵和系数矩阵，用该基矩阵张成语义空间，求取系数矩阵的均值来生成代表该语义类的语义特征，语义特征的维数r的取值要满足(n+m)r＜nm，此处n代表底层视觉特征的维数，m代表相关图像的个数；4)图像库中所有图像语义特征的生成：将图像库中所有图像的综合底层视觉特征构造一个待分解矩阵，利用上一步基矩阵构造的语义空间，通过非负矩阵分解测试算法来计算图像库中所有图像的语义特征，即固定非负矩阵分解训练算法得到的基矩阵，通过同样的迭代过程对系数矩阵进行更新来得到所有图像的语义特征；5)相似性度量及结果返回：先将前次返回的相关图像记忆下来优先返回，再计算所有图像的语义特征和该语义类特征的相似性，按照相似性的大小进行排序，将与检索图像最相似的其余若干副图像返回；6)利用人机交互反馈平台，重复上面的2-5步，直到满足检索需求为止，给出最终的检索结果。