[发明专利]基于分层特征和遗传规划相关反馈的图像检索方法

摘要

本发明公开了一种基于分层特征和遗传规划相关反馈的图像检索方法，包括以下步骤（1）、对用户提交的检索图像进行自适应分割，得到分割区域；（2）、对检索图像提取全局特征；分割区域提取局部底层特征；（3）、对于标准图像库中的每一幅图像计算对应于分割区域的最优区域；（4）、构建全局‑最优区域相似度匹配模式；（5）、通过赋予相似度匹配模式中各种相似度以平均权重来计算检索图像和标准图像库中每一幅图像的相似度；根据相似度进行排序得到初始检索结果并把与用户最相似的前若干幅图像返回用户端；（6）、用户参与反馈，直到检索出满意的图像。能够更接近用户的检索意图，可以有效地提取图像的内容特征，并能快速有效地完成检索过程。

主权项

一种基于分层特征和遗传规划相关反馈的图像检索方法，其特征在于：包括以下步骤：(1)、对用户提交的检索图像Q进行自适应分割，得到分割区域Q＝{Q1,…,Qm}；所述的步骤(1)中的自适应分割的具体方法如下所述：(11)、将图像进行均值漂移分割；(12)、将分割区域作为该图像的节点，对该图像用规范割进行聚类；(13)对聚类后的每个分割区域分别提取R、G、B颜色通道的平均像素值作为该区域的三维特征；(14)将聚类数目k初始化为2；(15)随机选择k个分割区域的特征向量作为初始类别中心，将所有分割区域归并到最近的类别中，并重新计算类别中心；(16)、计算准则函数其中ω1,…,ωk是k个类别，mi是类别中心，fj是属于ωj类别的区域的特征向量，如果y大于等于预先设定的阈值ε，k＝k+1，转到(15)；如果y小于预先设定的阈值ε，则停止迭代；(2)、对检索图像Q提取全局特征；分割区域Qi,1≤i≤m提取局部底层特征；所述的步骤(2)中的全局特征包括颜色和纹理特征，全局特征中的颜色特征为颜色直方图256维、颜色矩9维；全局特征中的纹理特征为：边界/内部像素分类(Border/Interior pixel Classification，BIC)特征128维、Gabor小波变换特征48维；所述的步骤(2)中的底层特征包括颜色、纹理和形状特征；区域局部底层特征包括颜色、纹理和形状特征，其中颜色特征为：将图像由RGB颜色空间转换到L*u*v*空间，提取L*，u*，v*区域平均颜色作为每一个区域的3维颜色特征；其中形状特征：区域的1维密度比、2维质心、4维矩形盒子、7维不变矩作为14维形状特征；其中纹理特征：计算区域的共生矩阵，提取能量、惯性、熵、匀度四个统计特性作为16维纹理特征；(3)、对于标准图像库中的每一幅图像Bj，1≤j≤N，计算对应于分割区域Qi，1≤i≤m的最优区域，其中N是标准图像库中的图像数量；所述的步骤(3)中对于标准图像库中的每一幅图像Bj，1≤j≤N，计算对应于分割区域Qi，1≤i≤m的最优区域，其中N是标准图像库中的图像数量；(4)、构建全局‑最优区域相似度匹配模式；所述的步骤(4)全局‑最优区域相似度匹配模式是将检索图像Q与标准图像库里的每一幅图像Bj,1≤j≤N的全局特征和最优区域特征的相似度组合起来的一种模式；(5)、通过赋予全局‑最优区域相似度匹配模式中的所有相似度以平均权重来计算检索图像Q和标准图像库中每一幅图像Bj的相似度Sj,1≤j≤N；根据Sj,1≤j≤N对Bj进行排序，得到初始检索结果并把与用户最相似的前若干幅图像返回用户端；(6)、用户参与反馈，直到检索出满意的图像。