[发明专利]一种相关反馈图像检索方法

说明书

技术领域

本发明涉及图像检索识别领域，更具体地涉及一种相关反馈图像检索方法，尤其是基于分段相似性度量和多轮次联合的相关反馈图像检索方法。

背景技术

图像是多媒体信息库中的最常见，信息最丰富的媒体之一。随着摄影设备的发展和人们对数字图像的需求的日益提高，每天都有成百上千GB，甚至TB的数字图像产生。如何从大量的数字图像数据库中获取用户感兴趣的信息，则成为数字图像利用的一个关键问题。因此，研究图像检索技术对图像数据库的组织和管理，图像信息获取等都是非常有意义的。图像检索技术的应用领域也非常广泛。在艺术品管理领域，图像检索可以用来对博物馆的馆藏资料库进行管理，用户可以通过检索系统来查询馆藏；在互联网应用领域，用户可以输入一些查询条件通过搜索引擎找到符合自己要求的图像资料；在遥感领域，大场景的光学遥感和合成孔径雷达图像越来越多，通过图像检索技术查询用户感兴趣的区域，可以用作环境监测，地貌勘查，城市规划等用途。早期的图像检索技术主要是基于文本的图像检索(Text Based Image Retrieval，TBIR)技术，对图像库中的图像标记一系列的关键词，然后通过文本检索的方法来进行图像检索。由于基于文本的检索方式所需人工标注关键词的代价太大，而且通过有限的关键词很难去准确的描述图像的内容，因此越来越多的研究者将研究重点放在基于内容的图像检索(Content Based Image Retrieval，CBIR)上。在CBIR系统中，用户通过对图像的底层视觉特征(例如：颜色，纹理，形状等)进行提取，然后通过某种相似性度量函数对图像的底层视觉特征进行匹配，从而得到检索结果。但是，由于底层的视觉特征并不能很好的表达高层的语义信息，使得检索结果不能很好的满足用户的要求，检索性能不能达到用户的期望，这就是所谓的“语义鸿沟”。相关反馈(Relevance Feedback)技术是跨越“语义鸿沟”的有力手段，用户在经过初次检索之后，如果检索结果不能满足检索要求，则对当前的检索结果中的一部分图像进行分类，按照其与目标图像类之间的相关性分为相关图像类和不相关图像类，将属于相关图像类和不相关图像类的图像样本分别作为正负反馈样本返回给检索系统，系统根据这些反馈样本，对检索系统中的相似性度量函数进行更新调整，使其更符合用户的检索意图。同时，相关反馈图像检索通常包括多个轮次反馈，综合利用各个轮次的反馈信息将可能有效提高检索性能和稳定性。

到目前为止，人们进行了许多关于相关反馈方面的研究工作：