[发明专利]一种基于多特征融合的图像检索方法

说明书

本发明提出了一种基于多特征融合的图像检索方法，用以解决基于单一特征的图像检索方法无法满足用户的查询需求的。本发明的步骤为：利用滤波方法对待检索图像进行降噪处理；利用改进的HSV颜色空间进行特征量化提取待检索图像的全局特征；对降噪后的图像进行多尺度形态梯度提取待检索图像的局部特征；将全局特征和局部特征进行自适应融合得到自适应融合图像；对自适应融合图像进行哈希编码，通过哈希码计算待检索图像与数据库中所有图像的相似度，选择与待检索图像似度最高的前几个图像作为待检索图像的检索结果。本发明充分提取图像的特征点，并在局部特征提取过程中，更加全面地保护图像的边缘信息，提高了检索的准确性，缩短了检索时间。

技术领域

本发明涉及图像检索的技术领域，尤其涉及一种基于多特征融合的图像检索方法。

背景技术

随着物联网，大数据和移动互联网等下一代信息技术的广泛应用，多媒体数据目前呈现出几何增长的趋势，对人们的日常学习，工作和生活产生了深远的影响。如何快速，准确地在海量图像数据中找到所需的目标已成为当前计算机研究领域的热点之一。90年代提出了基于内容的图像检索，主要工作流程是提取图像颜色、纹理和形状等低级特征，将其低级特征映射到图像特征向量和特征库中，并通过检索查询图像。比较特征库中的特征向量，计算图像之间的相似度，并根据相似度大小返回搜索结果。基于内容的图像检索(CBIR)技术克服了依靠手动注释的基于文本的图像检索的缺点，并且难以准确表达图像语义信息。目前，CBIR技术的研究已取得一定成果，应用于基于Web的图像搜索、医学和遥感图像分析与处理、商标知识产权保护、公安部门指纹识别和人脸识别、交通领域个性化图片搜索等方面。

然而，现有的图像检索技术在各自领域仍然存在相应的缺陷，例如，基于文本的图像检索方法具有人工工作量大、主观性和文本注释不能完全覆盖图像本身内容的缺陷。与基于文本的图像检索相比，基于内容的图像检索方法可以更好地满足用户的实际需求，但是有必要研究适当的图像特征提取方法和相似性度量。因此，在不同图像之间进行搜索时，算法要求很高，指标也不同。基于语义的图像检索方法尚不成熟，大部分结果应用于特定领域，离通用应用还有很长的路要走，不利于扩展。

为了克服当前技术的缺点，更好地表达图像内容，并进一步提高图像检索的准确性，国内外研究人员针对不同类型的图像引入了机器学习、神经网络和其他检索方法，尽管这些方法也显示出很好的检索结果，但是重复训练数据需要花费很长时间。

目前已经提出了一些用于图像检索的方法。例如，深层神经网络中的无监督方法和有监督方法是在大数据量下进行图像检索的很好的算法，但是由于它占用大量存储空间并且计算时间使得检索效率大大降低。

考虑到不同种类的图像在某种程度上有显着差异，有些图像仅包含简单的颜色和形状信息，而有些图像也具有文本信息。因此，应根据相应的特征对相应的图像进行分类，这有助于进行比较实验。根据不同类型图像的特征，可以将图像分为四种类型：(1)字符图像：主要是指由字符、字母、数字和其他字符组成的图像；(2)实体图像：由简单直观的几何或实体组成；(3)组合图像：由字符和图形混合而成；(4)三维图像：由三维标记或包含其他标记的三维标记组成的标记。三维图像可以是产品本身的形状、产品包装或其他三维徽标。

发明内容

针对现有海量的多媒体数据，基于单一特征的图像检索方法无法满足用户的查询需求的技术问题，本发明提出一种基于多特征融合的图像检索方法，可以有效提高图像检索性能，在各种图像检索中具有良好的鲁棒性。

为了达到上述目的，本发明的技术方案是这样实现的：一种基于多特征融合的图像检索方法，其步骤如下：

步骤一：读取待检索图像，利用滤波方法对待检索图像进行降噪处理；

步骤二：利用改进的HSV颜色空间对降噪处理后图像进行特征量化，提取待检索图像的全局特征；

步骤三：对步骤一降噪后的图像进行多尺度形态梯度处理，提取待检索图像的局部特征；