[发明专利]一种图像内容检索系统及其图像内容稀疏学习方法

摘要

一种图像内容检索系统，其特征是，包括：1）分割子系统，用于将训练图像、测试图像分别分割为n个示例，包括：A）FCM分割单元：采用模糊C均值算法对训练图像和测试图像分别进行区域分割；B）金字塔分割单元：采用cvPrySegmentation函数对训练图像和测试图像重新进行基于“空间金字塔”匹配机制的图像分割；2）图像区域特征提取单元：用于提取各个示例的颜色、纹理、CENTRIST特征及每类平均特征向量；3）计算对比子系统等，采用多示例学习、多样性密度的稀疏学习方法，从多种非局部形态特征的角度来描述图像内容并达到检索的目的，该方法容易编程实现，并具有一定人工智能，也为图像理解提供了算法上的参考。

主权项

一种图像内容检索系统，其特征是，包括：1）分割子系统，用于将训练图像、测试图像分别分割为n个示例，包括：A）FCM分割单元：采用模糊C均值算法对训练图像和测试图像分别进行区域分割；B）金字塔分割单元：采用cvPrySegmentation函数对训练图像和测试图像重新进行基于“空间金字塔”匹配机制的图像分割；2）图像区域特征提取单元：用于提取各个示例的颜色、纹理、CENTRIST特征及每类平均特征向量；3）计算对比子系统，包括：  a）提取每个示例的颜色特征和纹理特征；b）统计变换直方图单元，用于计算一幅图像所有像素的CT值，统计各示例CT值像素个数或所占比例，求得CT值直方图特征，即CENTRIST特征；c）多示例稀疏学习单元，用于对各示例的CENTRIST特征进行稀疏离散度描述，以及计算示例的多样性密度，并确立目标示例；d）计算每一类图像的紧凑空间结构特征SSRCT；e）计算每类平均特征向量PACT；f）对比单元，通过欧氏距离度量目标示例与测试图像在颜色和纹理特征上的相似性并分别排序，同时对图像紧凑空间结构特征SSRCT的相似度进行排序。