[发明专利]基于无参数量子论的图像检索方法

摘要

本发明提供了一种全新的基于无参数量子估计的图像检索框架。在该框架中，我们将数据库图像看做光源产生的光子，检索过程看做通过查询偏振滤波器来估计数据库图像的相关性。该框架的基本思路是：首先，利用预滤波滤除掉数据库中那些相关度较低的图片，以降低计算花费；然后，利用半监督学习方法，计算相关度较高的那些图像与输入查询图像间的相关性概率；最后，通过无参数量子估计优化排名靠前那些图像的相关性，以得到满意的检索结果。

主权项

一种基于无参数量子论的图像检索方法，其特征在于，包括如下步骤：1 图像间距离度量和预处理；图像间的距离度量，同时考虑相邻图像和不相邻图像两方面的影响；然后，再对预处理进行分析；1.1图像间距离度量；基于半监督学习方法有两个基本假设，第一个假设是：视觉上相近的图片，其具有相似的标签；第二个假设是：同一类型的图片，其具有相似的标签；图像i和图像j间的距离可用曼哈顿距离度量：(1)其中，x_i^l表示图像i第l维的特征，L表示特征空间的维数，σ^l是一个正参数，它反映了维数的范围；为与第一个假设保持一致性，根据第二个假设得到图像i和图像j间的距离度量为：(2)其中n_i和n_j分别为图像i和图像j的邻里密度，且n_i的定义如下：(3)其中，N_i表示与图像i相邻的图像集数目，n_j的定义与n_i雷同；基于上述两个假设，第i幅图像和第j幅图像间的距离度量为：(4)其中，“”表示Hadamard积；1.2 预处理；在分析整个图像检索过程后，预处理过程应同时满足以下两个条件：计算代价低和查全率高；在这里，采用修改的近邻法则进行预处理；具体来说，对于给定的查询图像，首先根据公式(4)的计算结果对数据库图像进行相似性排序：距离数值越大的图像，其排名越高；然后，将排在后面的占一定比例的数据库图像滤除掉；通过这样一个预处理，整个计算成本可明显从O(M³) (M为数据库图像数量)降到O(N³)(N为保留下来的图像数量，且N<<M)；2 相关性计算；对给定的查询图像，需计算其与每个保留数据库图像间的相关性；在这里，采用半监督学习的流行排序方法计算相关性；该方法包含相似图构建和相关性计算这两个步骤；2.1 相似图构建；构建一个基于查询图像的相似图，主要需要以下两个步骤：顶点设置和顶点连接；顶点设置：对查询图像q，首先依据预处理过程中的最近邻规则生成N个图像的近邻集Э={1, 2,…, i,…, N}；然后，生成加权相似图G=(V, E)，其中V表示由Э和查询图像q构成的顶点，E表示由相邻图像间距离构成的加权边缘；顶点连接：相似图G的边界集E是通过(N+1)×(N+1)的仿射矩阵进行加权；其中，将仿射矩阵的元素W(i,i)设置为零，以避免自增强；当i≠j时，W(i,j)由公式(4)得到，即W(i,j)=S(i,j)；2.2 相关性计算；相关性计算过程包括以下两个主要步骤：加权矩阵归一化和相关性计算；加权矩阵归一化 使用下列公式对加权矩阵W进行归一化：(5)其中，D为对角阵，其元素D(i,i)为加权矩阵W第i行元素的总和；相关性计算 经过多次迭代，可计算出Э中每个图像的相关值：(6)其中，y为一向量：当第i幅图像为输入的查询图像时，其值y(i)=1；如果第i幅图像来自数据库时，其值y(i)=0；此外，c(0)=y，α+β=1(α[0,1])；迭代过程结束后，(N+1)×1维向量c的第i个元素是第i幅数据库图像的相关值；3 基本算法；得到数据库图像的初始相关值后，利用非参数量子估计法优化候选图像间的相关性，以得到满意的检索排序结果，包含以下两部分内容：量子估计法简单说明和图像间相关性的优化过程；3.1 量子估计法；量子估计法的基本思想，可借助光子偏振实验进行解释；选取合适方向上的单位向量进行线性组合，可对光子偏振状态进行估计：(7)其中，“|↑>”和“|→>”分别表示垂直极化和水平极化，μ和υ是复数，满足|μ|² + |υ|² = 1；将基于光子偏振状态的量子估计转换成对应的标准正交基向量，即将状态概率表示为对应的基向量方向的上振幅幅值的平方；3.2 提出的方法描述；对于任意一幅图像i，定义其最初的量子状态为：(8)其中，状态“|1>”表示与给定查询的相关基，“|0>”表示与给定查询的无关基，且|μ|² + |υ|² = 1；第一轮检索，仅利用相关基 “|1>”估计任一图像i的初始相关性，并得到相关概率|μ_i|²，其中，|μ_i|² = p(i|q)使用步骤2.2中介绍的流行排序方法得到；为达到优化检索图像目的，针对步骤2中得到的那些最相似图像，引入顶部度量进行相似性优化；具体地说，就是把相关性最高的图像放置在第一位，计算其它图像与它的关系并重排序；与查询图像最相关的图像ti的量子状态定义为：(9)经顶部度量后，第i幅图像的状态Ф_i为：(10)其中，Ф_ti^{是Ф_ti的正交形式，γ和η是复数形式；将(9)式代入(10)式，有：(11)此时，γ和η为下面这个线性方程组的解：(12)由|μ|2 + |υ|2 = 1，可得γ的计算公式为：(13)将图像检索过程看做利用查询偏振滤波器，对相关图像集图像的状态进行估计；因此，经顶部度量后，第i幅图像的量子状态Ф_i应偏向Ф_ti所在的方向：(14)其中，Ф_it表示顶部度量后，第i幅图像的偏向状态向量；为得到第i幅图像相关性的优化值，通过相关基“|1>”估计当前状态Ф_it：(15)由公式（13）可知：当i =1时即对最相关图像ti有|γ|=1，即，且经顶部度量后，最相关图像的相关性概率保持不变，即；按照上面的推导过程，第i幅图像的相关值为：(16)其中，Γ为最相关图像集，s(i,ti)为相应的权重；在框架中，方程(16)是图像重新排名的基础和依据。}