[发明专利]一种高效的图像检索结果质量评价方法

说明书

技术领域

本发明涉及图像检索技术领域，尤其涉及一种高效的图像检索结果质量评价方法。

背景技术

图像检索结果质量评价是图像检索领域研究的前沿问题。该技术试图在没有相关信息(即未知检索返回结果与查询的相关程度)的情况下，评估检索系统对某一查询其返回结果的质量高低程度。检索结果质量评价能够同时对用户和检索系统产生积极的影响。从用户的角度讲，该技术可以起到桥梁的作用，使得用户能够与检索系统互动，以便获得更好地检索结果；对检索系统来说，在理想情况下，如果一个检索系统能够自动预测某一查询的性能，那么它就可以自动地调整其参数或者算法来适应不同的查询，从而提供更好的检索性能。

相对于长期在检索模型上的探索，图像检索查询性能预测的研究还处于初级阶段。最初关于图像检索查询性能预测的研究是基于文本信息的，主要通过研究检索返回图片周围的文本信息(上下文文本，图片URL等)与输入查询文本之间的相互关系，例如词汇的具体性、一般性、歧义性和生动性等，来评估检索结果质量。这些研究主要存在一个重大问题：忽略了图片的视觉内容而仅仅考虑文本信息，然而文本信息往往包含很多“噪声”。

目前大部分研究还是基于检索返回图片之间潜在的视觉统计特性出发的。这类方法的主要做法是先将图片表示成由视觉单词组成的文档，然后借用文本分析方法统计一些有关返回图片之间的潜在特性，例如计算由返回图片构成的语言模型和由整个图片集构成的语言模型两者的概率分布差异性；估计返回图片之间的空间一致性；研究针对检索返回列表排名靠前的图片间视觉一致性；以及研究返回图片的视觉相似性分布等等，最后将这些得到的统计特性值作为图像检索结果质量的评估值。上述方法的研究在一定程度上极大地推动了图像检索查询性能预测技术的发展。但是这些方法仍然存在不足之处，它们缺乏将用户输入文本查询考虑在内，因而也没有对用户输入查询与返回图片之间的潜在关系进行很好得研究。

发明内容

本发明的目的是提供一种高效的图像检索结果质量评价方法，能够高效、准确的对图像检索性能进行预测。

本发明的目的是通过以下技术方案实现的：

一种高效的图像检索结果质量评价方法，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。

进一步的，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：

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，表示为