[发明专利]基于多特征多关系的图像检索方法

摘要

本发明公开了一种基于多特征多关系的图像检索方法，其特征是按如下步骤进行的：1提取图像的颜色、纹理、形状和词袋特征；2将提取到的不同种类的特征融合成一个综合特征；3将综合特征输入卷积神经网络得到更好的特征表达；4对卷积神经网络得到的结果进行k均值聚类，将各个聚类的中心作为不同的关系神经元；5构建目标方程；6构建相似度方程；7利用BP算法对各个关系神经元进行迭代更新。本发明能更好的进行图像检索，增强鲁棒性。

主权项

1.一种基于多特征多关系的图像检索方法，其特征是按如下步骤进行：步骤1：对大小为m×n的图像数据集X中所有的图像提取颜色、纹理、形状和词袋特征，分别得到大小为m×n1的颜色特征数据集X1，大小为m×n2的纹理特征图像数据集X2，大小为m×n3的形状特征图像数据集X3，大小为m×n4的词袋特征图像数据集X4；其中m为数据集中图像样本的个数，n、n1、n2、n3、n4分别为不同数据集中图像样本的维数；步骤2：利用多特征局部投票法，将所述颜色特征数据集X1、纹理特征图像数据集X2、形状特征图像数据集X3、词袋特征图像数据集X4进行融合，得到大小为m×n5的综合特征数据集Y，n5为综合特征数据集Y中图像样本的维数；步骤3：将综合特征数据集Y输入卷积神经网络，得到大小为m×n6特征数据集E，n6为特征数据集E中图像样本的维数；步骤4：利用k均值聚类方法求所述特征数据集E的聚类，将大小为n6×n6的各个聚类中心作为关系神经元R1,R2,…,Rk；步骤5：利用已知的标签信息，将所述特征数据集E分为大小为m1×n6的检索图像数据集Q和大小为m2×n6的训练图像集T，其中m＝m1+m2；步骤6：利用式(1)构建第i个图像和第j个图像的相似度sij：式(1)中，Qi为所述检索图像数据集Q中第i个图像，Tj为所述训练图像集T中第j个图像；Rt为第t个关系神经元；步骤7：利用已知标签信息构建如式(2)所示的目标方程L：L＝min(s_‑s+)   (2)式(2)中，s+为所述特征数据集E中两个具有相同标签的图像的相似度，s_为所述特征数据集E中两个具有不同标签的图像的相似度；步骤8：利用BP算法对所述关系神经元R1,R2,…,Rk进行迭代更新，直到满足目标方程L，使得所述相似度sij，在第i个图像和第j个图像拥有相同标签时较大，在拥有不同标签时较小。