[发明专利]一种高效的图像检索结果质量评价方法

权利要求书

1.一种高效的图像检索结果质量评价方法，其特征在于，该方法包括：

根据输入的文本查询Q返回的检索图片列表L重建一个视觉查询Q'来表征返回的检索图片列表L所蕴含的视觉主题；

将重建的视觉查询Q'输入至一个基于内容的图像检索系统，获得一个对应的检索图片列表L'；

分别建立检索图片列表L与L'的语言模型，并计算两个语言模型之间的KL距离，将该距离值作为本次检索结果的质量评价结果。

2.根据权利要求1所述的方法，其特征在于，所述根据输入的文本查询Q返回的检索图片列表L重建一个视觉查询Q'来表征返回的检索图片列表L所传达的视觉主题包括：

首先，采用视觉词袋模型和向量空间模型将检索图片列表L＝{I₁,I₂,...,I_N}中的图片I_i表示成一组向量，包括：采用密集采样尺度不变特征转换技术Dense SIFT提取每一图片I_i的SIFT特征；然后，使用聚类算法K-means将得到的所有SIFT特征聚成包含S个视觉单词的码本；按照最近邻准则将所有SIFT特征量化到对应的视觉单词上；再使用TF权重机制来衡量每个视觉单词在每张图片中的重要性；最后，采用向量空间模型将图片I_i表示一组向量，其表达式为：xⁱ中每维向量通过下式进行计算：

xji=tfj,j=1,2,...,S]]>

其中，tf_j表示视觉单词w_j在图片I_i中出现的频率；

然后，构建一个用于表示视觉单词w_j在检索图片列表L中的概率分布的语言模型，表示为：

P(w_j|L)＝∑P(w_j|I_i)P(I_i|L)；

其中，P(w_j|I_i)表示视觉单词w_j在图片I_i中出现的频率，所述P(w_j|I_i)为tf_j的归一化表示；P(I_i|L)表示图片I_i在检索图片列表L中的重要性，排名前v的图片具有相同的重要性表示为

再根据构建的语言模型估算每一视觉单词w_j在检索图片列表L中的重要性得分，其公式为：

score(wj)=P(wj|L)-P(wj|C)P(wj|C);]]>

或者，

其中，P(w_j|C)表示视觉单词w_j在整个数据集C中出现的频率；

最后，按照视觉单词w_j在检索图片列表L中的重要性得分从大到小的顺序进行排序，选择排名前K个视觉单词来构建视觉查询Q'，表示为：

Q'＝{w'_k,k＝1,2,...,K}。