[发明专利]一种基于显著性分割的基于内容的图像检索方法

权利要求书

1.一种基于显著性分割的基于内容的图像检索方法，其特征在于：所述图像检索方法包括训练过程和测试过程；

所述训练过程包括以下步骤：

步骤一、建立视觉词汇字典：依次对训练图像集中的每张图像进行分析处理，为后续检索建立一个视觉词汇字典；

步骤二、利用图像的视觉显著性特征，分割得到图像的前景目标图和背景区域图；

步骤三、对前景目标图和背景区域图分别提取图像的色彩特征和纹理特征；

步骤四、在步骤一的操作基础上，统计数据库中每张图片的视觉词汇分布直方图；

所述测试过程包括步骤五，在步骤一到步骤四操作的基础上，对测试图像进行检索，过程如下：

步骤5.1：对测试图像用步骤二所述方法分割得到前景目标图和背景区域图；

步骤5.2：对测试图像用步骤三所述方法提取测试图像前景目标图和背景区域图的色彩特征和纹理特征；

步骤5.3：对测试图像用步骤四所述方法统计前景目标图和背景区域图的视觉词汇统计直方图；

步骤5.4：将测试图像按照步骤5.1，步骤5.2和步骤5.3得到的每个特征依次与训练图像集中的每张图像的对应特征进行距离度量；

步骤5.5：对步骤5.4所得的每种特征的距离度量进行累加，得到总距离，用D₁,D₂，…D_i表示，其中i代表训练图像集中的图像数量；

步骤5.6：针对训练图像集中的每张图像，按照D₁,D₂，…D_i从小到大的顺序对训练图像排序并输出。

2.如权利要求1所述的基于显著性分割的基于内容的图像检索方法，其特征在于：所述步骤一中，建立视觉词汇字典的步骤为：

步骤1.1：将彩色图像转换成灰度图像；

步骤1.2：在步骤1.1得到的灰度图像上获取训练图像集中的每张图像的特征向量表示集，用Fm表示，其中F1、F2、……Fm分别表示一张图像的特征向量表示集，m表示训练图像集中图像的数目；所述特征向量是多维的，其维度用N表示，N>2；

所述获取训练图像集中的每张图像的特征向量表示集的方法为SIFT算法；

步骤1.3：对于步骤1.2得到的特征表示集中的特征向量进行聚类并获取每个特征类别的代表特征向量。得到K个类别，K个代表特征向量，K为正整数；

所述聚类方法为K-means聚类算法；

所述每个特征类别的代表特征向量为该特征类别中全部特征向量聚类的质心；

步骤1.4：得到后续检索所需的视觉词汇字典，所述视觉词汇字典由步骤1.4所得的每个特征类别的代表特征向量组成。

3.如权利要求1或2所述的基于显著性分割的基于内容的图像检索方法，其特征在于：所述步骤二中，针对单张图像的分割操作步骤为：

步骤2.1：计算图像的显著性图，显著性图的计算方法采用的是基于区域对比的直方图比较方法；

步骤2.2：利用步骤2.1得到的显著性图，迭代运行图像分割算法，分别得到图像的前景目标图与背景区域图，图像分割算法采用的是GrabCut。

4.如权利要求1或2所述的基于显著性分割的基于内容的图像检索方法，其特征在于：所述步骤三中，针对单张图像的提取操作步骤为：

步骤3.1：将前景目标图和背景区域图的色彩空间转换到HSV色彩空间；

步骤3.2在前景目标图的H通道和S通道中提取色彩特征，提取方法采用计算H值和S值的统计直方图的算法；

步骤3.3在背景区域图的H通道和S通道中提取色彩特征，提取方法采用计算H值和S值的统计直方图的算法；

步骤3.4在前景目标图的V通道上提取纹理特征，提取方法采用局部二值模式算法；

步骤3.5在背景区域图的V通道上提取纹理特征，提取方法采用局部二值模式算法。

5.如权利要求1或2所述的基于显著性分割的基于内容的图像检索方法，其特征在于：所述步骤四中，针对单张图像，建立特征表示的操作步骤为：

步骤4.1：将步骤二得到的前景目标图和背景区域图转化为灰度图像；

步骤4.2：在步骤4.1得到的灰度图像中结合步骤1得到的视觉词汇字典，分别统计前景目标图和背景区域图的视觉词汇的统计直方图。

6.如权利要求1或2所述的基于显著性分割的基于内容的图像检索方法，其特征在于：所述步骤5.4中，距离度量采用的方法是余弦距离。