[发明专利]一种基于关系矩阵正则化增强表示的图像检索方法

摘要

本发明公开了一种基于关系矩阵正则化增强方法从图像实例库中检索图像的方法，包含如下步骤：步骤1，输入待检索图像；步骤2，抽取待检索图像和图像实例库中图像的特征；步骤3，从图像实例特征库中选取P个图像类，从每一个图像类选取n幅图像构成样本数据X；步骤4，基于谱图理论的流形学习算法，对样本数据X构建三个矩阵；步骤5，初步建立增强关系矩阵W′；步骤6，计算正则化增强关系矩阵W*：步骤7，计算广义特征矩阵A；步骤8，计算最终的图像表示；步骤9，计算待检索图像的图像表示；步骤10，采用欧氏距离计算待检索图像与图像实例库中所有图像的相似度，按照相似度由大到小输出图像实例库中与待检索图像最相似的图像。

主权项

一种基于关系矩阵正则化增强方法的图像检索方法，其特征在于，该方法从图像实例库中检索图像，包含如下步骤：步骤1，输入待检索图像；步骤2，抽取待检索图像和图像实例库中图像的特征，用N维向量描述每幅图像，N=112，得到图像实例特征库以及带检索图像的特征，所述图像实例库包括50个以上的图像类，每一个图像类表示一个语义类，每个图像类包括600幅以上的图像；步骤3，从图像实例特征库中选取P个图像类，P取值范围20～50，从每一个图像类选取n幅图像，n取值范围100～500，P个图像类共有n×P张图像构成样本数据X；步骤4，基于谱图理论的流形学习算法，对样本数据X构建增强关系矩阵W、正例关系矩阵WP和反例关系矩阵WN;步骤5，对构建的关系矩阵W进行增强，初步建立增强关系矩阵W′;步骤6，借助概率转移矩阵正则化增强关系矩阵W′得到正则化增强关系矩阵W*步骤7，根据正则化增强关系矩阵W*构建目标方程，计算广义特征矩阵A；步骤8，利用广义特征矩阵A对图像实例特征库中的所有图像进行降维，得到最终的图像表示；步骤9，利用广义特征矩阵A对待检索图像降维，得到待检索图像的图像表示；步骤10，根据步骤8的最终的图像表示和步骤9的待检索图像的图像表示的欧氏距离计算待检索图像与图像实例库中所有图像的相似度，按照相似度由大到小输出图像实例库中与待检索图像最相似的图像。