[发明专利]一种基于谱图分析的图像检索方法

说明书

技术领域

本发明通过将局部特征度量与图像的全局谱图分析相结合，设计一种融合物体信息和图像全局信息图像描述子的图像检索方法，并使得该描述子具有尺度不变性和非刚性形变不变性，以满足图像检索和匹配的需求。

背景技术

人类获取的信息有83%来自视觉，11%来自听觉，其他来自嗅觉、触觉和味觉，并且人们对图像所传达的丰富信息接受的最为充分、保持的记忆时间也最长。虽然图像包罗万象、种类繁多，但是人们一般可以本能地分析出图像的内容结构并对其加以利用，在生物医学、安保、刑事侦查、平面设计和媒体娱乐等领域，人们已经在潜移默化地利用蕴含在图像集间的内容相关性，来辅助图像分割、病灶匹配、视频监控、对象跟踪识别和图像检索等“读图”分析工作。

特别地，随着X光、CT、MRI、PET等医学成像技术的快速发展，在日常的临床诊断中，每天都会产生和涉及大量的医学图像。例如：医生在根据医学图像进行病情研究时，往往需要检索出相关病因的临床医学图像进行比对分析；同一病人在不同时期所产生临床影像也需要进行配准，以便医生能更直观、准确的判断病情的发展变化；不同病人同类病灶的成因和特点分析需要能自动从医学图像中检测出相关的病灶区域。

但是在目前的医疗诊断中，病原体主要通过医生的经验来发现，工作量大，且诊断结果与医生的临床经验密切相关。而借助计算机的辅助，对这些医学影像进行处理，可以为医生的诊断和治疗工作提供很大的帮助。在计算机辅助手术中，外科医生可以根据配准的CT/MR/DSA图像精确定位病灶及周围相关的解剖结构信息，设计出缜密的手术计划。因而，从计算机辅助诊断角度而言，这在图像检索、图像配准及病灶的计算机辅助诊断等领域对物理意义明确且具有强区分能力的图像描述子的设计提出了迫切的需求。

然而，从图像描述子的设计角度来看，尽管以SIFT（Scale Invariant Feature Transform）、SURF（Speeded Up Robust Features）、HOG（Histograms of Oriented Gradients）为代表的图像局部特征描述子已经可以取得较为精确的特征配准和匹配效果，但是这类描述子大都是针对图像的像素特征进行设计的，描述子中只编码了图像的局部信息分布，因而很难直接用于描述病灶、甚至整张图像这类大尺度对象。同时，由于采集设备、物体非刚性形变、尺度差异、局部遮挡和噪声干扰等因素的影响，这要求描述子必须能够对图像中物体的非刚性形变进行支持。因此，这势必要求在对图像描述子的设计过程中，要能够将图像的局部特征和全局特征进行融合，并将其以一种不变量的形式定量编码到图像描述子中。

在此背景下，结合课题组已有的相关技术基础，本发明以设计紧凑、鲁棒、信息量丰富的图像描述子为目标，并以自然图像集的检索应用作为描述子的验证手段，通过算法集成来设计并实现一个自然图像检索工具，可为将来先验知识融合的医学图像描述子设计提供总体算法思路的前期验证。同时，本发明的研究与实现，对以更加智能化的方式，辅助人们实现对图像信息的感知、分析、探索和洞悉具有重要的实际意义。

发明内容

本发明解决的技术问题是：克服了现有的局部描述子特征描述能力的不足，并通过结合使用词袋模型的方法，设计一种特征描述子，并提供了一种基于谱图分析的图像检索方法。满足了对图像检索的需要。

本发明采用的技术方案为：一种基于谱图分析的图像检索方法，包括以下五个步骤：

步骤（1）、基于线性迭代聚类的层次化超像素分割：超像素分割将在颜色和空间上相似的点聚集在一起。在本发明中使用两种分割数目的超像素。一种超像素分割为物体级别分割，用来为谱聚类的构建相似度矩阵，另一种为细节级别分割，用来计算双调和距离构成每一部分的特征描述；

步骤（2）、基于双调和距离度量的图像特征描述：与常用的测地距离、扩散距离等相比，双调和距离不仅可以获取局部的拓扑结构，而且可以得到全局的形状。因此我们使用超像素之间的双调和距离作为特征的度量；

步骤（3）、基于谱聚类的图像特征分析：基于之前物体级别的超像素，使用谱聚类来对超像素进行聚类，得到更加具有语义级别的分类；

步骤（4）、基于词袋模型的图像描述子设计：将图像作为“文档”，图像中的每一部分作为一个“词”，通过对许多图像中的“词”进行分类，构建“词典”，其中每个“词”都属于一个词典。对每一幅图像进行词频的统计，得到图像描述子；