CN1848115B - 数字图像检索中的主观相似度度量方法 - Google Patents

Abstract

本发明公开了一种数字图像检索中的主观相似度度量方法，其特征是该方法包括以下步骤：(1)数字图像检索装置从数字图像存储设备中获取数字图像，并接受用户的查询图像，包括相关图像和不相关图像；(2)生成图像的特征表示；(3)计算获得以相关图像作为主观视角时，图像与查询的主观相似度；(4)计算获得以不相关图像作为主观视角时，图像与查询的主观相似度；(5)结合两种视角下图像的主观相似度，生成图像最终的主观相似度度量；(6)结束。本发明的优点是通过在度量相似度时强调用户关注的内容，更有效地度量用户感觉的图像相似程度，从而提高数字图像检索装置的性能。

Description

数字图像检索中的主观相似度度量方法

一、技术领域

本发明涉及一种数字图像检索装置中的检索方法，特别是一种适用于数字图像检索中的主观相似度度量方法。

二、背景技术

随着数字图像在各行各业中的广泛应用，数字图像积累得越来越多。为了减轻用户的负担，帮助用户快速、准确地从数字图像库中寻找其希望获得的图像，就需要有效的图像检索技术。在进行图像检索时，用户通常向检索装置提交查询图像，然后检索***将图像库中与查询图像相似的图像查找出来提交给用户。为了考察图像与用户提交的查询图像之间的相似程度，就需要使用相似度度量机制或方法。目前存在的图像相似度度量方法没有考虑用户主观关注的图像内容，不利于有效地检索获得用户主观上觉得相似的图像。

三、发明内容

1、发明目的：本发明的主要目的是针对目前的数字图像相似度度量方法忽视了用户信息的问题，提供了一种主观相似度度量方法。

2、技术方案：为实现本发明所述目的，本发明提供一种适用于数字图像检索的主观相似度度量方法，包括以下步骤：(1)数字图像检索装置从数字图像存储设备中获取数字图像，并接受用户的查询图像，包括相关图像和不相关图像；(2)生成图像的特征表示；(3)计算获得以相关图像作为主观视角时，图像与查询的主观相似度；(4)计算获得以不相关图像作为主观视角时，图像与查询的主观相似度；(5)结合两种视角下图像的主观相似度，生成图像最终的主观相似度度量；(6)结束。下面将结合附图对最佳实施例进行详细说明。

3、有益效果：本发明的显著优点是通过在度量相似度时强调用户关注的内容，更有效地度量用户感觉的图像相似程度，从而提高数字图像检索装置的性能。

四、附图说明

图1是数字图像检索装置工作流程图。

图2是本发明的主观相似度度量方法的流程图。

图3是计算以相关图像作为主观视角时，图像与查询的主观相似度的流程图。

图4是计算以不相关图像作为主观视角时，图像与查询的主观相似度的流程图。

五、具体实施方式

如图1所示，数字图像检索装置从数字图像存储设备获取数字图像，假设数字图像存储设备中存储了M幅图像，装置同时接受用户选择或提交的查询图像，假设其中包含了P(P是一个正整数)幅相关图像(图像中存在用户感兴趣的内容)和N(N是一个非负整数)幅不相关图像(图像中不存在用户感兴趣的内容).然后生成图像的特征表示.可以使用数字图像处理教科书中的经典方法生成适用的图像特征，例如颜色、纹理、形状等特征，这样，每幅图像由一个特征向量表示.基于图像特征，度量图像的主观相似度，如图2所示.最后依据图像的主观相似度检索图像并将结果返回给用户.如果用户不满意，可以选择更多的图像反馈给检索装置，进一步检索图像.

本发明的主观相似度度量机制如图2所示。步骤10是初始动作。步骤11将存储图像计数参数i置为1，步骤12判断i是否不大于M，是则执行步骤13，否则转步骤18。步骤13取得图像存储设备中的第i幅图像对应的特征表示。步骤14和16分别计算以查询中的相关和不相关图像作为主观视角时，第i幅图像的主观相似度。这两个步骤将在后面的部分结合图3和图4分别进行具体介绍。步骤18对两个主观相似度分别规范化，这里可以使用数据挖掘教科书中的规范化技术，例如min-max规范化、z-score规范化等，使得两个主观相似度的贡献相等，然后以求和的方式结合起来，作为第i幅图像的主观相似度。步骤19将存储图像计数参数i加1，然后转到步骤12。步骤20是图2的结束状态。实际上，图2中的步骤分别计算了图像存储设备中每一幅图像的主观相似度。

图3详细说明了图2中的步骤14，其作用是以用户提交的查询中的相关图像作为主观视角，计算图像存储设备中的第i幅图像与用户查询图像间的主观相似度。步骤141将视角图像计数参数u置为1，步骤142判断u是否不大于P，是则执行步骤143，否则转至步骤149。步骤143将相关图像计数参数j置为1，步骤144判断j是否不大于P，是则执行步骤145，否则转至步骤147。步骤145计算以第u幅相关图像作为视角，第i幅图像和第j幅相关图像间的主观相似度。

以一幅相关图像作为主观视角，任意两幅图像间的主观相似度计算方式如下：

$\mathrm{Sim}(x_m,x_n|z_k^{+})=\mathrm{Sim}(x_m,x_n)\·\mathrm{Sim}(x_m,x_n,z_k^{+})---\left(1\right)$

其中 $\mathrm{Sim}(a,b,c)=\frac{\mathrm{Sim}(a,b)+\mathrm{Sim}(a,c)}{2}---\left(2\right)$

式1中x_m，x_n为两幅图像的特征表示；z_k ⁺为用作主观视角的相关图像的特征表示；Sim(·)为某种基相似度度量，可以使用任意的相似度度量机制作为这里的基相似度度量，例如可以使用常用的基于欧氏距离的相似度度量；Sim(x_m，x_n，z_k ⁺)度量了图像x_m，x_n同时与相关图像z_k ⁺相似的程度，利用式2进行计算。式2中a，b，c分别为3幅图像的特征表示，Sim(·)与式1中相同。

使用式1所示的相似度度量，当两幅图像同时与一幅相关图像相似时，他们将具有更高的相似度。这样做是因为，查询中的相关图像包含了用户检索图像时感兴趣的或者说关注的内容，可以看成是用户考察图像是否相似的一种视角，如果两幅图像同时和一幅相关图像相似，那么它们之间相似的原因更可能是因为同时包含了用户感兴趣的内容，因而在用户从相应的视角看来它们将更为相似，应当具有更高的相似度。使用这种相似度度量，以第u幅相关图像作为视角，则第i幅图像和第j幅相关图像间的相似度为：

$\mathrm{Sim}(x_i,z_j^{+}|z_u^{+})=\mathrm{Sim}(x_i,z_j^{+})\·\mathrm{Sim}(x_i,z_j^{+},z_u^{+})---\left(3\right)$

式3中x_i，z_j ⁺为两幅图像的特征表示，其中z_j ⁺是相关图像；z_u ⁺为用作主观视角的相关图像的特征表示；Sim(·)的含义与式1中相同。

步骤146将相关图像计数参数j加1，然后转到步骤144.步骤147从获得的以第u幅相关图像为视角，第i幅图像和每一幅相关图像间的主观相似度中选出最高的相似度，作为以第u幅相关图像为视角，第i幅图像和用户查询间的主观相似度.步骤148将相关图像计数参数u加1，然后转到步骤142.步骤149对获得的以每一幅相关图像为视角，第i幅图像和查询间的主观相似度求均值，作为以相关图像为视角，第i幅图像和用户查询间的主观相似度.步骤150是图3的结束状态.

图4详细说明了图2中的步骤16，其作用与图3类似，但其以用户提交的不相关图像作为主观视角，计算图像存储设备中的第i幅图像与用户查询间的主观相似度。步骤161将视角图像计数参数v置为1，步骤162判断v是否不大于N，是则执行步骤163，否则转至步骤169。步骤163将图像计数参数j置为1，步骤164判断j是否不大于P，是则执行步骤165，否则转至步骤167。步骤165计算以第v幅不相关图像作为视角，第i幅图像和第j幅相关图像间的主观相似度。

以一幅不相关图像作为主观视角，任意两幅图像间的主观相似度计算方式如下：

$\mathrm{Sim}(x_m,x_n|z_t^{-})=\frac{\mathrm{Sim}(x_m,x_n)}{\mathrm{Sim}(x_m,x_n,z_t^{-})}---\left(4\right)$

其中z_t ^-为用作主观视角的不相关图像的特征表示，其他符号的含义与式1和式2中的相同。使用上述这种相似度度量，当两幅图像同时与一幅不相关图像差异较大时，他们将具有较高的相似度。这样做是因为，两幅图像如果同时包含了用户感兴趣内容，那么相比于没有包含用户感兴趣内容的不相关图像，它们应当更为相似，相对而言应当具有更高的相似度。使用这种主观相似度度量，以第v幅不相关图像作为视角，第i幅图像和第j幅相关图像间的主观相似度计算方式为：

$\mathrm{Sim}(x_i,z_j^{+}|z_v^{-})=\frac{\mathrm{Sim}(x_i,z_j^{+})}{\mathrm{Sim}(x_i,z_j^{+},z_v^{-})}---\left(5\right)$

式4中x_i，z_j ⁺为两幅图像的特征表示，其中z_j ⁺是相关图像；z_v ^-为用作主观视角的不相关图像的特征表示；Sim(·)的含义与式4中相同。

步骤166将相关图像计数参数j加1，然后转到步骤164。步骤167对获得的以第v幅不相关图像为视角，第i幅图像和每一幅相关图像间的主观相似度求均值，作为以第v幅不相关图像为视角，第i幅图像和用户查询间的主观相似度。步骤168将视角图像计数参数v加1，然后转到步骤162。步骤169对获得的以每一幅不相关图像为视角，第i幅图像和用户查询间的主观相似度求均值，作为以不相关图像为视角，第i幅图像和用户查询间的主观相似度。步骤170是图4的结束状态。

Claims (3)

1.一种数字图像检索中的主观相似度度量方法，其特征是该方法包括以下步骤：

(1)数字图像检索装置从数字图像存储设备中获取数字图像，并接受用户的查询图像，包括相关图像和不相关图像；

(2)生成所有图像的特征表示；

(3)计算获得以相关图像作为主观视角时，存储设备中的图像与用户查询的主观相似度；

(4)计算获得以不相关图像作为主观视角时，存储设备中的图像与用户查询的主观相似度；

(5)结合两种视角下图像的主观相似度，从而获得最终的主观相似度；

(6)结束；

其中步骤(3-5)的方法包括以下步骤：

(11)将存储图像计数参数i置为1；

(12)判断i是否不大于M，是则执行(13)，否则转(18)；

(13)取得图像存储设备中的第i幅图像对应的特征表示；

(14)计算以查询中的相关图像作为主观视角时，第i幅图像的主观相似度；

(16)计算以查询中的不相关图像作为主观视角时，第i幅图像的主观相似度；

(18)对两个主观相似度分别规范化，使得两个主观相似度的贡献相等，然后以求和的方式结合起来，作为第i幅图像的主观相似度；

(19)将存储图像计数参数i加1，然后转到(12)；

(20)结束状态；

其中M为数字图像存储设备中存储图像的数量。

2.根据权利要求1所述的数字图像检索中的主观相似度度量方法，其特征是步骤(14)包括以下步骤：

(141)将视角图像计数参数u置为1；

(142)判断u是否不大于P，是则执行(143)，否则转至(149)；

(143)将相关图像计数参数j置为1；

(144)判断j是否不大于P，是则执行(145)，否则转至(147)；

(145)根据公式：计算以第u幅相关图像作为视角，第i幅图像和第j幅相关图像间的主观相似度；

式中x_i z_j ⁺为两幅图像的特征表示，其中z_j ⁺是相关图像；z_u ⁺为用作主观视角的相关图像的特征表示；Sim(·)为某种基相似度度量；

(146)将相关图像计数参数j加1，然后转到步骤(144)；

(147)从获得的以第u幅相关图像为视角，第i幅图像和每一幅相关图像间的主观相似度中选出最高的，作为以第u幅相关图像为视角，第i幅图像和用户查询间的主观相似度；

(148)将视角图像计数参数u加1，然后转到步骤(142)；

(149)对获得的以每一幅相关图像为视角，第i幅图像和用户查询间的主观相似度求均值，作为以相关图像为视角，第i幅图像和用户查询间的主观相似度；

(150)结束状态；

其中P是用户选择或提交的相关查询图像数，是一个正整数；N是不相关图像数，是一个非负整数。

3.根据权利要求1所述的数字图像检索中的主观相似度度量方法，其特征是步骤(16)包括以下步骤：

(161)将视角图像计数参数v置为1；

(162)判断v是否不大于N，是则执行(163)，否则转至(169)；

(163)将相关图像计数参数j置为1；

(164)判断j是否不大于P，是则执行(165)，否则转至(167)；

(165)根据公式：

$\mathrm{Sim}(x_i,z_j^{+}|z_v^{-})=\frac{\mathrm{Sim}(x_i,z_j^{+})}{\mathrm{Sim}(x_i,z_j^{+},z_v^{-})}$

计算以第v幅不相关图像作为视角，第i幅图像和第j幅相关图像间的主观相似度；

式4中z_i，z_j ⁺为两幅图像的特征表示，其中z_j ⁺是相关图像；z_v ^-为用作主观视角的不相关图像的特征表示；Sim(·)为某种基相似度度量；

(166)将相关图像计数参数j加1，然后转到步骤(164)；

(167)对获得的以第v幅不相关图像为视角，第i幅图像和每一幅相关图像间的主观相似度求均值，作为以第v幅不相关图像为视角，第i幅图像和用户查询间的主观相似度；

(168)将视角图像计数参数v加1，然后转到步骤(162)；

(169)对获得的以每一幅不相关图像为视角，第i幅图像和用户查询间的主观相似度求均值，作为以不相关图像为视角，第i幅图像和用户查询间的主观相似度；

(170)结束状态；

其中P是用户选择或提交的相关查询图像数，是一个正整数；N是不相关图像数，是一个非负整数。

Images