[发明专利]基于自适应学习区域重要性的交互式图像检索方法及系统

摘要

本发明涉及一种基于自适应学习区域重要性的交互式图像检索方法及系统，它对用户提交的检索图像基于均值漂移和规范切进行自适应分割，提取分割区域的特征，基于新的区域重要性指标计算区域的重要性，进而基于综合区域匹配计算用户提交的检索图像和图像库中的每一幅图像的相似度，根据相似度排序并返回给用户最相似的前若干幅图像，基于用户的反馈信息，构建短期学习和长期学习策略，旨在自动更新正例的区域重要性的同时减小反例图像的区域重要性，从而快速、有效地获取满意的图像。本发明可减轻用户的检索负担，且在检索的过程中学习用户标注的正例和反例图像信息来自动更新区域的重要性，可以更靠近用户的检索意图，从而更加有效地提高检索性能。

主权项

1.一种基于自适应学习区域重要性的交互式图像检索方法，其特征在于，包括如下步骤：1)对用户提交的检索图像Q进行自适应分割，得到分割区域Q＝{Q1,…,Qm}，这里m为分割得到的区域个数；2)对分割区域Qi,1≤i≤m提取局部底层特征，包括颜色、纹理和形状特征；3)通过综合考虑区域的面积和位置提出了一个表征区域重要性的指标RI，用于计算区域Qi,1≤i≤m的RI；而且，在后续的反馈过程中，RI可以根据用户的反馈信息通过短期学习和长期学习自动更新；若图像I表示为I＝{r1,r2,...rm}，其中ri是图像I的第i个区域，m表示区域的个数，则ri的RI为其中A(I)和A(r_i)分别为图像I和区域r_i的面积，即像素的个数，则A(r_i)/A(I)表示为区域r_i在图像I中所占的百分比；(r_ix,r_iy)是r_i的中心，(x,y),L(I)和H(I)分别表示图像I的中心、长和高；表示r_i的中心和I的中心的欧式距离；公式(1)表明：RI(r_i)值越大，区域r_i越重要；4)根据RI指标，计算Q和标准图像库中的每一幅图像Bl的相似度Sl,1≤l≤N，其中N是标准图像库中的图像数量；假设两幅图像I1和I2分别表示为I1＝{r1,1,r1,2,…,r1,m}和I2＝{r2,1,r2,2,…,r2,n}，其中r1,i、r2,j分别表示图像I1和I2分割得到的区域，m和n表示区域的个数；基于提出的RI定义，则计算I1和I2的距离定义为：其中P＝(Pi,j)m×n称为重要性矩阵，Pi,j表示r1,i和r2,j匹配的重要性系数；r1,i and r2,j的距离用di,j表示，di,j定义为：其中表示对应的特征维数，f_i＝{f_i,1,…,f_i,33}和f_j＝{f_j,1,…,f_j,33}是区域r_1,i和r_2,j的归一化特征向量，即步骤2)中介绍的33‑D特征向量通过高斯归一化的结果；ω_color,ω_texture,ω_shape分别是颜色、纹理和形状特征的权重；假设区域r1,i和r2,j的区域重要性RI为RI(r1,i)和RI(r2,j)，则需要满足基于(4)和RI指标，P＝(Pi,j)m×n通过最相似优先度最高准则得到；5)根据Sl,1≤l≤N对Bl进行排序，并返回用户最相似的前若干幅图像；6)借助用户的反馈信息，通过短期学习和长期学习自动更新正例和反例图像的RI，直到检索出用户满意的图像。