專利名稱：一種圖像檢索方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域中的圖像檢索技術(shù)領(lǐng)域，尤其涉及一種圖像檢索方法及裝置。
背景技術(shù)：
隨著多媒體技術(shù)的迅速發(fā)展，圖像作為內(nèi)容豐富、表達直觀的可視信息，其應(yīng)用日益廣泛。由于圖像信息數(shù)據(jù)量大、抽象程度低的特點，所以如何從海量圖像數(shù)據(jù)中快速高效的檢索出用戶需要的圖像資源，成為圖像處理技術(shù)領(lǐng)域中新的挑戰(zhàn)?，F(xiàn)有對圖像的檢索技術(shù)中，大都采用基于文本的圖像檢索(text-based imageretrieval)，其技術(shù)思路是先人工對圖像進行文本標(biāo)注，如關(guān)鍵詞、標(biāo)題以及一些附加的描述信息，然后采用傳統(tǒng)數(shù)據(jù)庫管理系統(tǒng)的方法進行文本檢索。隨著大規(guī)模數(shù)字圖像庫的出現(xiàn)，基于文本的圖像檢索問題逐漸嚴重，例如，對大規(guī)模圖像庫來說，人工進行文本注釋是一件繁瑣且費時的工作；并且，人工注釋具有一定的主觀性，不同的人對圖像內(nèi)容可有不同的理解，即使同一個人在不同語境下對圖像的理解也不盡相同，所以對于一個圖像的文本注釋，受個人興趣和知識背景影響，主觀性強；并且，圖像內(nèi)容信息量大，很多圖像很難用文字的方式準確描述；并且，世界各地文化差異大，不同語言文字標(biāo)注后的圖像在應(yīng)用通用性上受到限制。因此，基于文本檢索導(dǎo)致檢索結(jié)果的有效性差，很難準確的返回用戶需要的圖像。目前，為了克服低效的人工注釋和二義性，出現(xiàn)了基于內(nèi)容的圖像檢索(Content-Based Image Retrieval, CBIR),其技術(shù)思路是利用圖像的視覺特征進行檢索，直接對圖像內(nèi)容進行分析，提取圖像特征和語義，并以此建立索引進行檢索，特征提取和匹配可以由機器自動完成?；趦?nèi)容的圖像檢索技術(shù)融合了圖像處理、模式識別、計算機視覺、圖像理解、數(shù)據(jù)庫管理、人機交互等技術(shù)，是多種技術(shù)的融合，具有廣泛的應(yīng)用，得到了快速的發(fā)展。然而，現(xiàn)有的基于圖像內(nèi)容的圖像檢索技術(shù)，側(cè)重于考慮圖像全局特征進行檢索，將圖像作為不可分的整體進行描述，使用顏色、紋理、形狀等特征描述整幅圖像，并不區(qū)分圖像的前景和背景，且很多情況下基于單一特征進行檢索。因此，當(dāng)一幅圖像的內(nèi)容表達的含義較多時，比如能夠表達風(fēng)景、建筑和人物，則采用上述現(xiàn)有圖像檢索技術(shù)，可能導(dǎo)致提取的特征無法準確的表達圖像內(nèi)容的含義，從而使得檢索結(jié)果的有效性較差，進而使得檢索效率較低。

發(fā)明內(nèi)容
本發(fā)明實施例提供一種圖像檢索方法及裝置，用以解決現(xiàn)有技術(shù)中存在的基于圖像內(nèi)容進行檢索時，檢索結(jié)果的有效性差，檢索效率低的問題。本發(fā)明實施例提供一種圖像檢索方法，包括將待檢索圖像進行子圖劃分，得到多個子圖像；
對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像的特征向量；針對圖像庫中每個圖像，基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及所述各指定子圖像的特征向量，確定該圖像與所述待檢索圖像的相似度；其中，待匹配子圖像組中的各子圖像之間的相對位置，與所述各指定子圖像之間的相對位置相同；基于所述圖像庫中的每個圖像與所述待檢索圖像的相似度的大小，確定所述待檢索圖像對應(yīng)的圖像檢索結(jié)果。本發(fā)明實施例還提供一種圖像檢索裝置，包括劃分單元，用于將待檢索圖像進行子圖劃分，得到多個子圖像；提取單元，用于對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像的特征向量；相似度確定單元，用于針對圖像庫中每個圖像，基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及所述各指定子圖像的特征向量，確定該圖像與所述待檢索圖像的相似度；其中，待匹配子圖像組中的各子圖像之間的相對位置，與所述各指定子圖像之間的相對位置相同；檢索結(jié)果確定單元，用于基于所述圖像庫中的每個圖像與所述待檢索圖像的相似度的大小，確定所述待檢索圖像對應(yīng)的圖像檢索結(jié)果。本發(fā)明有益效果包括本發(fā)明實施例提供的方法中，對待檢索圖像和圖像庫中的圖像均進行了子圖劃分，并對待檢索圖像的多個子圖像中的各指定子圖像進行圖像特征提取，得到各指定子圖像的特征向量，并在進行圖像檢索時，針對圖像庫中每個圖像，均在該圖像中確定出各待匹配子圖像組，且待匹配子圖像組中的各子圖像之間的相對位置，與各指定子圖像之間的相對位置相同，然后基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及各指定子圖像的特征向量，確定該圖像與待檢索圖像的相似度，以及基于圖像庫中的每個圖像與待檢索圖像的相似度的大小，確定待檢索圖像對應(yīng)的圖像檢索結(jié)果。由于在進行圖像檢索時，是針對待檢索圖像的各指定子圖像，以及針對圖像庫中每個圖像的各待匹配子圖像組中的各子圖像進行的，所以相比技術(shù)中基于圖像的全局特征進行檢索，針對性更強，更能夠有效的檢索出表達的含義與待檢索圖像的各指定子圖像所表達含義相匹配的圖像，從而提高了檢索結(jié)果的有效性和檢索效率。


圖1為本發(fā)明實施例提供的圖像檢索方法的流程圖；圖2為本發(fā)明實施例1中提供的圖像檢索方法的流程圖；圖3為本發(fā)明實施例1中子圖劃分和索引窗口的示意圖；圖4為本發(fā)明實施例1中基于索引窗口確定映射窗口的示意圖；圖5為本發(fā)明實施例2中提供的圖像檢索方法的流程圖；圖6為本發(fā)明實施例3中提供的圖像檢索裝置的結(jié)構(gòu)示意圖。
具體實施例方式為了給出在基于圖像內(nèi)容進行檢索時，提高檢索結(jié)果的有效性和檢索效率的實現(xiàn)方案，本發(fā)明實施例提供了一種圖像檢索方法及裝置，以下結(jié)合說明書附圖對本發(fā)明的優(yōu)選實施例進行說明，應(yīng)當(dāng)理解，此處所描述的優(yōu)選實施例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。并且在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組
口 ο本發(fā)明實施例提供一種圖像檢索方法，如圖1所示，包括步驟S101、將待檢索圖像進行子圖劃分，得到多個子圖像。步驟S102、對該多個子圖像中的各指定子圖像進行圖像特征提取，得到各指定子圖像的特征向量。步驟S103、針對圖像庫中每個圖像，基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及各指定子圖像的特征向量，確定該圖像與待檢索圖像的相似度；其中，待匹配子圖像組中的各子圖像之間的相對位置，與各指定子圖像之間的相對位置相同。步驟S104、基于圖像庫中的每個圖像與待檢索圖像的相似度的大小，確定待檢索圖像對應(yīng)的圖像檢索結(jié)果。較佳的，在上述方法中進行圖像特征提取時，具體可以是得到各指定子圖像中的每個指定子圖像的特征向量，且該特征向量具體還可以包括多種特征向量，以及每種特征向量具體還可以包括多種特征分量。相應(yīng)的，在上述方法中確定圖像庫中的一個圖像與待檢索圖像的相似度時，具體可以基于各指定子圖像中每 個指定子圖像對應(yīng)的子圖像權(quán)重進行確定，具體還可以基于每種特征向量對應(yīng)的特征間權(quán)重進行確定，具體還可以基于每種特征分量對應(yīng)的特征內(nèi)權(quán)重進行確定。較佳的，在上述方法的基礎(chǔ)上，還可以在將圖像檢索結(jié)果顯示給用戶后，由用戶對每個檢索結(jié)果圖像進行相關(guān)性評價，并基于用戶對每個檢索結(jié)果圖像的相關(guān)性評價結(jié)果，調(diào)整在確定圖像庫中的圖像與待檢索圖像的相似度時所使用的權(quán)重，得到調(diào)整后權(quán)重，并基于調(diào)整后權(quán)重，確定圖像庫中的圖像與待檢索圖像的最新相似度，以及基于圖像庫中的圖像與待檢索圖像的最新相似度的大小，確定待檢索圖像對應(yīng)的最新圖像檢索結(jié)果。下面結(jié)合附圖，用具體實施例對本發(fā)明提供的方法及裝置進行詳細描述。實施例1 :圖2所示為本發(fā)明實施例1中提供的圖像檢索方法的流程圖，具體包括如下步驟步驟S201、獲取用戶提交的待檢索圖像，對待檢索圖像進行子圖劃分，得到多個子圖像。具體的，子圖劃分可采用現(xiàn)有技術(shù)中的各種方法，將待檢索圖像劃分為大小相同的矩形的多個子圖，例如，如圖3所示，劃分為4X4的16個子圖。其中，多個子圖的大小相同且為矩形，是便于后續(xù)進行相似度計算，并非是嚴格的劃分條件。本發(fā)明實施例中，提出采用偽四叉樹劃分法進行子圖劃分，具體如下在進行第I級劃分時，將圖像劃分為大小相同的矩形的mXn個子圖，其中，首先確定圖像的寬和高的最大公約數(shù)，m為圖像的寬除以該最大公約數(shù)，η為圖像的高除以該最大公約數(shù)；在進行第2級劃分時，針對mXη個子圖中的每個子圖，均將其劃分為2X2的4個子圖，從而將該圖像劃分為大小相同的矩形的(2*m) X (2*n)個子圖；依此類推，可以將該圖像劃分為大小相同的矩形的(2k*m) X (2k*n)個子圖，其中，k為劃分的級數(shù)減I。步驟S202、從待檢索圖像的多個子圖像中選擇各指定子圖像，所選擇的各指定子圖像組成指定子圖像組。指定子圖像可以按照一定的選擇策略由設(shè)備進行自動選擇。較佳的，可以將這多個子圖像顯示給用戶，由用戶根據(jù)自身的檢索需要進行指定子圖像的選擇，用戶所選擇的各指定子圖像即相當(dāng)于用戶感興趣區(qū)域，即用戶進行本次圖像檢索的目的，是檢索出與其感興趣區(qū)域表達含義相匹配的圖像，所以，由用戶進行各指定子圖像的選擇可以提高檢索結(jié)果的有效性。例如，如圖3所示，用戶選擇了 16個子圖像中的指定子圖像1-5。為了便于后續(xù)確定圖像庫中圖像的待匹配子圖像組中的各子圖像，本步驟中，在選擇各指定子圖像后，還可以確定包括各指定子圖像的索引窗口，該索引窗口為由這多個子圖像中的子圖像組成，且包括各指定子圖像的，最小的矩形窗口。例如，如圖3所示，索引窗口中包括了待檢索圖像的左上方的3X3的9個子圖像。步驟S203、對待檢索圖像的多個子圖像中的各指定子圖像進行圖像特征提取，得到各指定子圖像的特征向量。具體的，可以提取出各指定子圖像中的每個指定子圖像的特征向量。進一步的，指定子圖像的特征向量可以包括多種特征向量。進一步的，每種特征向量可以包括多種特征分量。下面以對一個圖像的顏色、紋理和形狀三種特征向量的提取為例進行具體描述。1、顏色特征向量的提取采用顏色矩法，由圖像像素點的各階中心矩表示顏色分布情況，顏色信息大都集中在低階矩上，包括一階矩為均值、二階矩為方差和三階矩為饒度，用于表示圖像的總體顏色分布，其中采用如下公式確定一階矩均值
權(quán)利要求
1.一種圖像檢索方法，其特征在于，包括 將待檢索圖像進行子圖劃分，得到多個子圖像； 對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像的特征向量； 針對圖像庫中每個圖像，基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及所述各指定子圖像的特征向量，確定該圖像與所述待檢索圖像的相似度；其中，待匹配子圖像組中的各子圖像之間的相對位置，與所述各指定子圖像之間的相對位置相同； 基于所述圖像庫中的每個圖像與所述待檢索圖像的相似度的大小，確定所述待檢索圖像對應(yīng)的圖像檢索結(jié)果。
2.如權(quán)利要求1所述的方法，其特征在于，基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及所述各指定子圖像的特征向量，確定該圖像與所述待檢索圖像的相似度，具體包括 基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及所述各指定子圖像的特征向量，確定該圖像的每個待匹配子圖像組，與所述各指定子圖像組成的指定子圖像組的相似度； 將每個待匹配子圖像組與所述指定子圖像組的相似度中的最大值或平均值，作為該圖像與所述待檢索圖像的相似度。
3.如權(quán)利要求2所述的方法，其特征在于，對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像的特征向量，具體為 對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像中每個指定子圖像的特征向量； 基于待匹配子圖像組中的各子圖像的特征向量，以及所述各指定子圖像的特征向量，確定該待匹配子圖像組與所述指定子圖像組的相似度，具體包括 基于待匹配子圖像組中的每個子圖像的特征向量，以及所述指定子圖像組中每個指定子圖像的特征向量，分別確定該待匹配子圖像組中與所述指定子圖像組中位置相對應(yīng)的每對子圖像的相似度； 基于所述指定子圖像組中每個指定子圖像對應(yīng)的子圖像權(quán)重，將每對子圖像的相似度進行加權(quán)求和，得到該待匹配子圖像組與所述指定子圖像組的相似度。
4.如權(quán)利要求3所述的方法，其特征在于，對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像中每個指定子圖像的特征向量，具體為 對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像中每個指定子圖像的多種特征向量； 確定待匹配子圖像組中與所述指定子圖像組中位置相對應(yīng)的一對子圖像的相似度，具體包括 基于待匹配子圖像組中的一個子圖像的多種特征向量，以及所述指定子圖像組中與該子圖像位置相對應(yīng)的一個指定子圖像的多種特征向量，確定該子圖像與該指定子圖像的每種特征向量的相似度； 基于每種特征向量對應(yīng)的特征間權(quán)重，將每種特征向量的相似度進行加權(quán)求和，得到該子圖像與該指定子圖像的相似度。
5.如權(quán)利要求4所述的方法，其特征在于，對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像中每個指定子圖像的多種特征向量，具體為 對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像中每個指定子圖像的多種特征向量中，每種特征向量包括的多個特征分量； 確定該子圖像與該指定子圖像的一種特征向量的相似度，具體包括 基于該子圖像的一種特征向量包括的多個特征分量，以及該指定子圖像的該種特征向量包括的多個特征分量，確定該子圖像與該指定子圖像的該種特征向量包括的每種特征分量的相似度； 基于每種特征分量對應(yīng)的特征內(nèi)權(quán)重，確定各種特征分量的相似度的加權(quán)歐式距離之和，得到該子圖像與該指定子圖像的一種特征向量的相似度。
6.如權(quán)利要求3-5任一所述的方法，其特征在于，還包括 獲取用戶對所述圖像檢索結(jié)果中的每個檢索結(jié)果圖像的相關(guān)性評價結(jié)果； 基于獲取的每個檢索結(jié)果圖像的相關(guān)性評價結(jié)果，調(diào)整在確定所述圖像庫中的每個圖像與所述待檢索圖像的相似度時所使用的權(quán)重，得到調(diào)整后權(quán)重； 基于所述調(diào)整后權(quán)重，確定所述圖像庫中的圖像與所述待檢索圖像的最新相似度； 基于所述圖像庫中的圖像與所述待檢索圖像的最新相似度的大小，確定所述待檢索圖像對應(yīng)的最新圖像檢索結(jié)果。
7.如權(quán)利要求6所述的方法，其特征在于，相關(guān)性評價結(jié)果包括表征相關(guān)的相關(guān)結(jié)果、表征不相關(guān)的不相關(guān)結(jié)果和表征不評判的不評判結(jié)果； 基于獲取的每個檢索結(jié)果圖像的相關(guān)性評價結(jié)果，調(diào)整在確定所述圖像庫中的每個圖像與所述待檢索圖像的相似度時所使用的權(quán)重，具體包括 當(dāng)所述所使用的權(quán)重為子圖像權(quán)重時，確定所述圖像檢索結(jié)果中相關(guān)性評價結(jié)果為相關(guān)結(jié)果的各正例圖像；針對每個正例圖像中相似度最聞的待匹配子圖像組，確定該待匹配子圖像組中與所述指定子圖像組中位置相對應(yīng)的每對子圖像的相似度；針對所述指定子圖像組中每個指定子圖像，確定各相似度最高的待匹配子圖像組中，與該指定子圖像位置相對應(yīng)的該對子圖像的各相似度的標(biāo)準差的倒數(shù)；對所述各指定子圖像分別對應(yīng)的各倒數(shù)，進行歸一化處理；將歸一化處理出后得到的與每個指定子圖像對應(yīng)的結(jié)果，作為該指定子圖像對應(yīng)的調(diào)整后子圖像權(quán)重； 當(dāng)所述所使用的權(quán)重為特征間權(quán)重時，針對多種特征向量中的每種特征向量，基于圖像庫中每個圖像的每個待匹配子圖像組中的各子圖像的該種特征向量，以及所述各指定子圖像的該種特征向量，確定與該種特征向量對應(yīng)的，所述待檢索圖像對應(yīng)的特征圖像檢索結(jié)果，確定該特征圖像檢索結(jié)果與所述圖像檢索結(jié)果中均存在的各檢索結(jié)果圖像，確定所述均存在的各檢索結(jié)果圖像的相關(guān)性評價結(jié)果分別對應(yīng)的各分值的第一和值，以及確定所述第一和值與該種特征向量的特征間權(quán)重的初始值的第二和值；對多種特征向量分別對應(yīng)的各第二和值，進行歸一化處理；將歸一化處理出后得到的與每種特征向量對應(yīng)的結(jié)果，作為該種特征向量對應(yīng)的調(diào)整后特征間權(quán)重； 當(dāng)所述所使用的權(quán)重為特征內(nèi)權(quán)重時，確定所述圖像檢索結(jié)果中相關(guān)性評價結(jié)果為相關(guān)結(jié)果的各正例圖像；對于每個正例圖像中相似度最高的待匹配子圖像組，針對每種特征向量，確定該待匹配子圖像組中每個子圖像的該種特征向量包括的每種特征分量；針對該待匹配子圖像組中的每個子圖像和每種特征分量，確定各正例圖像的該待匹配子圖像組中的該子圖像的該種特征向量包括的各該種特征分量的標(biāo)準差，作為與每個子圖像的該種特征分量對應(yīng)的標(biāo)準差；針對每個子圖像和每種特征向量，對該種特征向量所包括的多種特征分量分別對應(yīng)的各標(biāo)準差的倒數(shù)，進行歸一化處理，得到與每個子圖像和每種特征分量對應(yīng)的處理結(jié)果；針對每種特征分量，確定各子圖像的該種特征分量對應(yīng)的處理結(jié)果的平均值，將該平均值作為該種特征分量對應(yīng)的調(diào)整后特征間權(quán)重。
8.一種圖像檢索裝置，其特征在于，包括 劃分單元，用于將待檢索圖像進行子圖劃分，得到多個子圖像； 提取單元，用于對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像的特征向量； 相似度確定單元，用于針對圖像庫中每個圖像，基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及所述各指定子圖像的特征向量，確定該圖像與所述待檢索圖像的相似度；其中，待匹配子圖像組中的各子圖像之間的相對位置，與所述各指定子圖像之間的相對位置相同； 檢索結(jié)果確定單元，用于基于所述圖像庫中的每個圖像與所述待檢索圖像的相似度的大小，確定所述待檢索圖像對應(yīng)的圖像檢索結(jié)果。
9.如權(quán)利要求8所述的裝置，其特征在于，所述相似度確定單元，具體用于基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及所述各指定子圖像的特征向量，確定該圖像的每個待匹配子圖像組，與所述各指定子圖像組成的指定子圖像組的相似度； 將每個待匹配子圖像組與所述指定子圖像組的相似度中的最大值或平均值，作為該圖像與所述待檢索圖像的相似度。
10.如權(quán)利要求9所述的裝置，其特征在于，所述提取單元，具體用于對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像中每個指定子圖像的特征向量; 所述相似度確定單元，具體用于基于待匹配子圖像組中的每個子圖像的特征向量，以及所述指定子圖像組中每個指定子圖像的特征向量，分別確定該待匹配子圖像組中與所述指定子圖像組中位置相對應(yīng)的每對子圖像的相似度； 基于所述指定子圖像組中每個指定子圖像對應(yīng)的子圖像權(quán)重，將每對子圖像的相似度進行加權(quán)求和，得到該待匹配子圖像組與所述指定子圖像組的相似度。
11.如權(quán)利要求10所述的裝置，其特征在于，所述提取單元，具體用于對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像中每個指定子圖像的多種特征向量； 所述相似度確定單元，具體用于基于待匹配子圖像組中的一個子圖像的多種特征向量，以及所述指定子圖像組中與該子圖像位置相對應(yīng)的一個指定子圖像的多種特征向量，確定該子圖像與該指定子圖像的每種特征向量的相似度； 基于每種特征向量對應(yīng)的特征間權(quán)重，將每種特征向量的相似度進行加權(quán)求和，得到該子圖像與該指定子圖像的相似度。
12.如權(quán)利要求11所述的裝置，其特征在于，所述提取單元，具體用于對所述多個子圖像中的各指定子圖像進行圖像特征提取，得到所述各指定子圖像中每個指定子圖像的多種特征向量中，每種特征向量包括的多個特征分量； 所述相似度確定單元，具體用于基于該子圖像的一種特征向量包括的多個特征分量，以及該指定子圖像的該種特征向量包括的多個特征分量，確定該子圖像與該指定子圖像的該種特征向量包括的每種特征分量的相似度； 基于每種特征分量對應(yīng)的特征內(nèi)權(quán)重，確定各種特征分量的相似度的加權(quán)歐式距離之和，得到該子圖像與該指定子圖像的一種特征向量的相似度。
13.如權(quán)利要求10-12所述的裝置，其特征在于，還包括 獲取單元，用于獲取用戶對所述圖像檢索結(jié)果中的每個檢索結(jié)果圖像的相關(guān)性評價結(jié)果; 權(quán)重調(diào)整單元，用于基于獲取的每個檢索結(jié)果圖像的相關(guān)性評價結(jié)果，調(diào)整在確定所述圖像庫中的每個圖像與所述待檢索圖像的相似度時所使用的權(quán)重，得到調(diào)整后權(quán)重；所述相似度確定單元，還用于基于所述調(diào)整后權(quán)重，確定所述圖像庫中的圖像與所述待檢索圖像的最新相似度； 所述檢索結(jié)果確定單元，還用于基于所述圖像庫中的圖像與所述待檢索圖像的最新相似度的大小，確定所述待檢索圖像對應(yīng)的最新圖像檢索結(jié)果。
14.如權(quán)利要求13所述的裝置，其特征在于，所述獲取單元獲取的相關(guān)性評價結(jié)果包括表征相關(guān)的相關(guān)結(jié)果、表征不相關(guān)的不相關(guān)結(jié)果和表征不評判的不評判結(jié)果； 所述權(quán)重調(diào)整單元，具體用于當(dāng)所述所使用的權(quán)重為子圖像權(quán)重時，確定所述圖像檢索結(jié)果中相關(guān)性評價結(jié)果為相關(guān)結(jié)果的各正例圖像；針對每個正例圖像中相似度最高的待匹配子圖像組，確定該待匹配子圖像組中與所述指定子圖像組中位置相對應(yīng)的每對子圖像的相似度；針對所述指定子圖像組中每個指定子圖像，確定各相似度最高的待匹配子圖像組中，與該指定子圖像位置相對應(yīng)的該對子圖像的各相似度的標(biāo)準差的倒數(shù)；對所述各指定子圖像分別對應(yīng)的各倒數(shù)，進行歸一化處理；將歸一化處理出后得到的與每個指定子圖像對應(yīng)的結(jié)果，作為該指定子圖像對應(yīng)的調(diào)整后子圖像權(quán)重； 當(dāng)所述所使用的權(quán)重為特征間權(quán)重時，針對多種特征向量中的每種特征向量，基于圖像庫中每個圖像的每個待匹配子圖像組中的各子圖像的該種特征向量，以及所述各指定子圖像的該種特征向量，確定與該種特征向量對應(yīng)的，所述待檢索圖像對應(yīng)的特征圖像檢索結(jié)果，確定該特征圖像檢索結(jié)果與所述圖像檢索結(jié)果中均存在的各檢索結(jié)果圖像，確定所述均存在的各檢索結(jié)果圖像的相關(guān)性評價結(jié)果分別對應(yīng)的各分值的第一和值，以及確定所述第一和值與該種特征向量的特征間權(quán)重的初始值的第二和值；對多種特征向量分別對應(yīng)的各第二和值，進行歸一化處理；將歸一化處理出后得到的與每種特征向量對應(yīng)的結(jié)果，作為該種特征向量對應(yīng)的調(diào)整后特征間權(quán)重； 當(dāng)所述所使用的權(quán)重為特征內(nèi)權(quán)重時，確定所述圖像檢索結(jié)果中相關(guān)性評價結(jié)果為相關(guān)結(jié)果的各正例圖像；對于每個正例圖像中相似度最高的待匹配子圖像組，針對每種特征向量，確定該待匹配子圖像組中每個子圖像的該種特征向量包括的每種特征分量；針對該待匹配子圖像組中的每個子圖像和每種特征分量，確定各正例圖像的該待匹配子圖像組中的該子圖像的該種特征向量包括的各該種特征分量的標(biāo)準差，作為與每個子圖像的該種特征分量對應(yīng)的標(biāo)準差；針對每個子圖像和每種特征向量，對該種特征向量所包括的多種特征分量分別對應(yīng)的各標(biāo)準差的倒數(shù)，進行歸一化處理，得到與每個子圖像和每種特征分量對應(yīng)的處理結(jié)果；針對每種特征分量，確定各子圖像的該種特征分量對應(yīng)的處理結(jié)果的平均值，將該平均值作為`該種特征分量對應(yīng)的調(diào)整后特征間權(quán)重。
全文摘要
本發(fā)明公開了一種圖像檢索方法及裝置，包括將待檢索圖像進行子圖劃分，得到多個子圖像；并對該多個子圖像中的各指定子圖像進行圖像特征提取，得到各指定子圖像的特征向量；并針對圖像庫中每個圖像，基于該圖像的每個待匹配子圖像組中的各子圖像的特征向量，以及各指定子圖像的特征向量，確定該圖像與待檢索圖像的相似度；以及基于圖像庫中的每個圖像與待檢索圖像的相似度的大小，確定待檢索圖像對應(yīng)的圖像檢索結(jié)果。采用本發(fā)明實施例提供的方案，在基于圖像內(nèi)容進行檢索時，提高了檢索結(jié)果的有效性和檢索效率。
文檔編號G06F17/30GK103049446SQ20111030999
公開日2013年4月17日 申請日期2011年10月13日 優(yōu)先權(quán)日2011年10月13日
發(fā)明者田卉, 張儉 申請人:中國移動通信集團公司