[发明专利]基于多特征自适应融合的图像检索方法

权利要求书

1.一种基于多特征自适应融合的图像检索方法，其特征在于：包括有以下步骤：

A、图像特征的选取：提取图像库中的每个图像的两个以上的图像特征；

B、对图像库中的图片提取所选取的特征，然后利用分层kmeans算法构建出各个特征对应的语义树；

C、对用户输入的检索图像提取特征，然后在各语义树中进行检索，并返回检索结果，检索结果是按照与检索图像的相似度由高到底排列的数据库中的各个图像，数据库中的图像与检索图像越相似得分越高；

D、根据各语义树检索结果的分数分布规律，自动评价该特征对应语义树检索结果的好坏，从而确定该语义树的权值；

E、各个语义树返回图像的得分进行归一化处理，使得归一化后的分数可以线性相加；

F、将所有的图像特征的检索结果的分数进行融合：数据库中每个图像的最终总得分由该图像在各语义树中的得分乘以该语义树的权值，然后相加得到，然后将图像以最终的检索结果的分数由大到小的顺序输出；其中每个语义树对应的权值是步骤E动态确定的。

2.根据权利要求1所述的基于多特征自适应融合的图像检索方法，其特征在于：所述步骤A中，所提取的图像特征有两个，分别是基于点的稀疏特征(SURF)和基于区域的密集特征(HOG)。

3.根据权利要求2所述的基于多特征自适应融合的图像检索方法，其特征在于：步骤E，所述稀疏特征(SURF)归一化的计算公式为：

SURFNormScore_i是归一化后的图像特征分数，SURFScoreMax，SURFScoreMin分别是稀疏特征对应语义树返回的N个图片中分数的最大值与最小值，SURFScore_i是稀疏特征(SURF)对应语义树返回的第i个图片的得分；密集特征(HOG)与稀疏特征(SURF)归一化的计算公式相同。

4.根据权利要求2所述的基于多特征自适应融合的图像检索方法，其特征在于：所述动态权值的计算方法包括以下步骤：

(一)计算检索结果的相邻平均距离：

SURFAveDist=Σi=1N1-1(SURFScore(i)-SURFScore(i+1))N1-1;]]>

N1是检索结果的前5％的图片个数，SURFAveDist，HOGAveDist分别是SURF Vocabulary tree与HOG Vocabulary tree对应检索结果的相邻平均距离；SURFScore_i是稀疏特征(SURF)对应语义树返回的第i个图片的得分；HOGScore_i是密集特征(HOG)对应语义树返回的第i个图片的得分；

(二)图像特征的权值计算：

SURFWeight=SURFAveDistSURFAveDist+HOGAveDist;]]>

SURFWeight是稀疏特征(SURF)的权值，HOGWeight是密集特征(HOG)的权值。

5.根据权利要求2中所述的基于多特征自适应融合的图像检索方法，其特征在于：所述的融合方法的计算公式为：

TotalScore_i＝HOGWeight*HOGScore_i+SURFWeight*SURFScore_i

其中，TotalScore_i是数据库图片i的最终总分，按照总分由高到低的顺序排列，返回检索结果。