[发明专利]一种基于语义映射空间构建的图像检索方法

说明书

技术领域

本发明属于信息检索技术领域，主要涉及一种基于语义映射空间构建的图像检索方法。

背景技术

21世纪是信息时代，计算机和网络技术进一步普及和快速发展，互联网上以图像为代表的多媒体数据呈现爆炸式地增长。因此，图像检索技术受到了来自不同领域的研究人员越来越多的关注，研究人员旨在给用户提供更优质的图像浏览和检索服务，以提高图像检索的用户满意度。

主流的图像检索方法当前可以分为两类：基于文本的图像检索和基于内容的图像检索。

基于文本的图像检索方法通常利用文本信息来描述图像内容，使用简短的注释或者文本标签来对数据库中的图像进行索引。基于文本的图像检索方法的有效性严重依赖于检索算法的性能以及文本标注的准确性。然而，对互联网时代的大规模网络图像进行标注却是一件极其耗费人力物力的事情，随着网络图像数据的规模呈几何级数式地增长，基于文本的图像检索方法已经不再适用。

基于内容的图像检索方法是一种“以图搜图”的方法，主要存在两个问题：首先，每次查询用户都被要求提高一个事例图像；其次，视觉查询由于众所周知“语义鸿沟”的存在，其无法表示高层语义概念。

因此，目前的网络图像检索方法都不再满足实际需求，导致目前网络图像检索的准确度不高，效率低下。

发明内容

本发明旨在解决当前网络图像检索准确度不高以及效率低下的问题，提出了一种基于语义映射空间构建的图像检索方法，能有效地提高图像检索的准确性。

本发明为解决技术问题采用如下技术方案：

本发明一种基于语义映射空间的图像检索方法的特点是按如下步骤进行：

步骤1、学习语义映射空间

步骤1.1、从网络图像数据集中获取训练图像数据集与未标注图像数据集，所述训练图像数据集包括n幅训练图像；所述未标注图像数据集包括m幅未标注图像；获取与所述n幅训练图像相对应的语义概念，并令相同的语义概念用一个索引号来索引，从而获得语义概念集G＝{g₁,g₂,…,g_γ,…,g_c}，γ为索引号，γ∈{1,2,…c}，c表征所述语义概念的个数，c≤n；

步骤1.2、提取所述训练图像数据集和所述未标注图像数据集中每幅训练图像和未标注图像的高维特征向量，从而获得高维特征向量集X＝{x₁,…,x_n,x_n+1,…,x_n+m}；d表示所述训练图像和未标注图像的特征维数；

步骤1.3、利用式(1)获得任意两个语义概念g_α和g_β之间的距离D_α,β，从而利用式(2)获得在所述语义概念集G中任意两个语义概念g_α和g_β之间距离D_α,β所组成的语义距离矩阵

式(1)中：α、β∈{1,2,…c}分别表示语义概念g_α和g_β的索引号；f(g_α)表示包含语义概念g_α的训练图像个数，f(g_β)表示包含语义概念g_β的训练图像个数；f(g_α,g_β)表示既包含语义概念g_α又包含语义概念g_β的训练图像个数；K表示所述网络图像数据集中所有网络图像的个数；

步骤1.4、定义语义概念g_α在所述语义映射空间上的映射为语义概念原型由每一个语义概念所对应的语义概念原型构成语义概念原型矩阵P，

1.4.1、利用式(3)计算矩阵

式(3)中：为单位矩阵；表示全为1的列向量；

1.4.2、按照的分解形式对矩阵进行分解，获得矩阵V和Λ；

1.4.3、采用式(4)获得语义概念原型矩阵P，从而获得每一个语义概念所对应的语义概念原型p₁,p₂,…,p_α,…,p_c：

步骤1.5、利用式(5)学习图像映射矩阵W：