基于显著性模型的图像检索方法技术

本发明专利技术公开了一种基于显著性模型的图像检索方法，包括：S1、对数据库中所有图像进行显著性建模，区分所有图像中的显著性区域和非显著性区域并保存；S2、对待搜索图像进行显著性分析，区分待搜索图像的显著性区域；S3、按照数据库中所有图像显著性区域和非显著性区域内与待搜索图像显著性区域内相同特征的个数标定图像分数；S4、按照图像分数来对数据库中的图像排序，确定搜索结果。本发明专利技术将图像显著性建模加入图像检索中，有针对的找到显著性区域，提取图像的重要表达区域进行检索，从而能够将检索结果按重要度分级，可以按搜索的不同主题进行搜索，检索结果可以区分主题、分类主次。

【技术实现步骤摘要】
基于显著性模型的图像检索方法
本专利技术涉及图像检索
，尤其涉及一种基于显著性模型的图像检索方法。
技术介绍
图像检索技术是通过计算机对图像进行识别的技术，即对于给定图像，通过计算机算法搜索相关图像信息。这种技术在安防、信息安全领域有非常广阔的应用前景，经过了40多年的研究发展，取得了非常卓越的发展，各种识别算法的不断涌现，大量识别算法是从图像的所有特征出发，通过从二维图像中提取图像的特征信息，如LBP特征或者SIFT特征，然后用此特征信息对数据库中的图像进行检索。然而在现有的图像检索中，都是对图像特征进行检测，再对数据库中的图像进行搜索，但是搜索出来的图像没有针对性，混杂在一起，不够明确什么是搜索的重点，导致检索结果也不够具有针对性。因此，针对上述技术问题，有必要提供一种基于显著性模型的图像检索方法。
技术实现思路
有鉴于此，本专利技术将将显著性建模领域与图像检索相结合，提供一种基于显著性模型的图像检索方法。为了实现上述目的，本专利技术实施例提供的技术方案如下：一种基于显著性模型的图像检索方法，所述方法包括：S1、对数据库中所有图像进行显著性建模，区分所有图像中的显著性区域和非显著性区域并保存；S2、对待搜索图像进行显著性分析，区分待搜索图像的显著性区域；S3、按照数据库中所有图像显著性区域和非显著性区域内与待搜索图像显著性区域内相同特征的个数标定图像分数；S4、按照图像分数来对数据库中的图像排序，确定搜索结果。作为本专利技术的进一步改进，所述步骤S1中显著性建模为具体为：按照特征分布查找，统计图像中出现的特征，按照在有限区域内不同种类的特征汇聚在一起的个数多少确定显著性区域和非显著性区域。作为本专利技术的进一步改进，所述步骤S1中显著性建模为具体为：按照颜色直方图查找，对图像像素的每一行统计颜色直方图，横坐标为颜色分类，纵坐标为不同颜色在这一行出现的次数，查找是否两种不同颜色的分类有同时出现，再乘以占总行出现个数的权值，标定出不同位置的显著性区域，然后用扩散的方法区分显著性区域和非显著性区域。作为本专利技术的进一步改进，所述特征为SIFT特征、SURF特征、BRISK特征中的一种或多种。作为本专利技术的进一步改进，所述步骤S3具体为：检查数据库中图像的显著性区域内是否出现与待搜索图像显著性区域相同种类的特征，若是，则取数据库中图像的显著性区域内特征个数和待搜索图像显著性区域内特征个数的最小值，乘以4后加入当前图像分数中；检查数据库中图像的非显著性区域内是否出现与待搜索图像显著性区域相同种类的特征，若是，则取数据库中图像的非显著性区域内特征个数和待搜索图像显著性区域内特征个数的最小值，加入当前图像分数中。本专利技术具有以下有益效果：本专利技术将图像显著性建模加入图像检索中，有针对的找到显著性区域，提取图像的重要表达区域进行检索，从而能够将检索结果按重要度分级，可以按搜索的不同主题进行搜索，检索结果可以区分主题、分类主次。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术中基于显著性模型的图像检索方法的具体流程图。图2为本专利技术一具体实施例中显著性模型的示意图。具体实施方式为了使本
的人员更好地理解本专利技术中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。参图1所示，本专利技术公开了一种基于显著性模型的图像检索方法，具体包括：S1、对数据库中所有图像进行显著性建模，区分所有图像中的显著性区域和非显著性区域并保存；S2、对待搜索图像进行显著性分析，区分待搜索图像的显著性区域；S3、按照数据库中所有图像显著性区域和非显著性区域内与待搜索图像显著性区域内相同特征的个数标定图像分数；S4、按照图像分数来对数据库中的图像排序，确定搜索结果。本专利技术中特征为SIFT(尺度不变特征转换，Scale-invariantfeaturetransform)特征、SURF(加速鲁棒性特征,SpeededUpRobustFeatures)特征、BRISK(二进制鲁棒不变尺度特征，BinaryRobustInvariantScaleKeypoint)特征中的一种或多种。优选地，在以下实施例中以SIFT特征为例进行说明。其中，步骤S1中显著性建模可以多样化，可以使用SIFT特征聚簇的特性；也可以使用颜色直方图的不同颜色却邻近、对比度大的特性等。具体包括：按照特征分布查找，统计图像中出现的特征，按照在有限区域内不同种类的特征汇聚在一起的个数多少确定显著性区域和非显著性区域。使用聚类后的SIFT种类描述显著性区域即可，无需使用128维度SIFT特征，这样搜索时更快速。具体地，如按圆形区域框住显著性区域，特征分布查找方法为统计当前图像中出现的SIFT特征，看在有限的圆形区域内，哪些不同种类的特征汇聚在一起的个数最多则认为此区域更重要。按照颜色直方图查找，对图像像素的每一行统计颜色直方图，横坐标为颜色分类，纵坐标为不同颜色在这一行出现的次数，查找是否两种不同颜色的分类有同时出现，再乘以占总行出现个数的权值，标定出不同位置的显著性区域，然后用扩散的方法区分显著性区域和非显著性区域。考虑同种颜色的像素点紧挨在一起的可能性很大，而他们并不重要。但不同种类颜色，差别越大，越有区分性，则越重要。所以可以对当前图像的RGB3个分量分别进行考量。在此对R分量进行解释如何进行显著性建模：对图像像素的每一行，统计颜色直方图。横坐标为256的颜色分类，纵坐标为不同颜色在这一行出现的次数。查找看是否哪两种不同颜色的分类有同时出现，给他们以乘以占总行出现个数的权值，以此在标定出不同位置的显著性区域。然后用扩散的方法，使用圆形区域框住重要的显著性区域、非显著性区域。如在本专利技术的一优选实施方式中，详细步骤如下：对数据库中所有图像进行显著性建模，区分所有图像中的显著性区域和非显著性区域并保存。本实施方式中采用按照特征分布查找的方法，将图像分为6×6的格子，统计每个格子内特征的个数，保留最多的2个到3个格子即为显著性区域。搜索图片时，对待搜索图像进行SIFT特征检测及描述，区分待搜索图像的显著性区域和非显著性区域。检查所有图像每个格子区域内是否出现与待搜索图像显著性区域相同种类的特征。检查数据库中图像的显著性区域内是否出现与待搜索图像显著性区域相同种类的特征，若是，则取数据库中图像的显著性区域内特征个数和待搜索图像显著性区域内特征个数的最小值，乘以4后加入当前图像分数中；检查数据库中图像的非显著性区域内是否出现与待搜索图像显著性区域相同种类的特征，若是，则取数据库中图像的非显著性区域内特征个数和待搜索图像显著性区域内特征个数的最小值，加入当前图像分数中。按照数据库中所有图像显著性区域和非显著性区域内与待搜索图像显著性区域内相同特征的个数标定本文档来自技高网...

【技术保护点】
一种基于显著性模型的图像检索方法，其特征在于，所述方法包括：S1、对数据库中所有图像进行显著性建模，区分所有图像中的显著性区域和非显著性区域并保存；S2、对待搜索图像进行显著性分析，区分待搜索图像的显著性区域；S3、按照数据库中所有图像显著性区域和非显著性区域内与待搜索图像显著性区域内相同特征的个数标定图像分数；S4、按照图像分数来对数据库中的图像排序，确定搜索结果。

【技术特征摘要】
1.一种基于显著性模型的图像检索方法，其特征在于，所述方法包括：S1、对数据库中所有图像进行显著性建模，区分所有图像中的显著性区域和非显著性区域并保存；按照特征分布查找的方法，统计图像中出现的特征，将图像分为6×6的格子，统计每个格子内特征的个数，保留2-3个格子即为显著性区域；S2、对待搜索图像进行显著性分析，区分待搜索图像的显著性区域；S3、按照数据库中所有图像显著性区域和非显著性区域内与待搜索图像显著性区域内相同特征的个数标定图像分数；检查数据库中图像的显著性区域内是否出现与待搜索图...

【专利技术属性】
技术研发人员：刘宇，冯良炳，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44