[发明专利]一种面向公安侦查应用的图像检索方法

摘要

本发明公开了一种面向公安侦查应用的图像检索方法，提出将传统图像检索方法和深度学习检索方法相结合形成一种新的图像检索方法。首先用提取传统特征的图像检索方法对数据库图像进行筛选(“粗检索”)，然后采用深度学习的图像检索方法进行二次检索(“精检索”)。对图像数据库进行第一次检索采用传统方法提取图像特征方式，由于特征相对比较单一，提取特征的时候也不用加载网络，因此特征提取的时间相对会比较短。在基于改进深度网络模型上进行实现第二次检索能有效保证图像检索的准确率。将原本海量图像中的“大海捞针”问题转化为可实现的“桌面捞针”，提高了检索精度，减少了检索耗时，进而提高图像侦查的效率。

主权项

1.一种面向公安侦查应用的图像检索方法，其特征在于，包括以下步骤：步骤(1)：对于待检索的图像库，构建一个颜色空间特征提取函数用来区分图像中心和边缘，对图像不同的部位进行加权处理，生成颜色特征分布加权颜色直方图；其中，加权颜色直方图的表达式为：其中，W和H指的是图像的宽度和高度大小；以图像中心为原点建立直角坐标系，X和Y指的是像素点的横坐标和纵坐标位置；步骤(2)：构建一个构图空间特征提取函数，将待检索图像集进行采样操作将图片尺寸归一化，并将图像从RGB颜色空间转化为HSV颜色空间；HSV颜色空间与RGB颜色空间的转化公式如下：max＝max(R,G,B)；min＝min(R,G,B)；V＝max，步骤(3)：在步骤(1)和步骤(2)的基础上，构建图像检索函数，记录颜色空间特征和构图空间特征索引表路径，计算查询图像特征与数据及图像特征的距离，存储检索结果；步骤(4)：对步骤(3)保存的图像检索结果中的所有图像，采用深度学习特征提取模型进行特征提取，用特征向量来表示图像；步骤(5)：将查询图像通过与步骤(4)相同的特征提取模型进行特征提取；步骤(6)：将步骤(5)的特征向量与步骤(4)的结果中的特征向量进行遍历，计算特征向量之间的欧式距离；对两个维度相同的向量xi和xj。欧式距离计算公式为：步骤(7)：将步骤(6)中得到的距离进行排序，并将检索结果进行可视化；其中，上述步骤(4)和步骤(5)中特征提取模型为ResNet网络模型，ResNet构建模块为：y＝F(x,{Wi})+x，x和y是当前层的输入和输出向量。函数F(x,{Wi})代表学习的残差函数。