[发明专利]一种基于区间权值的相似性度量方法

摘要

本发明是一种基于区间权值的相似性度量方法，属于多媒体检索领域。本方法是对任意两幅图像的特征向量进行相似性度量。在进行相似性度量的过程中，首先计算这两个特征向量间对应的每维分量的差值，并对所有的分量差值进行[0，1]归一化；再对[0，1]进行区间划分和为每个区间分配一个权值；然后判断所有归一化的差值所落入的区间，获取它们的权值；最后对所有权值进行累加求均值，并将该均值作为这两幅图像特征向量的相似性度量值。本发明通过区间划分及同一区间给定相同权值，从而忽略了量化到同一区间的分量间的差异，通过各区间的权值分配反映了每一区间对相似性度量的重要性。在相似度匹配的过程中，能够提高图像检索的效率。

主权项

1、一种基于区间权值的相似性度量方法，具体步骤为：首先，检索系统事先离线对图像库中的所有图像进行预处理和特征提取，得到库中所有图像的特征向量，形成图像的特征向量库；然后再由用户输入查询图像，检索系统对查询图像进行预处理和特征提取，获取查询图像的特征向量，并将查询图像的特征向量和图像特征向量库中的特征向量进行相似度匹配，将与查询图像最相似的图像返回给用户；其特征在于：所述的将查询图像的特征向量和图像特征向量库中的特征向量进行相似度匹配的具体方法如下：假设待匹配的两幅图像的特征向量分别为A、B，特征向量A＝{ai}，特征向量B＝{bi}；ai为特征向量A的第i维分量，bi为特征向量B的第i维分量，i的取值为0，1，.......，L-1，L为特征向量的长度，取整数；1)对两幅图像的特征向量A、B对应的每维分量ai、bi(i＝0，1，.......，L-1)求差值，即ai-bi，然后再将差值归一化到[0，1]内，设归一化后的值为βi；2)对[0，1]区间进行不均匀(或均匀)划分，并给每个划分的区间分配一个权值：首先，将[0，1]不均匀或均匀划分为N个区间，N的取值为4～8之间的整数，即：[K0＝0，K1)、[K1，K2)、......、[Kk-1，Kk)，......，[KN-1，KN＝1]，然后，为每个区间[Kk-1，Kk)分配一个权值Wk，其中：Wk的取值范围为0～10，k＝1，2，......，N；3)确定归一化后的图像特征分量间的差值βi所对应的权值Qi：如果归一化后的图像特征分量间的差值βi∈[Kk-1，Kk)，则差值βi所对应的权值Qi为步骤2)中区间[Kk-1，Kk)所分配的权值，即Qi＝Wk；其中：i的取值为0，1，.......，L-1；k的取值为1，2，......，N；4)对步骤3)中得到的所有权值进行累加求均值，得到特征向量A、B之间的相似性度量值SA，B为：$S_{A,B}=\frac{1}{L}\underset{i=0}{\overset{L-1}{\Sigma }}{Q}_i.$