[发明专利]一种基于文本索引的实时图像检索方法

摘要

本发明提供了一种基于文本索引的实时图像检索方法，步骤包括：构建字典树并获得各个特征向量v_q组成图像查询库、提取输入图像的图像特征点并生成特征描述子、将输入图像的特征描述子序列化为用特征字典表示的特征向量v_d、计算图库中的特征向量与输入图像序列化后的特征向量间的相似度sim(v_q,v_d)以及验证检索出来的M张图片并检索结果等步骤。该图像检索方法将图像特征换成文本向量，特征检索变成文本检索的方法，使得检索速度能达到实时，同时在识别结果上做了更深层次的验证，使得方法更具鲁棒性。

主权项

1.一种基于文本索引的实时图像检索方法，其特征在于，包括如下步骤：步骤1，构建字典树，具体步骤为：步骤1.1，用FAST角点算法分层提取图库中每一张图像的多尺度仿射不变特征点，并根据不变特征点的分布筛选部分特征点生成特征描述子数据库D；步骤1.2，用聚类算法分层训练特征描述子，当层数l＝1时，将特征描述子数据库D分为K个子类，即D₁₁,D₁₂,…,D_1K，再用同样的方法训练l＝2,…,L层的特征描述子，最终生成L层且每层有K^l个节点的字典树；步骤1.3将字典树最外层的节点作为特征字典，共K^L个特征字典，再统计每一个特征字典在图库中出现的次数，并根据出现的次数计算出每一个特征字典的权值t_i，再生成图库中每一张图像的特征向量v_q，并由各个特征向量v_q组成图像查询库；其中，n_id表示第i个特征字典在特征描述子数据库D中的出现的次数，n_d表示特征描述子数据库D中特征字典的数量，N表示图库中图像的数量，N_i表示图库中出现第i个特征字典的次数；步骤2，对于输入图像，采用FAST角点算法分层提取输入图像的图像特征点，并根据特征点的分布筛选部分特征点生成输入图像的特征描述子；步骤3，根据生成的字典树将输入图像的特征描述子序列化为特征字典表示，再根据序列化后的特征字典的权值生成输入图像的特征向量v_d；步骤4，计算图像查询库中的各个特征向量v_q与输入图像序列化后的特征向量v_d之间的相似度sim(v_q,v_d)，并返回相似度超过相似阈值的M张图片，其中，T表示矩阵的转置；步骤5，分别验证返回的M张图片与输入图像是否为同一张，若完全相同，则输出该张检索出来的图片为检索结果。