[发明专利]基于视觉词语空间共生性的图像检索方法

权利要求书

1.一种基于视觉词语空间共生性的图像检索方法，包括下列步骤：

1）统计训练数据库中任意两个视觉词语之间共生的概率，构建视觉词语共生表；

2）提取输入的查询图像的尺度不变特征；

3）在所述尺度不变特征中随机选择部分特征作为中心特征，对所述中心特征做精确映射；并在所述中心特征的仿射不变区域内统计其近邻特征；

4）根据所述视觉词语共生表和所述精确映射的结果，利用高阶概率预测器为所述近邻特征预测候选视觉词语；

5）比较所述候选视觉词语与所述尺度不变特征之间的距离，确定最优的视觉词语；

6）根据所述最优的视觉词语，对所述查询图像进行检索，并返回相关图像。

2.如权利要求1所述的方法，其特征在于，如果视觉词语w₁对应的特征位于视觉词语w₂对应的特征的仿射不变区域内，则认为w₁与w₂是共生的。

3.如权利要求2所述的方法，其特征在于，将所述仿射不变区域扩大至原区域的3至10倍，在扩大后的区域上记录任意两个视觉词语之间的共生次数。

4.如权利要求1所述的方法，其特征在于，从所述尺度不变特征中随机选择20%至30%作为所述中心特征。

5.如权利要求1所述的方法，其特征在于，进行所述精确映射的方法包括：FLANN算法、蛮力算法、ANN算法、局部敏感哈希算法。

6.如权利要求1所述的方法，其特征在于，所述高阶概率预测器利用贝叶斯准则得到所述候选视觉词语，其计算公式为：

w*s=argmaxw^s∈Wp(w^s|w0,...,ws-1),]]>

其中，w₀，w₁,...,w_s-1为通过精确映射得到的视觉词语，为最可能与w₀，w₁，...，w_s-1共生的视觉词语，表示后验概率，表示从候选视觉词语集合W选出的任意词语。

7.如权利要求1所述的方法，其特征在于，所述距离采用下列距离中的一种：欧式距离、闵可夫斯基距离、马氏距离、切比雪夫距离。

8.如权利要求1所述的方法，其特征在于：在建立所述共生表时，统计每一个中心特征区域所包括的共生特征；在进行图像检索时，统计所述查询图片的每一个特征所属的中心特征，以获得更多的共生信息。

9.如权利要求1所述的方法，其特征在于：对于不属于任何中心特征的特征，以及利用所述高阶概率预测器进行预测后误差仍较大的特征，采用精确映射的方法搜索其对应的视觉词语。

10.如权利要求1至9任一权利要求所述的方法，其特征在于：步骤6）中，将查询图像表示成视觉词语的高维向量，度量数据库中图像对应的视觉词语向量与该高维向量的相似度，按照相似度从高到低的顺序返回所述相关图像。