專利名稱：一種基于sift種子區(qū)域增長的彩色圖像檢索方法
技術領域：
本發(fā)明涉及計算機領域，特別是涉及一種基于sift種子區(qū)域增長的彩色圖像檢索方法。
背景技術：
圖像作為一種內涵豐富，表現(xiàn)直觀的多媒體信息，備受人們的青睞。越來越多的商業(yè)活動、事務交易和信息表現(xiàn)包含圖像數(shù)據(jù)。特別是網上時興的電子購物，基本以圖像的形式向用戶展現(xiàn)商品的信息。傳統(tǒng)的圖像檢索方法利用圖像的底層特征，如顏色、紋理、形狀以及空間關系等，這些特征存在著各自的不足。顏色特征對圖像或圖像區(qū)域的方向、大小等變化不敏感，不能很好地捕捉圖像中對象的局部特征，也不能表達顏色空間分布的信息；由于光照、反射等因素的影響，從二維圖像中反映出來的紋理不能反映物體的真實紋理，會誤導圖像的檢索；提取形狀特征常常受到圖像分割效果的影響；空間關系特征對圖像或者目標的旋轉、平移、尺度變換等比較敏感，不能準確地表達場景的信息。SIFT特征向量是一種局部特征，其對目標的仿射變化、光照變化和尺度變化等具有較強的魯棒性，在圖像匹配、圖像檢索領域得到了廣泛的應用。然而SIFT特征僅僅利用圖像的灰度信息，忽略了圖像的彩色信息，當圖像中存在多個相似區(qū)域時，容易造成誤匹配。由于圖像內容的多面性，上述的每一種特征僅表示了圖像內容的一個側面，存在著兩幅完全不同的圖像所提取的特征卻非常相似的情況。因此，基于單一特征的圖像檢索不能得到令人滿意的檢索結果。在對圖像的檢索中，人們往往僅對圖像中的某些部分感興趣。這些部分常稱為目標或前景，它們一般對應圖像中特定的、具有獨特性質的區(qū)域?；趨^(qū)域的圖像檢索方法通過圖像分割后形成的若干區(qū)域分別對應圖像中的目標來進行圖像檢索，增強了用戶對圖像內容感知的能力。然而，在實際中無法做到精確、符合語義的分割，分割形成的區(qū)域并不能完全與用戶對物體的感知一致，嚴重影響了圖像檢索的準確性。

發(fā)明內容
本發(fā)明主要解決的技術問題是提供一種基于sift種子區(qū)域增長的彩色圖像檢索方法，能夠減小由于圖像分割的不精確所帶來的誤差問題和彌補使用單一特征檢索圖像的不足。為解決上述技術問題，本發(fā)明采用的一個技術方案是:提供一種基于sift種子區(qū)域增長的彩色圖像檢索方法，包括下列步驟:
(1)、對于待查詢圖像，選擇Sift種子點；
(2)、使用區(qū)域生長法將圖像分割成多個區(qū)域；
(3)、根據(jù)規(guī)則對區(qū)域進行合并；(4)、針對圖像的每一個區(qū)域，提取區(qū)域特征；
(5)、計算待查詢圖像的區(qū)域與圖像庫中的圖像的區(qū)域之間的相似度；
(6)、構建權重二分圖；計算待查詢圖像與圖像庫中的圖像的相似度；
(7)、將圖像庫中的圖像按照與待查詢圖像的相似度由大到小的順序排列。優(yōu)選的是，所述步驟⑴中的選擇sift種子點方法為，使用Canny邊緣檢測算法刪除由sift算法選擇出的候選特征點中的邊緣特征點，保留的候選特征點即為sift種子點。優(yōu)選的是，所述步驟(2)中的區(qū)域生長法使用的種子點是步驟(I)中獲得的sift種子點。優(yōu)選的是，所述步驟(3)中的區(qū)域合并規(guī)則為:
規(guī)則1:如果兩個相鄰區(qū)域的相對歐式距離小于設定閾值，合并這兩個區(qū)域。所述相對歐氏距離的計算公式如下:
權利要求
1.一種基于Sift種子區(qū)域增長的彩色圖像檢索方法，其特征在于:包括下列步驟: (1)、對于待查詢圖像，選擇Sift種子點； (2)、使用區(qū)域生長法將圖像分割成多個區(qū)域； (3)、根據(jù)規(guī)則對區(qū)域進行合并； (4)、針對圖像的每一個區(qū)域，提取區(qū)域特征； (5)、計算待查詢圖像的區(qū)域與圖像庫中的圖像的區(qū)域之間的相似度； (6)、構建權重二分圖；計算待查詢圖像與圖像庫中的圖像的相似度； (7)、將圖像庫中的圖像按照與待查詢圖像的相似度由大到小的順序排列。
2.根據(jù)權利要求1所述的一種基于sift種子區(qū)域增長的彩色圖像檢索方法，其特征在于:所述步驟(I)中的選擇sift種子點方法為，使用Canny邊緣檢測算法刪除由sift算法選擇出的候選特征點中的邊緣特征點，保留的候選特征點即為sift種子點。
3.根據(jù)權利要求1所述的一種基于sift種子區(qū)域增長的彩色圖像檢索方法，其特征在于:所述步驟(2)中的區(qū)域生長法使用的種子點是步驟(I)中獲得的sift種子點。
4.根據(jù)權利要求1所述的一種基于sift種子區(qū)域增長的彩色圖像檢索方法，其特征在于:所述步驟(3)中的區(qū)域合并規(guī)則為: 規(guī)則1:如果兩個相鄰區(qū)域的相對歐式距離小于設定閾值，合并這兩個區(qū)域，所述相對歐氏距離的計算公式如下:
5.根據(jù)權利要求1所述的一種基于sift種子區(qū)域增長的彩色圖像檢索方法，其特征在于:所述步驟(4)中的區(qū)域特征是彩色sift特征向量和Hu不變矩形狀特征。
6.根據(jù)權利要求5所述的一種基于sift種子區(qū)域增長的彩色圖像檢索方法，其特征在于:所述彩色sift特征向量由128維的sift特征向量和48維的顏色特征向量組成的176維特征向量。
7.根據(jù)權利要求1所述的一種基于sift種子區(qū)域增長的彩色圖像檢索方法，其特征在于:所述步驟(5)中的區(qū)域之間的相似度計算綜合考慮了彩色sift特征和Hu不變矩形狀特征的相似度，所述相似度計算公式為:
8.根據(jù)權利要求1所述的一種基于sift種子區(qū)域增長的彩色圖像檢索方法，其特征在于:所述步驟(6)中的權重二分圖構建方法為，兩幅圖像的各自區(qū)域作為二分圖的兩個頂點集，區(qū)域之間的相似度表示連接兩 個頂點的邊的權值，如果兩幅圖像的區(qū)域數(shù)不相等，對二分圖進行擴展，使二分圖的兩個頂點集中的頂點數(shù)相等，設置與新增的每一個頂點相連的邊的權值為O。
全文摘要
本發(fā)明公開了一種基于sift種子區(qū)域增長的彩色圖像檢索方法，包括下列步驟(1)、對于待查詢圖像，選擇sift種子點；(2)、使用區(qū)域生長法將圖像分割成多個區(qū)域；(3)、根據(jù)規(guī)則對區(qū)域進行合并；(4)、針對圖像的每一個區(qū)域，提取區(qū)域特征；(5)、計算待查詢圖像的區(qū)域與圖像庫中的圖像的區(qū)域之間的相似度；(6)、構建權重二分圖；計算待查詢圖像與圖像庫中的圖像的相似度；(7)、將圖像庫中的圖像按照與待查詢圖像的相似度由大到小的順序排列。通過上述方式，本發(fā)明能夠減小由于圖像分割的不精確所帶來的誤差問題和彌補使用單一特征檢索圖像的不足。
文檔編號G06T7/00GK103116630SQ20131004113
公開日2013年5月22日 申請日期2013年2月3日 優(yōu)先權日2013年2月3日
發(fā)明者楊元峰, 李金祥, 鮮學豐, 廖黎莉, 李亞琴 申請人:蘇州市職業(yè)大學