一种基于大规模图像检索方法

摘要

本发明提供一种基于大规模图像检索方法，包括：步骤1，对库图像进行离线检索，提取底层局部特征进行量化后，处理得到图像的特征描述关于位置的权重信息，建立图像数据集倒排索引结构；步骤2，对查询图像进行在线检索，提取底层局部特征进行量化后，处理得到图像的特征描述关于位置的权重信息；步骤3，根据库图像的每个特征描述，利用倒排索引计算每幅查询图像中的各个特征描述之间的相似性，并输出相似值；步骤4，将所有相似值按照由大到小排列得到最大值列表。本发明从产生视觉词典的聚类算法、图像匹配算法入手，分析和探讨聚类算法的特点，考虑聚类过程中特征空间的特征分布统计信息，得出效果均值加权方案，提高匹配精度。

主权项

一种基于大规模图像检索方法，其特征在于，包括以下步骤：步骤1，对库图像进行离线检索，提取库图像的底层局部特征并进行量化，对量化后的库图像数据进行处理得到图像的特征描述关于位置的权重信息，并根据权重信息建立图像数据集倒排索引结构；步骤2，对查询图像进行在线检索，提取查询图像数据集的底层局部特征进行量化，对量化后的查询图像数据集用saliency‑detection方法得到图像的特征描述关于位置的权重信息；步骤3，根据库图像的每个特征描述，利用倒排索引计算每幅查询图像中的各个特征描述之间的相似性，并输出相似值；步骤4，将所有相似值按照由大到小排列得到最大值列表。