[发明专利]基于CNN特征词汇树的图像检索方法

说明书

本发明公开了一种基于CNN特征词汇树的图像检索方法，旨在解决现有的词汇树方法中存在的准确率低的技术问题。实现步骤为：首先生成图像库中各图像的衍生图像，并提取图像库中各图像的CNN特征,再根据提取的CNN特征构建CNN特征词汇树，接着生成各待检索图像的衍生图像，并提取各待检索图像的CNN特征，通过比较各待检索图像和其相关图像的CNN特征在CNN特征词汇树中的路径，计算待检索图像和其相关图像的距离，并将待检索图像和其相关图像的距离与初始相似度结合，最后根据各待检索图像和其相关图像的综合相似度输出各待检索图像的检索结果。本发明的图像检索准确率高，可用于医学图像计算机辅助诊断系统和以图搜图系统。

技术领域

本发明属于图像处理技术领域，涉及一种图像检索方法，具体涉及一种基于CNN特征词汇树的图像检索方法。可用于医学图像计算机辅助诊断系统和以图搜图系统。

背景技术

图像检索是根据某种相似性比较机制，比较用户输入的描述内容和图像库图像之间的相似性，返回相似图像的过程。随着科技的发展，图像数量呈爆发式增长，图像检索的难度也日益增加。

按照输入的描述内容的不同，图像检索可以分为基于文本的图像检索和基于内容的图像检索。基于文本的图像检索需要大量的人工标注，在图像数据量大时需要耗费大量的人力物力，不适用于大规模数据；基于内容的图像检索以图像自身为输入的描述内容，不需要大量人工标注，并且能最大限度体现用户需求。基于内容的图像检索一般先进行图像库图像的特征提取，再索引化图像库，进行待检索图像的特征提取，通过比较待检索图像的特征和图像库图像的特征的相似度，返回相似度最高的图像库图像。

目前，基于内容的图像检索方法主要有基于哈希的图像检索方法和基于词汇树的图像检索方法。基于哈希的图像检索方法将高维的特征映射到低维的二进制码中，旨在将相似的特征转换成相似的二进制码，从而提高检索效率。

基于词汇树的图像检索方法将图像的SIFT特征量化到树结构中，结合结点权重和量化路径得到图像的相似度，从而返回检索结果。例如，M.Jiang等人2015年在IEEETransactions on Biomedical Engineering的第62卷第2期上发表的《Computer-aideddiagnosis of mammographic masses using scalable image retrieval》中将词汇树用于乳腺X线图像检索，首先提取图像库图像的SIFT特征，随后通过层次聚类将图像库图像的SIFT特征量化到词汇树中，输入待检索图像，提取待检索图像的SIFT特征，并将待检索图像的SIFT特征量化到词汇树中，得到量化路径，通过比较待检索图像和图像库图像的SIFT特征的路径，得到检索结果。该方法采用的SIFT特征为一种人工设计的局部图像描述子，对于边界分明的刚体更加有效，而乳腺X线图像具有存在肿块浸润性生长，边缘模糊的特点，因此该特征不能充分描述乳腺X线图像的高层语义，从而影响词汇树检索的准确率。

授权公告号为CN103020111B，名称为“基于词汇树层次语义模型的图像检索方法”的中国专利，公开了一种基于词汇树层次语义模型的图像检索方法，该方法首先提取图像包含颜色信息的SIFT特征来构造图像库的词汇树，生成描述图像视觉信息的视觉词汇，并在此基础上利用Bayesian决策理论实现视觉词汇到语义主题信息的映射，进而构造了一个层次语义模型，并在此模型基础上完成了基于内容的语义图像检索算法。该方法采用用户搜索结果的反馈信息修正语义映射，提高了图像检索的准确率，但由于实际应用中缺乏有效的用户反馈信息，该方法实际提升的准确率有限，同时采用的SIFT特征为一种人工设计的局部图像描述子，不能充分描述图像的高层语义，对于内容复杂的图像的检索准确率低。

发明内容

本发明的目的在于克服上述现有技术的不足，提出了一种基于CNN特征词汇树的图像检索方法，旨在提高图像检索的准确率。