[发明专利]一种基于蚁群算法和概率超图的相关反馈图像检索方法

摘要

本发明公开了基于蚁群算法和概率超图的相关反馈图像检索方法，包括训练和检索两个阶段；所述训练阶段包括如下步骤：提取图像底层特征；字典学习；图像库图像高层表示；所述检索阶段包括以下步骤：提取示例图像的底层特征；示例图像高层表示；构造亲和力矩阵；初始化或更新信息素矩阵：对图像库中每一示例图像的检索结果，标注正相关图像和负相关图像，进一步计算语义信息素矩阵；计算亲和力增强概率：利用蚁群算法增强亲和力矩阵；构建超图；返回此轮检索结果，检索结束，或更新信息素矩阵开始下一轮检索。本发明为图像检索引入了高效、准确的图像检索技术，具有较高的使用价值。

主权项

1.一种基于蚁群算法和概率超图的相关反馈图像检索方法，其特征在于，包括训练和检索两个阶段；所述训练阶段包含以下步骤：步骤1，提取图像底层特征：对图像库中的每一幅图像，提取SIFT特征，作为图像底层特征；步骤2，字典学习：从所有图像的所有底层特征中，随机抽取部分的底层特征，利用码书模型学习字典；步骤3，图像库图像高层表示：利用学习得到的字典，对每一个底层特征进行编码，并对图像库中的每一幅图像的编码结果，进行汇合得到一个D维的直方图，即为图像库图像高层表示；所述检索阶段包含以下步骤：步骤4，提取示例图像的底层特征：提取示例图像的SIFT特征；步骤5，示例图像高层表示：利用训练阶段学习得到的字典，将示例图像表示成一个D维的直方图，即为示例图像的高层表示；步骤6，构造亲和力矩阵：利用步骤3中得到的图像库图像高层表示，以及示例图像高层表示，计算所有图像对之间的相似度，并使用一个亲和力矩阵存储结果，表示亲和力矩阵的元素值为实数，V表示所有图像，|V|表示所有图像的数量；步骤7，初始化或更新语义信息素矩阵：如果当前是第一轮检索，则初始化语义信息素矩阵为零矩阵，否则，对给定的示例图像，根据上一轮的检索结果，标注正相关图像和负相关图像，并更新语义信息素矩阵，表征图像之间的语义相似度；步骤8，计算亲和力增强概率：根据原始亲和力矩阵和语义信息素矩阵，利用蚁群算法，计算两幅图像之间亲和力被增强的概率，并更新相应亲和力矩阵；步骤9，构造超图：对图像库所有图像进行以下处理：计算与每幅图像亲和力最大的k幅近邻图像，共同组成一条超边；所有图像处理完后，即实现了构建超图；然后基于超图计算示例图像与图像库图像的相似度；步骤10，返回此轮检索结果：对示例图像与图像库图像的相似度进行由大到小排序，得到此轮检索结果，如果反馈达到round轮，则检索结束，输出此轮检索结果，否则利用当前检索结果作为反馈信息，返回步骤7开始下一轮检索，round的取值范围为自然数。