技術(shù)特征：

1.一種基于鄰域旋轉(zhuǎn)直角模式的圖像檢索方法，其特征在于，所述基于鄰域旋轉(zhuǎn)直角模式的圖像檢索方法包括以下步驟：

步驟一：分離彩色圖像R、G、B三通道色，分別對三通道色進行二維離散小波變換，取三通道色的低頻子帶，作為所選平面；所述R為紅色分量，G為綠色分量，B為藍色分量；

步驟二：基于VLBP模式根據(jù)步驟一所選的平面提取局部模式；

步驟三：對步驟二提取的局部模式使用鄰域旋轉(zhuǎn)直角模式計算局部模式的鄰域旋轉(zhuǎn)直角模式值；

步驟四：將步驟三得到的鄰域旋轉(zhuǎn)直角模式值形成的特征向量與圖像數(shù)據(jù)庫進行特征相似度度量，使用查全率以及查準率對圖像檢索結(jié)果進行評價。

2.根據(jù)權(quán)利要求1所述的一種基于鄰域旋轉(zhuǎn)直角模式的圖像檢索方法，其特征在于，所述步驟二中基于VLBP模式根據(jù)步驟一所選的平面提取局部模式的具體過程為：

將所選平面垂直排列，順序為第一個平面為紅色分量低頻子帶、第二個平面為藍色分量低頻子帶、第三個平面為綠色分量低頻子帶；在每個平面上選取以每個像素為中心形成的3×3像素矩陣，即像素中心與其周圍八個鄰域像素形成的矩陣；

將三個平面等效為正方體，即三個平面上的3×3像素矩陣同樣等效為正方體，依次提取每個3×3像素矩陣正方體的局部模式，所提取的局部模式同樣為3×3像素矩陣，以3×3像素矩陣正方體中的第二個平面的像素矩陣為第一局部模式；以3×3像素矩陣正方體中的第二個平面的像素矩陣的中心像素為中心，過第一個平面和第三個平面像素矩陣的中心像素形成的像素矩陣為第二局部模式；以3×3像素矩陣正方體中過第一個平面和第三個平面像素矩陣的中心像素，并與第一局部模式和第二局部模式垂直的像素矩陣為第三局部模式；以3×3像素矩陣正方體中過第一個平面像素矩陣中心像素的兩個對角線形成兩個像素矩陣為第四局部模式和第五局部模式。

3.根據(jù)權(quán)利要求1或2所述的一種基于鄰域旋轉(zhuǎn)直角模式的圖像檢索方法，其特征在于，所述步驟三中對步驟二提取的局部模式使用鄰域旋轉(zhuǎn)直角模式計算局部模式的鄰域旋轉(zhuǎn)直角模式值具體過程為：

使用鄰域旋轉(zhuǎn)直角模式對所提取的局部模式進行計算得出局部三值模式，將每個局部三值模式分解為兩個局部二值模式，共形成以0,1編碼的10個局部二值模式，對10個局部二值模式分別進行加權(quán)運算得到10個鄰域旋轉(zhuǎn)直角模式值。

4.根據(jù)權(quán)利要求3所述的一種基于鄰域旋轉(zhuǎn)直角模式的圖像檢索方法，其特征在于，所述鄰域旋轉(zhuǎn)直角模式具體為：

鄰域旋轉(zhuǎn)直角模式計算公式如下所示：

α＝0°,45°,90°,...,315°

其中所述為α方向上的鄰域像素值，g_c為中心像素值；μ為根據(jù)8個鄰域像素值以及中心像素值計算均方差得出的局部自適應閾值；

局部自適應閾值μ計算公式如下所示：

$\mathrm{\μ}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(x_i-\stackrel{\‾}{x})}^2}$

其中x_i為像素值，為局部模式像素平均值，N為像素個數(shù)，取值為9。

5.根據(jù)權(quán)利要求1、2或4所述的一種基于鄰域旋轉(zhuǎn)直角模式的圖像檢索方法，其特征在于，所述步驟四中將步驟三得到的鄰域旋轉(zhuǎn)直角模式值形成的特征向量與圖像數(shù)據(jù)庫進行特征相似度度量，使用查全率以及查準率對圖像檢索結(jié)果進行評價的具體過程為：

將鄰域旋轉(zhuǎn)直角模式值連接形成特征向量：

$H_S\left(l\right)=\frac{1}{N_1\×N_2}\underset{i=1}{\overset{N_1}{\Σ}}\underset{j=1}{\overset{N_2}{\Σ}}f\left(PTN\right(i,j),l);l\∈\[0,P(P-1)+2\]$

$f(x,y)=\left\{\begin{array}{cc}1,& x=y\\ 0,& x\≠y\end{array}\right.$

其中，N₁×N₂表示圖像大小，PTN表示鄰域旋轉(zhuǎn)直角模式，(i,j)表示處于圖像第i行第j列的像素，l表示均勻LBP模式值類型，P表示鄰域像素個數(shù)；

通過計算待檢索圖像I_q的特征向量與圖像數(shù)據(jù)庫中圖像的特征向量的距離實現(xiàn)圖像檢索；

d1相似度度量計算公式如下所示：

$D(I_q,DB)=\underset{i=1}{\overset{Lg}{\Σ}}\left|\frac{f_{{\mathrm{DB}}_{ji}}-f_{I_{qi}}}{1+f_{{\mathrm{DB}}_{ji}}+f_{I_{qi}}}\right|$

其中，代表圖像數(shù)據(jù)庫|DB|中第j幅圖像的第i個特征，L_g表示圖像數(shù)量；

使用查準率以及查全率對圖像檢索結(jié)果進行客觀評價，對于待檢索圖像I_q，查準率計算公式如下所示：

$P(I_q,n)=\frac{1}{n}\underset{i=1}{\overset{\left|DB\right|}{\Σ}}\left|\mathrm{\δ}\left(\mathrm{\φ}\right(I_i),\mathrm{\φ}(I_q\left)\right)\right|$

其中，n表示檢索結(jié)果中圖像的數(shù)量，φ(I_i)表示檢索結(jié)果中圖像的類別，φ(I_q)表示待檢索圖像的類別；

查全率計算公式如下所示：

$P(I_q,n)=\frac{1}{N_G}\underset{i=1}{\overset{\left|DB\right|}{\Σ}}\left|\mathrm{\δ}\left(\mathrm{\φ}\right(I_i),\mathrm{\φ}(I_q\left)\right)\right|$

其中，N_G表示圖像數(shù)據(jù)庫中與待檢索圖像I_q相關(guān)圖像總量，δ(φ(I_i),φ(I_q))函數(shù)關(guān)系如下所示：

$\mathrm{\δ}\left(\mathrm{\φ}\right(I_i),\mathrm{\φ}(I_q\left)\right)=\left\{\begin{array}{cc}1,& \mathrm{\φ}\left(I_i\right)=\mathrm{\φ}\left(I_q\right)\\ 0,& \mathrm{\φ}\left(I_i\right)\≠\mathrm{\φ}\left(I_q\right)\end{array}\right..$