[发明专利]一种基于可分解词包模型的图像检索方法

摘要

本申请提出了一种基于可分解词包模型的图像检索方法，所述方法包括以下四个部分：第一、对图像提取多种特征，并且单独为每种特征建立索引；第二、针对上述特征中的索引，利用词包模型组织每种特征数据，并对特征数据进行聚类，以聚类中心作为词包模型中的词条；第三、为多特征检索建立线性判别函数，通过预检索过程以最小均方差准则学习特征的显著性权重，并作为线性判别函数中的系数；第四、在检索过程中，每种特征均独立地给出候选集。最终的检索结果利用每种特征的显著性权重，以线性判别函数对多特征对检索结果进行聚合。该方法能获得较高检索准确率，并且适用于实际的大规模图像检索应用。

主权项

1.基于可分解词包模型的图像检索方法，其特征在于包括如下步骤：(1)对建库图像提取多种特征，并且单独为每种特征建立索引；(2)针对上述特征对应的索引，利用词包模型组织每种特征数据，对所述特征数据进行聚类，以聚类中心作为词包模型中的词条，原始图像以词包模型中的相应词条进行表示，从而所述词条与原始图像之间构成倒排关系；(3)为多特征检索建立线性判别函数，通过预检索过程以最小均方差准则学习特征的显著性权重，并作为所述线性判别函数中的系数，以衡量每种特征对最终检索结果的影响程度；(4)在检索过程中，对待检索图像提取相应的多种特征，针对每种特征独立地给出候选集，利用每种特征的显著性权重，以所述线性判别函数对多种特征的候选集进行检索聚合，其中：所述步骤(1)中采用同样的索引方法，依次对每种特征进行索引，使得不同特征之间在特征组织结构上没有横向关联，所述步骤(3)中，学习得到每种特征对建库图像的显著性，对现有数据进行预检索，首先对数据库进行随机抽样得到训练数据集，然后对样本在每种特征上进行检索，最后对预检索的结果进行回归拟合，拟合后的系数则为每种特征的显著性权重，所述步骤(4)中，为了根据特征的不同显著性进行检索聚合，根据步骤(3)中所学习得到的显著性权重，利用下列公式计算候选图像的最后得分，其中对于N种特征，yi表示第i张图像的检索聚合得分，xij表示第i张在第j种特征上与待检索图像的欧氏距离，βj表示第j种特征通过步骤(3)学习得到的显著性权重，β0为判别式(1)的偏置系数。