[发明专利]一种基于显著区域的图像查询方法

说明书

技术领域

本发明涉及图像处理、计算机视觉以及模式识别技术，特别涉及一种基于显著区域的图像查询方法。

背景技术

在当今数字化和网络化的时代，图像已成为人们接触最多得的信息载体之一。图像信息有其自身的特点，一方面它的信息量大，但另一方面，它的抽象化和结构化程度很低，不利于进行有效的管理。因此快速的从大量的图像信息中获取有用的信息成为一个关注热点，如何有效的对大规模图像库进行检索已成为一个亟待解决的问题。

目前普遍的认识到，基于特定区域的检索比基于全部图像特征的检索更加高效，尤其对于应用在商业网站上的图像检索系统而言，商品往往都处于图像中比较显著的位置，而且也是用户更感兴趣的区域，其周边的背景图像往往可以被忽略。其中一个最核心的问题是如何在图像中决定哪些是最重要的、最具代表性的区域。很明显，如果每个区域中语义内容和对象已知，则这个问题很容易解决。但是，这个问题远远超过了当前的计算机视觉的发展能力。另一方面，感知注意机制在生物视觉和人类的识别中发挥了很重要的作用，它使得人们能够自动的滤除和筛选进入人眼的信息。如果这种注意机制能够模型化，它就能够用来帮助决定图像中的最重要的区域，从而服务于基于区域的图像内容检索。

传统的基于形状或基于区域的图像检索系统，严重依赖于准确的图像分割机制，后果往往是计算量很大，而且因为涉及到语义内容理解问题导致难以产生令人满意的效果。为了减少采用低级特征的缺陷，同时又能避免对语义内容的完全理解，引入了基于视觉注意模型的图像分析技术。注意是一个神经生物学概念。它指的是人们能将大脑的主要精力集中放到一个物体上的能力。计算注意模型使得人们通过较少的计算就能对图像进行分析、理解，同时又能很好的符合人们的视觉感知。

由于图像检索具有自身的特点，不同领域中的图像在对象分布上也各有规律。商业网站上的图像，比如一些在线交易网站淘宝网、当当网等，一般具有以下特点：(1)每幅图像里只有不多于三个的关注对象；(2)关注对象往往处在图像中间位置，以吸引用户注意力；(3)背景一般都不提供有用的信息，可以忽略；(4)分辨率较低。已有的方法没有将显著图技术与具体的商业图像检索的要求和特点结合起来，检索效率较低，难以实现真正的实时商业应用。

发明内容

本发明的目的是克服现有技术的缺陷，提供一种能够简化计算，突出图像中的显著区域，模拟用户的关注模式，得到更好的检索性能的基于显著区域的图像查询方法。

为了实现上述目的，本发明采取如下技术方案：

一种基于显著区域的图像查询方法，包括以下步骤：

(1)将图像进行网格划分；

(2)对网格进行模糊聚类，将图像分割成若干关注区域；关注区域是图像分割得到的每一个连通区域；

(3)基于关注区域计算显著度；

(4)将所有格点按照显著度进行排序，得到显著区域；

(5)进行图像查询。

在上述技术方案中，进一步地，所述步骤(1)将图像进行固定块数的网格划分包括以下步骤：①根据图像每个像素点的RGB(Red红，Green绿，Blue蓝)值，将颜色空间转化到HSV(Hue色度，Saturation饱和度，Value纯度)空间；②将HSV空间中的三个独立通道进行量化和融合，得到一幅彩色灰度图；③在彩色灰度图的基础上，将每幅图像划分为同等大小的网格。

在上述技术方案中，进一步地，所述步骤(2)将图像以网格为最小单位进行模糊聚类，得到粗粒度的分割结果，具体步骤如下：①提取每个网格的颜色特征和纹理特征，并将颜色和纹理特征整合成为一个特征向量；②对这些特征向量进行聚类。

在上述技术方案中，进一步地，所述步骤(3)具体步骤如下：①基于关注区域计算显著度的描述特征：颜色对比、强度对比和方向性对比等；②将多个显著度的描述特征进行融合，得到显著图；③修正显著图。

在上述技术方案中，进一步地，所述步骤③修正显著图，是根据格点到图像中心的距离产生修正权值，对显著图进行修正。

在上述技术方案中，进一步地，所述步骤(4)中，将格点根据显著度进行排序，得到显著区域，显著区域是显著度最大的点对应的关注区域。

在上述技术方案中，进一步地，步骤(5)中，用户提交目标图像后，是基于显著区域进行图像查询，采用以下步骤进行查询：①提取目标图像的显著区域和特征向量；②与图像库中的每副待查图像的显著区域的特征向量进行相似性匹配；③根据相似性进行排序，并按照设定数目输出排在前面的图像。

本发明的优点在于：