[发明专利]一种大规模局部区域图像的检索方法

说明书

本申请提供了一种大规模局部区域图像的检索方法，通过第一改进的VGG16特征提取网络获取图像数据库所有图像的深层特征。通深层特征，对原始图像中包含物体类的区域进行划分，获得区域子图。接着通过第二改进的VGG16特征提取网络以及主成分分析PCA对所有子图进行特征提取以及降维，更好的保留图像的局部特征信息，同时降低了计算开销。最后将待检索图片输入第三改进的VGG16特征提取网络进行特征提取并通过主成分分析PCA降维，得到的低维特征向量与特征数据库进行相似度计算，检索出与待检索图片最相似的若干张图片作为检索结果。通过待检索图像低维的特征向量与特征数据库进行计算，可以大大提高检索效率，并且获得优异的检索结果。

技术领域

本发明属于图像检索领域，具体涉及一种大规模局部区域图像的检索方法。

背景技术

如今，智能终端的高速发展和多媒体技术的广泛应用，使得共享和存储的数子图像越来越多。例如：淘宝网、google搜图等等，它们后台存储着数亿张的图像数据，如何在这样海量的数据中准确而快速地搜索相似图像，是图像检索领域一直以来的研究热点。局部图像检索可以帮助用户使用局部图像检索到大数据集中拥有相似子区域的图像，但在当前算法中，针对大规模数据集的检索，会消耗巨大的计算资源，导致检索效率低下，且局部检索的精度很难保证。在局部图像检索任务中，很多算法会先对数据中不同的类别进行分割或分类，导致只能对预设的有限类别进行检索，存在检索的局限性过大的问题。

发明内容

本发明的目的在于解决局部图像检索任务中精度低和效率低问题，提出了一种大规模局部区域图像的检索方法。应用于大规模的海量图像在局部图像检索的场景中有更加优异的性能。

本发明通过下述技术方案实现，一种大规模局部区域图像的检索方法，包括：

获取检索图像数据库，所述检索图像数据库表示包含所有种类的原始自然图像；

通过第一改进的VGG16特征提取网络对检索图像数据库进行处理，得到图像的深层特征；

通过区域划分方法对所述深层特征进行处理，得到多个包含单一感兴趣区域的局部子图像，所述多个包含单一感兴趣区域的局部子图像是原始自然图像中的某一局部图像；

通过第二改进的VGG16特征提取网络对得到的多个包含单一感兴趣区域的局部子图像进行处理，得到局部子图像的特征向量；

通过第二改进的VGG16特征提取网络在特征提取过程中得到不同局部子图像对应的特征向量，对所述特征向量采用主成分分析法PCA进行特征向量降维，输出降低维度的不同局部子图像对应的特征向量；

基于所述的降低维度的不同局部子图像对应的特征向量构建特征数据库；

获取待检测目标图像，通过第三改进的VGG16的特征提取网络对所述待检测目标图像进行处理，输出待检索目标图像对应的特征向量；

通过主成分分析法PCA对所述待检索目标图像对应的特征向量进行降维，得到降维后的待检测目标图像对应的特征向量；

基于上述降维后的待检测目标图像对应的特征向量和所述的特征数据库，通过相似度计算检索到数据库中的对应图像若干个待检测结果。

在一种可能的实施方式中，所述第一改进的VGG16特征提取网络包括顺次连接的第一至第二卷积层、第一混合注意力机制层、第一最大池化层、第八至第九卷积层，第二混合注意力机制层、第二最大池化层、第十至第十二卷积层、第三混合注意力机制层、第三最大池化层、第十三至第第十五卷积层、第四混合注意力机制层；

所述图像数据库中所有图像作为所述第一改进的VGG16特征提取网络的输入；

所述第四混合注意力机制层的输出作为第一改进的VGG16特征提取网络的输出。

在一种可能的实施方式中，第一到第五混合注意力机制层MixAttention Block的结构相同，均包括两条并行的特征提取路径第一特征提取路径和第二特征提取路径。