[发明专利]基于数据库邻域关系的图像特征增强方法

权利要求书

1.一种基于数据库邻域关系的图像特征增强方法，其特征在于，包括：

基于去除输入图像尺寸限制的改进CNN特征提取方式，并通过最大能量池化方法自适应地选择输入图像的最优尺度，从而完成数据库图像的CNN特征提取；

针对数据库图像中的每一CNN特征均朝着其相关图像的CNN特征进行一定程度的移动，使得数据库中的相关图像在特征空间聚合在一定范围之内，从而实现数据库图像CNN特征的增强；

其中，所述基于去除输入图像尺寸限制的改进CNN特征提取方式，并通过最大能量池化方法自适应地选择输入图像的最优尺度，从而完成数据库图像的CNN特征提取包括：

基于改进后的AlexNet模型提取数据库图像的CNN特征，所述改进后的AlexNet模型为：将AlexNet模型中所有的全连接层除去，将池化层的输出作为整个模型的输出，从而去除AlexNet模型对输入图像尺寸的限制；

通过最大能量池化方法自适应地选择输入图像的最优尺度：针对数据库中的每一图像均等比例缩放至N_S个尺度并作为输入图像输入至改进后的AlexNet模型中，每个尺度S_i上提取一个CNN特征其中，1≤i≤N_S，M为所提取CNN特征的维数，最优尺度S满足如下表达式：

通过上述方式选出数据库中所有图像的最佳尺度的特征后，对每一图像最优尺度的CNN特征中每一维进行开方运算，然后进行L2归一化，从而完成数据库图像的CNN特征提取。

2.根据权利要求1所述的方法，其特征在于，针对数据库图像中的每一CNN特征均朝着其相关图像的CNN特征进行一定程度的移动，使得数据库中的相关图像在特征空间聚合在一定范围之内，从而实现数据库图像CNN特征的增强包括：

假设CNN特征x与CNN特征r为相关图像，则通过下式在CNN特征x与CNN特征r之间生成一个新的位置：

其中，λ≥0为加权因子；

则对于数据库图像中的每一CNN特征v均通过朝着其相关图像的CNN特征进行一定程度的移动，从而实现数据库图像CNN特征的增强，表示为：

其中，v'为增强后的CNN特征v，N(v,K)表示CNN特征v的K-最近邻域，λ_p为对应于CNN特征r_p的加权因子。

3.根据权利要求2所述的方法，其特征在于，所述加权因子λ的计算公式为：

λ＝λ_Bλ_Sλ_Rλ_N；

上式中，λ_B为基本加权因子，用于控制总体的更新程度；

λ_S＝x·r为相似性因子；

λ_R为k-互近邻约束，表示为：

其中，r_max为一个截断参数，R(x,r)表示CNN特征x与CNN特征r之间的k-互近邻关系，即R(x,r)＝max{rank(x,r),rank(r,x)}，rank(x,r)表示CNN特征r为CNN特征x的第几最近邻，rank(r,x)表示CNN特征x为CNN特征r的第几最近邻；

λ_N为参考邻域距离因子，表示为：

其中，N(r,K_r)表示CNN特征r的K_r-最近邻域。

4.根据权利要求1-3任一项所述的方法，其特征在于，该方法还包括：使用上下文不相似测度CDM方法对增强后的数据库图像CNN特征进行扩展。

5.根据权利要求4所述的方法，其特征在于，该方法还包括：基于扩展后的数据库图像CNN特征进行图像查询，其步骤如下：

将输入的查询图像基于去除输入图像尺寸限制的改进CNN特征提取方式提取CNN特征，获得查询图像CNN特征x_q，再逐一计算查询图像CNN特征x_q与扩展后的数据库图像每一CNN特征x_d的距离d*(x_q,xd)：

其中，d(x_q,xd)为CNN特征x_q与x_d之间的欧氏距离；λ_N'为CNN特征x_q与x_d之间的参考邻域距离因子。