[发明专利]一种基于区域特征的图像检索方法及系统

权利要求书

1.一种基于区域特征的图像检索方法，其特征在于，包括：

S1，将输入的待检索图像划分为多个子区域图像；

S2，提取每一个所述子区域图像的区域特征，并将每一个区域特征量化为对应的视觉单词；

S3，遍历每一个区域特征对应的视觉单词，在数据库倒排表中检索每一个模板图像包含所述视觉单词的个数，将包含视觉单词个数最多的模板图像作为检索结果图像；

所述步骤S2具体包括：

S21，针对均匀划分后的每一个子区域图像，提取每一个子区域图像的深度学习特征和纹理特征，得到多个深度学习特征和多个纹理特征；

S22，将每一个深度学习特征量化为对应的视觉单词，得到所述待检索图像的每一个子区域图像对应的视觉单词，深度学习特征与视觉单词的关系为：多个深度学习特征对应一个视觉单词；

所述步骤S3具体包括：

S31，针对待检索图像的每一个子区域图像对应的视觉单词，从数据库的倒排表中检索每一个模板图像包含所述视觉单词的个数；

S32，根据待检索图像的每一个字区域图像对应的纹理特征，从数据库倒排表中检索每一个模板图像包含所述纹理特征的个数；

S33，根据每一个模板图像包含的视觉单词的个数以及纹理特征的个数，按照预定计算方式计算出对应的数值；

S34，将数值最大的模板图像确定为检索结果图像；

所述步骤S33具体包括：

根据预设的视觉单词的权重系数和预设的纹理特征的权重系数，对所述视觉单词的个数和所述纹理特征的个数进行权重计算，得到权重计算后的数值。

2.如权利要求1所述的基于区域特征的图像检索方法，其特征在于，所述步骤S1具体包括：

按照超像素分割的方法将待检索图像均匀划分为多个子区域图像。

3.如权利要求2所述的基于区域特征的图像检索方法，其特征在于，所述步骤S1之前还包括：

将数据库中的每一个模板图像划分为多个子区域图像，并提取出每一个子区域图像的深度学习特征和纹理特征；

将每一个子区域图像对应的深度学习特征量化为对应的视觉单词；

按照视觉单词为索引，将视觉单词以及与其对应的模板图像标识和该子区域图像的纹理特征均存储于数据库的倒排表中。

4.一种基于区域特征的图像检索系统，其特征在于，包括：

图像划分模块，用于将输入的待检索图像划分为多个子区域图像；

提取量化模块，用于提取每一个所述子区域图像的区域特征，并将每一个区域特征量化为对应的视觉单词；

检索确定模块，用于遍历每一个区域特征对应的视觉单词，在数据库倒排表中检索每一个模板图像包含所述视觉单词的个数，将包含视觉单词个数最多的模板图像确定为检索结果图像；

所述检索确定模块具体包括：

第一检索子单元，用于针对待检索图像的每一个子区域图像对应的视觉单词，从数据库的倒排表中检索每一个模板图像包含所述视觉单词的个数；

第二检索子单元，用于根据待检索图像的每一个字区域图像对应的纹理特征，从数据库倒排表中检索每一个模板图像包含所述纹理特征的个数；

计算单元，用于根据每一个模板图像包含的视觉单词的个数以及纹理特征的个数，按照预定计算方式计算出对应的数值；

确定单元，用于将数值最大的模板图像确定为检索结果图像；

所述提取量化模块具体包括：

提取单元，用于针对均匀划分后的每一个子区域图像，提取每一个子区域图像的深度学习特征和纹理特征，得到多个深度学习特征和多个纹理特征；

量化单元，用于将每一个深度学习特征量化为对应的视觉单词，得到所述待检索图像的每一个子区域图像对应的视觉单词，深度学习特征与视觉单词的关系为：多个深度学习特征对应一个视觉单词；

所述计算单元具体用于：

根据预设的视觉单词的权重系数和预设的纹理特征的权重系数，对所述视觉单词的个数和所述纹理特征的个数进行权重计算，得到权重计算后的数值。

5.如权利要求4所述的基于区域特征的图像检索系统，其特征在于，所述图像划分模块，具体用于：

按照超像素分割的方法将待检索图像均匀划分为多个子区域图像。

6.如权利要求5所述的基于区域特征的图像检索系统，其特征在于，所述图像划分模块，还用于：

将数据库中的每一个模板图像划分为多个子区域图像；

所述提取量化模块，还用于：

提取出每一个子区域图像的深度学习特征和纹理特征，以及将每一个子区域图像对应的深度学习特征量化为对应的视觉单词；

还包括：

存储模块，用于按照视觉单词为索引，将视觉单词以及与其对应的模板图像标识和该子区域图像的纹理特征均存储于数据库的倒排表中。