[发明专利]一种相关反馈图像检索方法

权利要求书

1.一种相关反馈图像检索方法，其特征在于包括以下具体步骤：

步骤1，初始检索：针对检索图像，提取其底层视觉特征，与图像数据库中所有图像形成的特征库进行相似性度量，并按照相似性的大小对图像数据库中图像进行排序，依次输出作为初始检索结果；

步骤2，反馈样本选取：对初始检索结果中最靠前的一部分图像进行分类，即根据这一部分图像在内容上和检索图像之间的相关性，分为相关图像类和不相关图像类；将这一部分图像作为反馈样本返回，其中属于相关图像类的为正反馈样本，属于不相关图像类的为负反馈样本；

步骤3，建立支持向量机分类面：返回的正反馈样本和负反馈样本被用来训练支持向量机分类器，得到支持向量机分类面；

步骤4，通过有偏判别分析建立变换映射：返回的正反馈样本和负反馈样本被用来进行有偏判别分析，得到一个变换映射；

步骤5，构造分段相似性度量函数：利用步骤3中所得支持向量机的分类面，以及步骤4中得到的变换映射，构造一个分段相似性度量函数；构造一个分段相似性度量函数的具体实现如下，

根据支持向量机的分类面将图像数据库中的图像所在特征空间划分为两部分，然后对处于分类面两侧的特征空间中的图像分别采用不同的相似性度量函数来进行度量；

在分类面正侧的特征空间中，对图像数据库中位于这一区域的图像I₊，首先通过有偏判别分析求出的变换映射，变换到新的特征空间中，在新的特征空间中以图像I₊到正反馈样本的质心的欧氏距离作为相似性度量基准；

在分类面负侧的特征空间中，对图像数据库中位于这一区域的图像I-，以其到分类面的距离作为相似性度量基准；

步骤6，多反馈轮次联合：将各轮反馈中得到的分段相似性度量函数加以组合，得到当前反馈轮次的总相似性度量函数；利用总相似性度量函数，对图像数据库中所有图像形成的特征库与检索图像的底层视觉特征进行相似性度量，并按照相似性的大小对图像数据库中图像进行排序，依次输出作为当前检索结果；

步骤7，反馈迭代：如果当前检索结果不满足检索要求，则对当前检索结果中最靠前的一部分图像根据在内容上和检索图像之间的相关性进行分类，并加入到之前反馈轮次中已经得到的反馈样本内，然后基于扩大后的反馈样本集重复步骤3～7；如果当前检索结果满足检索要求，则停止反馈。

2.根据权利要求1所述的相关反馈图像检索方法，其特征在于：在步骤4中，通过有偏判别分析得到一个变换映射的具体实现方式为，将正反馈样本和负反馈样本看作两类样本，计算类内散布矩阵和类间散布矩阵；求解一个变换，使得在变换后的空间中，类间散布矩阵和类内散布矩阵的比值最大化；以这个最大化问题的解作为变换映射。

3.根据权利要求1或2所述的相关反馈图像检索方法，其特征在于：在步骤6中，将各轮反馈中得到的分段相似性度量函数加以组合，得到当前反馈轮次的总相似性度量函数的具体实施方式为，采用一个加权组合策略将每个反馈轮次中建立起的分段相似性度量函数联合起来，将第i轮反馈过程中得到的分段相似性度量函数记为Similarity_i(x)，则第i轮反馈过程中的总相似性度量函数为Similarity_total(x)＝w_i·Similarity_i(x)+w_i-1·Similarity_i-1(x)+…+w₁·Similarity₁(x)

其中，w_i，w_i-1，...，w₁为各个反馈轮次中得到的分段相似性度量函数对应的权重。