[发明专利]一种基于区域特征的图像检索方法及系统

说明书

本发明提供一种基于区域特征的图像检索方法及系统，所述的方法包括：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。本发明通过对图像进行分区，提取每一个区域图像的区域特征，通过区域特征的匹配得到检索结果，相比现有的通过局部特征来检索，提取的区域特征个数相比局部特征个数大大减少，提高了图像检索的效率，普适性和扩展性更好。

技术领域

本发明涉及图像检索技术领域，更具体地，涉及一种基于区域特征的图像检索方法及系统。

背景技术

基于内容的图像搜索是大数据时代海量数据信息深度利用的关键技术之一，也是计算机视觉和多媒体领域的研究热点，具有重要的研究意义和实用价值，图像搜索技术在实际生活中也有着重要的应用。现在步入安防社会，摄像头已遍布在生活中的各个场所，图像搜索可以在海量的监控视频中查找到特定的目标，为警方破案提供关键线索。图像搜索技术也使得日常生活更加智能和便捷，人们可以随时随地拍摄喜欢的衣服或者物品，然后根据图片在网上商城查找相关的商品。

图像搜索目前最流行的框架为基于局部不变特征的词袋模型，局部特征的不变性可以很好地解决图像搜索中的遮挡、视角变化等复杂的情况，被广泛地应用在图像识别中，但是局部特征在有些情况下并不适用。局部关键点通常在边缘或者角点处检测到，它能够捕捉到图像中的刚性物体的细节特性，例如建筑物、书面的图案等等。因此，对于刚性物体，基于局部特征的词袋模型能够达到较好的性能。然而，如果图像中的内容纹理比较光滑，比如雕塑和软体动物，那么图片中只能检测到很少的关键点。因此，对于纹理光滑的物体，基于关键点的局部特征并不能很好地表达图像中的内容，在处理这类图片的检索时，局部特征的性能较差。由于每幅图像中包含了上千个局部特征，因此图像数目较多时，查询的效率较慢。当检索的数据库非常大时，比如说上亿的图片，倒排表的内存开销非常的大，这也限制了基于局部特征的词袋模型的可扩展性。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的基于区域特征的图像检索方法及系统。

根据本发明的一个方面，提供了一种基于区域特征的图像检索方法，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。

根据本发明的另一个方面，还提供了一种基于区域特征的图像检索系统，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。

本发明的有益效果为：通过对图像进行分区，提取每一个区域图像的区域特征，通过区域特征的匹配得到检索结果，相比现有的通过局部特征来检索，提取的区域特征个数相比局部特征个数大大减少，提高了图像检索的效率，普适性和扩展性更好，相对于全局特征，该方法的检索准确率更高，且检索的效率与全局特征相差不大，本发明综合了全局特征和局部特征的优势，在图像检索过程中保持了较好的检索性能和交稿的检索效率。

附图说明