一种基于深度Tamura特征描述子的图像检索方法技术

本发明专利技术公开了一种融合深度特征和Tamura纹理信息的图像检索方法，首先在深度特征中提取图像的Tamura纹理信息，并将深度特征与纹理信息融合得到深度Tamura特征，该特征不仅具有高级语义信息，同时也包含低级的纹理属性；其次，提出一种深度Tamura特征空间布局优化方法，该方法能够去除背景噪音的干扰，增强目标物体的特征响应强度；最后对优化后的深度Tamura特征进行归一化和白化得到一个鲁棒性的图像表征，将该图像表征用于图像检索，得到了用户需要的返回图像。该方法融合了不同层次视觉特征的优势，通过特征互补的优势补全了图像信息，并得到了更具区分性的图像表征，取得了优异的图像检索性能。了优异的图像检索性能。了优异的图像检索性能。

【技术实现步骤摘要】
一种基于深度Tamura特征描述子的图像检索方法


[0001]本专利技术涉及图像检索
，具体涉及一种基于深度Tamura特征描述子的图像检索方法。

技术介绍

[0002]随着计算机网络和多媒体技术的快速发展，互联网中涌入了大量的信息，其中视觉信息占据了较大的比重，如图像和视频信息。用户要想从浩瀚的图像中获得自己所需的图片信息，那么必须要通过图像检索技术来满足用户对信息获取的要求。因此，近年来图像检索技术受到了越来越多的关注和研究，并被广泛应用到各个行业：学术界、医学界、工业界等。例如，在文献搜索时通过文字或者图像来检索用户需要的文章；医学上通过在数据库中搜索相同的病例图像来辅助治疗；工厂中通过图片检索出优质品和劣质品。随着网络服务器中的图像数量越来越多，用户在网络上查找需要的图像信息也变得愈加困难。因此，如何高效且准确地检索出所需的图像，是图像检索领域的研究重点。在图像检索中不同的视觉特征可以表达不同的图像内容，低级视觉特征可以表示近似于人类视觉感知的信息，但它无法表达高级语义信息，从而限制了该特征的使用范围。近年来，深度学习技术得到了快速的发展，尤其是卷积神经网络，可以提取图像的深度特征，并且能够很好地表达图像的高级语义信息。在此背景下，如何结合低级特征和深度特征的优点来构建具有强区分性的图像表征成为了图像检索的热点和难点。

技术实现思路

[0003]本专利技术针对如何在深度学习模型中利用深度Tamura纹理特征来提供更具辨识度的表征的问题，提供了一种基于深度Tamura特征的图像检索方法。其能够对利用卷积神经网络模型来获得深度特征进行特征增强，然后利用深度Tamura特征来增强图像的可区分性，从而有效地提升图像检索性能。
[0004]为解决上述问题，本专利技术通过以下技术方案实现的：
[0005]一种基于深度Tamura特征描述子的图像检索方法，包括步骤如下：
[0006]步骤1、分别将不同数据库中的数据图像输入到深度卷积神经网络模型中，提取每张图片的深度特征图；
[0007]步骤2、对图像的深度特征进行增强处理，得到增强后的深度Tamura特征图；
[0008]步骤3、对增强后的深度Tamura特征图进行选择处理，得到可区分性的特征滤波器，然后使用可区分性的特征滤波器对深度Tamura特征进行加权，从而获得优化后的深度Tamura特征；
[0009]步骤4、对优化的深度Tamura特征进行聚合得到深度Tamura特征描述子；
[0010]步骤5、将查询图像输入卷积神经网络模型，提取查询图像的深度特征；
[0011]步骤6、对得到的查询图的深度特征进行特征增强，得到深度Tamura特征图；
[0012]步骤7、对查询图的深度Tamura特征图进行选择处理，得到可区分性的特征滤波
器，然后使用可区分性的特征滤波器对深度Tamura特征进行加权，从而得到优化后的深度Tamura特征；
[0013]步骤8、将查询图的优化后的深度Tamura特征进行加权得到深度Tamura特征描述子；
[0014]步骤9、将深度Tamura特征描述子作为图像的最终特征，通过特征相似性匹配，返回的图像作为图像检索的结果。
[0015]进一步地，步骤2所述对图像的深度特征进行增强处理，处理方法具体步骤如下：
[0016]步骤2.1、设单张图片的深度特征张量表示为：X∈R
W
×
H
×
K
，其中W和H分别表示特征图的宽度和高度，K表示特征图的总数，首先计算深度特征的对比度统计量，表示为计算公式如下：
[0017][0018]然后再计算深度特征的粗糙度统计量，表示为其中，平均强度值、平均强度差和特征图的最佳尺度是计算粗糙度的三个重要项，通过以下公式计算出这三个关键值；平均强度值公式为：
[0019][0020]其中，g(i,j)为特征图的强度值；
[0021]平均强度差公式为：
[0022][0023]在每个点上，挑选出最佳尺寸(S
best
)，它能给出最高的输出值E
max
，其中n
best
在任一方向上都能使E最大化；
[0024]特征图的最佳尺寸由n值计算，表示为S
best
(x,y)，
[0025][0026]最后，通过计算S
best
的平均值得到特征图的粗糙度f
crs
，其计算公式为：
[0027][0028]步骤2.2、将对比度和粗糙度统计量用作统计描述符，以增强深度特征，并将对比度和粗糙度合并为一个统计向量F，其公式如下：
[0029]F
k
＝(f
kcon
×
f
kcrs
)2ꢀꢀꢀꢀꢀꢀꢀ
#(6)
[0030]利用对数函数来平衡统计向量，平衡后的结果表示为统计描述符C：
[0031][0032]步骤2.3、使用统计描述符对深度特征图进行加权增强表征，得到深度Tamura特征图定义如下：
[0033][0034]其中，X
k
表示深度特征。
[0035]进一步地，步骤3所述对增强后的深度Tamura特征图进行选择处理，处理方法具体步骤如下：
[0036]使用求和池化将深度特征图聚集在K个通道中，结果表示为其中
[0037]b
k
＝Sum(X
k
)
ꢀꢀꢀꢀꢀꢀꢀ
#(9)
[0038]将B值按降序排序，挑选出前k'值，然后，对应于前k'值的通道索引被定义为
[0039]在m个数据集中，每张图片挑选通道索引，表示为P
′
＝{P1；P2…
；P
m
}，通过计算P
′
中通道出现频率得到最高的k
′
个通道，表示为将这k
′
个通道进行聚合得到可区分性特征滤波器，公式如下：
[0040][0041]对得到的可区分性滤波器L进行归一化和功率标度，生成位置权重，公式如下：
[0042][0043]使用位置权重对深度Tamura特征进行加权，得到优化的深度Tamura特征，
[0044]X
″
k
＝X
′
k
⊙
PW,k∈{1,2,3,
…
K}
ꢀꢀꢀꢀꢀꢀ
#(12)。
[0045]进一步地，步骤4所述对优化后的深度Tamura特征进行聚合表示为公式如下：
[0046]T
k
＝Sum(X
″
k
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
#(13)
[0047]对优化后的特征向量T、L2归一化和PCA白化进行后处理，得到用于图像检索的深度Tamura特征描述符(DTF本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度Tamura特征描述子的图像检索方法，其特征在于，包括步骤如下：步骤1、分别将不同数据库中的数据图像输入到深度卷积神经网络模型中，提取每张图片的深度特征图；步骤2、对图像的深度特征进行增强处理，得到增强后的深度Tamura特征图；步骤3、对增强后的深度Tamura特征图进行选择处理，得到可区分性的特征滤波器，然后使用可区分性的特征滤波器对深度Tamura特征进行加权，从而获得优化后的深度Tamura特征；步骤4、对优化的深度Tamura特征进行聚合得到深度Tamura特征描述子；步骤5、将查询图像输入卷积神经网络模型，提取查询图像的深度特征；步骤6、对得到的查询图的深度特征进行特征增强，得到深度Tamura特征图；步骤7、对查询图的深度Tamura特征图进行选择处理，得到可区分性的特征滤波器，然后使用可区分性的特征滤波器对深度Tamura特征进行加权，从而得到优化后的深度Tamura特征；步骤8、将查询图的优化后的深度Tamura特征进行加权得到深度Tamura特征描述子；步骤9、将深度Tamura特征描述子作为图像的最终特征，通过特征相似性匹配，返回的图像作为图像检索的结果。2.根据权利要求1所述的图像检索方法，其特征在于，步骤2所述对图像的深度特征进行增强处理，处理方法具体步骤如下：步骤2.1、设单张图片的深度特征张量表示为：X∈R
W
×
H
×
K
，其中W和H分别表示特征图的宽度和高度，K表示特征图的总数，首先计算深度特征的对比度统计量，表示为计算公式如下：然后再计算深度特征的粗糙度统计量，表示为其中，平均强度值、平均强度差和特征图的最佳尺度是计算粗糙度的三个重要项，通过以下公式计算出这三个关键值；平均强度值公式为：其中，g(i,j)为特征图的强度值；平均强度差公式为：在每个点上，挑选出最佳尺寸(S
best
)，它能给出最高的输出值E
max
，其中n
best
在任一方向上都能使E最大化；
特征图的最佳尺寸由n值计算，表示为S
best
(x,y)，最后，通过计算S
best
的平均值得到特征图的粗糙度f
crs
，其计算公式为：步骤2.2、将对比度和粗糙度统计量用作统计描述符，以增强深度特征，并将对比度和粗糙度合并为一个统计向量F，其公式如下：F
k
＝(f
kcon
×
f
kcrs
)2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
# (6)利用对数函数来平衡统计向量，平衡后的结果表示为统计描述符C：步骤2.3、使用统计学描述符对深度特征图进行加权增强表征，得到深度Tamura特征图定义如下：其中，X
k
表示深度特征。3.根据权利要求2所述的图像检索方法，其特征在于，步骤3所述对增强后的深度Tamura特征图进行选择处理，处理方法具体步骤如下：使用求和池化将深度特征图聚集在K个通道中，结果表示为其中b
k
＝Sum(X
k
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
# (9)将B值按降序排序，挑选出前k'值，然后，对应于前k'值的通道索引被定义为在m个数据集中，每张图片挑选通道...

【专利技术属性】
技术研发人员：孔令杰，张伯健，何巧萍，陆周，李晓鹏，
申请(专利权)人：广西师范大学，
类型：发明
国别省市：