[发明专利]一种基于多特征签名的海量图像检索方法

说明书

技术领域

本发明属于图像处理与信息检索技术领域，具体涉及一种基于多特征签名的图像检索方法。

背景技术

基于内容的图像检索主要难点在于图像的特征存储以及特征匹配[1]。一幅图像在特征提取之后，通常得到一个维数较高的浮点数特征矢量，以这种形式表示的图像特征存储开销较大。而且特征间的距离计算，往往通过浮点矢量之间的欧式距离来表示，计算的时间开销也较大。

本发明提出了一种基于多特征签名的图像检索系统和方法，首先利用主分量分析(Principal Component Analysis，PCA)方法对多种特征的浮点矢量降维，接着借助矢量量化技术[4]实现比特映射，最终生成多种特征的签名。在这种多特征签名的基础之上，实现基于内容的图像检索。利用这种多特征签名进行图像检索的好处在于：首先，以多特征签名形式表示的多种图像特征，只需要很小的存储开销；其次，特征签名之间的距离可用汉明距离[5]表示，相对于计算浮点矢量之间的欧式距离来说，这种方式速度更快；最后，和大多数基于单一特征的图像检索系统[2]不同的是，这种基于多特征签名的方法，具有更高的查询准确率和特征可扩展性。

和文献[6]所采用的矢量量化方法相比，基于多特征签名的图像检索系统采用的方法在特征签名映射过程中进一步放大了PCA降维后的高维分量，弱化了低维分量。这样使得两幅内容相近的图像之间的汉明距离会更近。同时也让特征签名对于特征细节的变化不敏感，使检索结果与查询图像在内容相近的基础上，更具有多样性，且能返回更多的图像结果，优化用户的检索体验。

发明内容

本发明的目的在于提出一种基于多特征签名的图像检索方法，实现图像特征的高效存储以及特征匹配。

本发明提出的多特征签名是一种基于主分量分析和矢量量化技术的图像特征提取方法。本发明的基础是利用主分量分析实现高维浮点矢量图像特征的降维，得到低维浮点矢量特征后，再借助矢量量化技术，将特征映射到由一个或多个整数存储的特征签名中。本发明以汉明距离表示特征签名之间的距离，通过查找系统中与查询图像的多特征签名距离接近的图像，最终实现基于多特征签名的图像检索。具体的步骤如下：

1.图像的多特征提取。系统首先提取图像的多种特征，得到多维的浮点矢量。这些特征可以是任意的图像特征。例如文献[6]所使用的灰度块图像特征：首先将彩色图像转化成灰度图象，再切割成n*n的分块，计算每个灰度块的光照度均值：

fk=1NkΣi,j∈BkI(i,j),k=1,2,...,n2---(1)]]>

其中B_k表示第k个灰度块，N_k表示第k个灰度块中的像素个数，I(i，j)表示图像在坐标(i，j)处的灰度值。这样整幅图像的灰度块特征可用一个矢量表示：F₁＝(f₁，f₂，...，f_n*n)^T。由于灰度块特征描述的是图像的宏观结构分布、不受缩放影响，是一种理想的不变性特征且计算速度较快，实验中也将选取这一特征。

此外，MPEG7中的边缘直方图特征[7]也可以作为一种图像纹理的描述，提取后可得到80维的浮点矢量。