买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江理工大学

摘要：本发明公开了一种基于多特征融合的图像检索方法，通过融合使用两种不同层次且具有互补性的浅层视觉特征和深度学习特征，实现对图像的内容特征提取，能准确地描述图像特征，提高图像检索的可靠性和检索的鲁棒性。本发明设计的融合特征结合图像浅层视觉特征的几何不变性和深度学习特征的高层语义特性，优于传统特征及单一特征；本发明对融合特征进行PCA降维处理，得到的特征维度较低，在特征比对速度、特征存储空间上有较大优势；本发明设计的多特征融合方式简单，检索流程高效，检索准确率高。

主权项：1.一种基于多特征融合的图像检索方法，包括如下步骤：1对目标图像进行SIFT特征提取，利用预训练好的视觉词典使用局部特征编码算法对SIFT特征进行编码，作为目标图像的浅层视觉特征；所述局部特征编码算法采用多近邻软分配聚合SIFT局部特征，通过距离比值计算SIFT特征向量与n个近邻视觉单词的隶属度，隶属度的计算公式如下： 其中：xi为目标图像的SIFT特征向量，n表示为SIFT特征向量xi分配的近邻视觉单词数量，bj为分配的第j个近邻视觉单词，uij为SIFT特征向量xi在近邻视觉单词bj上的隶属度，β为平滑因子控制函数的变化率；2将预处理后的目标图像输入到预训练好的Resnet50神经网络中提取卷积层特征，作为目标图像的深度学习特征，具体实现方式为：首先将目标图像的尺寸缩放至224×224像素大小，并去均值化处理；然后将处理后的目标图像输入至预训练好的Resnet50神经网络中，提取该神经网络第5个卷积层输出的特征图谱，并采用RMAC编码的方式将其聚合成一维特征向量作为目标图像的深度学习特征；所述RMAC编码的具体实现为：对于特征图谱中任一层二维的特征图，首先利用多尺度滑动窗口的策略在该特征图上进行均匀采样，其中第l个尺度的滑动窗口所对应的正方形边长为2×minW,Hl+1，W和H为特征图的宽和高，这些正方形窗口在特征图上滑动，相邻窗口之间具有不少于40％的重叠面积；然后对各个尺度滑动窗口所提取的所有局部区域的特征响应极大值求和，得到特征图的RMAC特征值；最后将所有特征图的RMAC特征值组合成一维向量的形式即作为目标图像的深度学习特征；3分别对目标图像的浅层视觉特征和深度学习特征进行L2范数归一化，然后将归一化后的特征进行加权串联并结合PCA降维处理，从而得到目标图像的融合特征；4将目标图像的融合特征与特征库中的所有图像特征向量进行比对，并采用查询扩展的方式，最终获得检索结果。

全文数据：

权利要求：

百度查询： 浙江理工大学 一种基于多特征融合的图像检索方法