[发明专利]基于群稀疏特征选择的图像检索方法

权利要求书

1.一种基于群稀疏特征选择的图像检索方法，其特征在于，包括特征选择和图像检索两部分：

一、特征选择具体包括：

步骤11、针对图像库中的每一幅图像，比较其图像关键字形成相似与不相似序列，接着比较相似与不相似序列的图像显著区域的欧式距离，获取图像库中每一幅图像的相似对与不相似对，得到该图像的相似性度量向量；

步骤12、对获得的每一幅图像的相似对与不相似对分别提取训练特征，图像库中所有图像的训练特征形成两个特征矩阵，将前述两个特征矩阵相减形成特征差异矩阵；

步骤13、设定权重系数，并依据特征差异矩阵与相似性度量向量，建立群稀疏逻辑模型；

步骤14、利用优化算法求解群稀疏逻辑模型，求解出权重系数；

步骤15、根据权重系数中非0群对应于特征差异矩阵所占位置，得出最优特征；

步骤16、对于图像库中的所有图像提取步骤15得出的最优特征，将提取的特征以矩阵的形式保存，形成图像特征库；

二、图像检索具体包括：

步骤21、对查询图像，按照步骤11至步骤15的方式提取出最优特征；

步骤22、利用相似度度量，将查询图像的最优特征与图像特征库中的每一幅图像的特征进行相似性匹配；

步骤23、将匹配得出的图像按照相似度的程度从大到小进行排序，得出经过排序的图像序号；

步骤24、根据步骤23得出的图像序号，从图像特征库中提取出对应图像，并作为查询图像对应的检索图像输出。

2.如权利要求1一种基于群稀疏特征选择的图像检索方法，其特征在于：所述步骤14中，优化算法为自适应谱梯度算法。

3.如权利要求1一种基于群稀疏特征选择的图像检索方法，其特征在于：所述步骤22中，相似度度量的计算方法选择L₁距离，L₂距离，直方图交集，卡方距离或KL-D距离中的一种。