一種基于區域特征的圖像檢索方法及系統技術方案

本發明專利技術提供一種基于區域特征的圖像檢索方法及系統，所述的方法包括：S1，將輸入的待檢索圖像劃分為多個子區域圖像；S2，提取每一個所述子區域圖像的區域特征，并將每一個區域特征量化為對應的視覺單詞；S3，遍歷每一個區域特征對應的視覺單詞，在數據庫倒排表中檢索每一個模板圖像包含所述視覺單詞的個數，將包含視覺單詞個數最多的模板圖像作為檢索結果圖像。本發明專利技術通過對圖像進行分區，提取每一個區域圖像的區域特征，通過區域特征的匹配得到檢索結果，相比現有的通過局部特征來檢索，提取的區域特征個數相比局部特征個數大大減少，提高了圖像檢索的效率，普適性和擴展性更好。

Method and system for image retrieval based on regional characteristics

The present invention provides a method and system for image retrieval based on region feature, the method comprises the following steps: S1, the input image retrieval is divided into multiple sub region image; S2, extracted from each of the sub regions of the image regions, and each region is corresponding to the quantized feature of visual words S3; traversal each region corresponding to the characteristic of visual words in the database retrieval in the inverted list every template image containing the number of visual words, will contain the number of template image visual words as most image search results. The present invention by partitioning the image, extraction of regional characteristics of each region of the image, the regional feature matching to get the retrieval results, compared with the existing through local features to retrieve, the number of regional feature extraction compared to the local feature number is greatly reduced, improving the image retrieval efficiency, universality and scalability better.

【技術實現步驟摘要】
一種基于區域特征的圖像檢索方法及系統
本專利技術涉及圖像檢索
，更具體地，涉及一種基于區域特征的圖像檢索方法及系統。
技術介紹
基于內容的圖像搜索是大數據時代海量數據信息深度利用的關鍵技術之一，也是計算機視覺和多媒體領域的研究熱點，具有重要的研究意義和實用價值，圖像搜索技術在實際生活中也有著重要的應用。現在步入安防社會，攝像頭已遍布在生活中的各個場所，圖像搜索可以在海量的監控視頻中查找到特定的目標，為警方破案提供關鍵線索。圖像搜索技術也使得日常生活更加智能和便捷，人們可以隨時隨地拍攝喜歡的衣服或者物品，然后根據圖片在網上商城查找相關的商品。圖像搜索目前最流行的框架為基于局部不變特征的詞袋模型，局部特征的不變性可以很好地解決圖像搜索中的遮擋、視角變化等復雜的情況，被廣泛地應用在圖像識別中，但是局部特征在有些情況下并不適用。局部關鍵點通常在邊緣或者角點處檢測到，它能夠捕捉到圖像中的剛性物體的細節特性，例如建筑物、書面的圖案等等。因此，對于剛性物體，基于局部特征的詞袋模型能夠達到較好的性能。然而，如果圖像中的內容紋理比較光滑，比如雕塑和軟體動物，那么圖片中只能檢測到很少的關鍵點。因此，對于紋理光滑的物體，基于關鍵點的局部特征并不能很好地表達圖像中的內容，在處理這類圖片的檢索時，局部特征的性能較差。由于每幅圖像中包含了上千個局部特征，因此圖像數目較多時，查詢的效率較慢。當檢索的數據庫非常大時，比如說上億的圖片，倒排表的內存開銷非常的大，這也限制了基于局部特征的詞袋模型的可擴展性。
技術實現思路
本專利技術提供一種克服上述問題或者至少部分地解決上述問題的基于區域特征的圖像檢索方法及系統。根據本專利技術的一個方面，提供了一種基于區域特征的圖像檢索方法，包括：S1，將輸入的待檢索圖像劃分為多個子區域圖像；S2，提取每一個所述子區域圖像的區域特征，并將每一個區域特征量化為對應的視覺單詞；S3，遍歷每一個區域特征對應的視覺單詞，在數據庫倒排表中檢索每一個模板圖像包含所述視覺單詞的個數，將包含視覺單詞個數最多的模板圖像作為檢索結果圖像。根據本專利技術的另一個方面，還提供了一種基于區域特征的圖像檢索系統，包括：圖像劃分模塊，用于將輸入的待檢索圖像劃分為多個子區域圖像；提取量化模塊，用于提取每一個所述子區域圖像的區域特征，并將每一個區域特征量化為對應的視覺單詞；檢索確定模塊，用于遍歷每一個區域特征對應的視覺單詞，在數據庫倒排表中檢索每一個模板圖像包含所述視覺單詞的個數，將包含視覺單詞個數最多的模板圖像確定為檢索結果圖像。本專利技術的有益效果為：通過對圖像進行分區，提取每一個區域圖像的區域特征，通過區域特征的匹配得到檢索結果，相比現有的通過局部特征來檢索，提取的區域特征個數相比局部特征個數大大減少，提高了圖像檢索的效率，普適性和擴展性更好，相對于全局特征，該方法的檢索準確率更高，且檢索的效率與全局特征相差不大，本專利技術綜合了全局特征和局部特征的優勢，在圖像檢索過程中保持了較好的檢索性能和交稿的檢索效率。附圖說明圖1為本專利技術一個實施例的基于區域特征的圖像檢索方法流程圖；圖2為本專利技術另一個實施例的基于區域特征的圖像檢索系統示意圖；圖3為本專利技術另一個實施例中提取量化模塊的具體框圖示意圖；圖4為本專利技術另一實施例中的檢索確定模塊的具體框圖示意圖。具體實施方式下面結合附圖和實施例，對本專利技術的具體實施方式作進一步詳細描述。以下實施例用于說明本專利技術，但不用來限制本專利技術的范圍。參見圖1，為本專利技術一個實施例的基于區域特征的圖像檢索方法，包括：S1，將輸入的待檢索圖像劃分為多個子區域圖像。本實施例首先將待查詢檢索的圖像劃分為多個子區域圖像，具體的使用超像素分割的方法將待檢索圖像均勻劃分為多個子區域圖像。在實際應用中，需要考慮圖像檢索的準確率和檢索速度，將整個待檢索圖像劃分為適當數量的多個子區域圖像，劃分后的子區域圖像的數量通常為20個。S2，提取每一個子區域圖像的區域特征，并將每一個區域特征量化為對應的視覺單詞。步驟S1對待檢索圖像進行了劃分后，本步驟針對每一個子區域圖像，提取每一個子區域圖像的區域特征。區域特征的種類很多，本實施例中的區域特征主要包括深度學習特征和紋理特征。因此，本實施例在對每一個子區域圖像提取區域特征時，主要提取每一個子區域圖像的深度學習特征和紋理特征。本實施例采用Siamese網絡訓練的方法提取每一個子區域圖像的深度學習特征，并將提取的深度學習特征生成深度學習特征碼本，還提取待檢索圖像的每一個子區域圖像的紋理特征。根據提取的每一個子區域圖像的深度學習特征，將每一個深度學習特征量化為對應的視覺單詞，其中，深度學習特征與視覺單詞的關系為：多個深度學習特征對應一個視覺單詞。其中，深度學習特征與視覺單詞之間的對應關系可存儲在數據庫中。需要說明的是，在進行圖像的檢索之前，先將標準數據庫中的每一個模板圖像按照同樣的超像素分割方法均勻劃分為多個子區域圖像，以及提取每一個模板圖像的每一個子區域圖像的深度學習特征和紋理特征，并將提取的每一個深度學習特征量化為對應的視覺單詞。按照視覺單詞為索引，將視覺單詞以及與其對應的模板圖像標識和該子區域圖像的紋理特征均存儲于數據庫的倒排表中。本實施例提取待檢索圖像的每一個子區域圖像的區域特征，待檢索圖像的每一個子區域特征對應有一個區域特征，因此，如果將待檢索圖像劃分為20個子區域圖像，則對應提取的待檢索圖像的區域特征為20個，相比于提取待檢索圖像的眾多個局部特征，提取待檢索圖像的區域特征的個數會大大減少，因此，數據庫倒排表的內存開銷也會大大減小。S3，遍歷每一個區域特征對應的視覺單詞，在數據庫倒排表中檢索每一個模板圖像包含所述視覺單詞的個數，將包含視覺單詞個數最多的模板圖像作為檢索結果圖像。上述步驟S2提取到待檢索圖像的每一個子區域圖像的深度學習特征和紋理特征，以及將每一個深度學習特征量化為對應的視覺單詞，得到與該待檢索圖像對應的多個視覺單詞。根據每一個視覺單詞在數據庫的倒排表中進行檢索，將待檢索圖像對應的多個視覺單詞遍歷一遍，記錄數據庫倒排表中的每一個模板圖像包含這些視覺單詞的個數；以及將待檢索圖像的每一個子區域圖像的對應的紋理特征在數據庫的倒排表中遍歷一遍，記錄數據庫倒排表中的每一個模板圖像包含這些紋理特征的個數。得到每一個模板圖像包含視覺單詞的個數和包含紋理特征的個數，按照預定計算方式計算出對應的數值，將數值最大的模板圖像確定為檢索結果圖像。具體的，本實施例根據預設的視覺單詞的權重系數和預設的紋理特征的權重系數，對視覺單詞的個數和紋理特征的個數進行權重計算，得到權重計算后的數值，將計算出來的數值最大的模板圖像確定為最終的檢索結果圖像。下面以一個具體的例子來說明本實施例的圖像檢索過程：假設將待檢索圖像按照超像素分割的方法劃分為20個子區域圖像，提取這20個子區域圖像的深度學習特征和紋理特征，得到20個深度學習特征和20個紋理特征。將每一個深度學習特征進行量化為對應的視覺單詞，由于多個深度學習特征可能對應一個視覺單詞，因此，20個深度學習特征可能會量化為15個視覺單詞，此時對于待檢索圖像，對應有15個視覺單詞和20個紋理特征。針對于15個視覺單詞，將每一個視覺單詞在數據庫的倒排表中進行遍歷，假設數據庫的倒排表中有本文檔來自技高網...

【技術保護點】
一種基于區域特征的圖像檢索方法，其特征在于，包括：S1，將輸入的待檢索圖像劃分為多個子區域圖像；S2，提取每一個所述子區域圖像的區域特征，并將每一個區域特征量化為對應的視覺單詞；S3，遍歷每一個區域特征對應的視覺單詞，在數據庫倒排表中檢索每一個模板圖像包含所述視覺單詞的個數，將包含視覺單詞個數最多的模板圖像作為檢索結果圖像。

【技術特征摘要】
1.一種基于區域特征的圖像檢索方法，其特征在于，包括：S1，將輸入的待檢索圖像劃分為多個子區域圖像；S2，提取每一個所述子區域圖像的區域特征，并將每一個區域特征量化為對應的視覺單詞；S3，遍歷每一個區域特征對應的視覺單詞，在數據庫倒排表中檢索每一個模板圖像包含所述視覺單詞的個數，將包含視覺單詞個數最多的模板圖像作為檢索結果圖像。2.如權利要求1所述的基于區域特征的圖像檢索方法，其特征在于，所述步驟S1具體包括：按照超像素分割的方法將待檢索圖像均勻劃分為多個子區域圖像。3.如權利要求2所述的基于區域特征的圖像檢索方法，其特征在于，所述步驟S2具體包括：S21，針對均勻劃分后的每一個子區域圖像，提取每一個子區域圖像的深度學習特征和紋理特征，得到多個深度學習特征和多個紋理特征；S22，將每一個深度學習特征量化為對應的視覺單詞，得到所述待檢索圖像的每一個子區域圖像對應的視覺單詞。4.如權利要求3所述的基于區域特征的圖像檢索方法，其特征在于，所述步驟S1之前還包括：將數據庫中的每一個模板圖像劃分為多個子區域圖像，并提取出每一個子區域圖像的深度學習特征和紋理特征；將每一個子區域圖像對應的深度學習特征量化為對應的視覺單詞；按照視覺單詞為索引，將視覺單詞以及與其對應的模板圖像標識和該子區域圖像的紋理特征均存儲于數據庫的倒排表中。5.如權利要求4所述的基于區域特征的圖像檢索方法，其特征在于，所述步驟S3具體包括：S31，針對待檢索圖像的每一個子區域圖像對應的視覺單詞，從數據庫的倒排表中檢索每一個模板圖像包含所述視覺單詞的個數；S32，根據待檢索圖像的每一個字區域圖像對應的紋理特征，從數據庫倒排表中檢索每一個模板圖像包含所述紋理特征的個數；S33，根據每一個模板圖像包含的視覺單詞的個數以及紋理特征的個數，按照預定計算方式計算出對應的數值；S34，將數值最大的模板圖像確定為檢索結果圖像。6.如權利要求5所述的基于區域特征的圖像檢索方法，其特征在于，所述步驟S33具體包括：根據預設的視覺單詞的權重系數和預設的紋理特征的權重系數，對所述視覺單詞的個數和所述紋理特征的個數進行權重計算，得到權重計算后的數值。7.一種基于區域特征的圖像檢索系統，其特征在于，包括：圖像劃分模塊，用于將輸入的...

【專利技術屬性】
技術研發人員：王生進，劉紫瓊，
申請(專利權)人：清華大學，
類型：發明
國別省市：北京,11