[发明专利]基于非负矩阵分解的隐含语义图像检索方法

摘要

一种基于非负矩阵分解的隐含语义图像检索方法，利用原型图像库来构建特征－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，并用分解后得到的基矩阵来构造一个低维的语义空间，而系数矩阵的每一列向量就是原型图像库中每一个图像对应的语义特征。然后用非负矩阵分解测试算法将查询图像投影到这个语义空间来获得语义特征。最后，在这个低维语义空间中，进行所有原型图像的语义特征和查询图像语义特征的相似性度量，并按照相似性的大小将检索图像结果返回给用户。本发明的方法所建立的图像检索系统，通过非负矩阵分解算法来寻找特征与图像中隐含的语义联系，从而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隐含语义图像检索方法，其特征在于包括如下具体步骤：1)构造特征-图像矩阵：首先将原型图像库中的每一个图像都提取色度-饱和度混合直方图特征，然后构造特征-图像矩阵，该矩阵的每一列对应于一个图像，每一行对应于色度-饱和度混合直方图特征的一个分量；2)构造语义空间并生成原型图像的语义特征：应用非负矩阵分解训练算法对特征-图像矩阵进行分解得到基矩阵和系数矩阵，则用该基矩阵构造一个低维的语义空间，语义空间的维数r的取值要满足(n+m)r＜nm，其中n代表色度-饱和度混合直方图特征的维数，m代表原型图像的个数，此时分解得到的系数矩阵是原型图像在此语义空间的投影，可以看作是原型图像的语义特征；3)查询图像语义特征的生成：对于查询图像，首先提取色度-饱和度混合直方图特征颜色直方图特征，然后运用非负矩阵分解测试算法将查询图像的底层特征投影到前面得到的语义空间中，从而得到该查询图像的语义特征；4)相似性度量及结果返回：根据得到的每个原型图像的语义特征和查询图像的语义特征，计算查询图像和数据库每一个原型图像的语义特征的相似性，并按照相似性的大小进行排序，将与检索图像最相似的若干幅图像返回。