发明名称 | 对搜索图像的过滤方法 | ||
摘要 | 一种图像处理技术领域的对搜索图像的过滤方法,包括以下步骤:对每张原始图像进行多尺度处理;得到每张原始图像在每个尺度下的颜色特征、形状特征、纹理特征和GIST特征;收集若干图像建立训练图像数据库,对每个训练图像的每个尺度下的颜色特征、形状特征、纹理特征和GIST特征分别进行模型训练处理,得到若干个训练模型;得到每张原始图像的融合特征分值;按照原始图像融合特征分值从大到小的顺序对原始图像进行重新排列,并删除融合特征分值小于阈值T的原始图像。本发明提高了对网页图像搜索结果过滤的性能,能有效去除质量较差、含有噪声、分辨率较低的图像,计算复杂度低、通用性强。 | ||
申请公布号 | CN101763440A | 申请公布日期 | 2010.06.30 |
申请号 | CN201010133636.5 | 申请日期 | 2010.03.26 |
申请人 | 上海交通大学 | 发明人 | 张瑞;杨小康;黄俊 |
分类号 | G06F17/30(2006.01)I | 主分类号 | G06F17/30(2006.01)I |
代理机构 | 上海交达专利事务所 31201 | 代理人 | 王锡麟;王桂忠 |
主权项 | 一种对搜索图像的过滤方法,其特征在于,包括以下步骤:第一步,对搜索得到的每张原始图像进行多尺度处理,使每张原始图像成为若干张预处理图像;第二步,对每张预处理图像分别进行颜色特征提取、形状特征提取、纹理特征提取和GIST特征提取处理,得到每张预处理图像的颜色特征、形状特征、纹理特征和GIST特征;第三步,收集若干图像建立训练图像数据库,对训练图像数据库中每张训练图像分别进行多尺度处理、颜色特征提取、形状特征提取、纹理特征提取和GIST特征提取处理,进而对每个训练图像的每个尺度下的颜色特征、形状特征、纹理特征和GIST特征分别进行模型训练处理,得到若干个训练模型;第四步,将每张原始图像每个尺度下的颜色特征、形状特征、纹理特征和GIST特征分别输入到对应的训练模型中,得到每张原始图像的若干特征分值,并将每张原始图像的所有特征分值进行特征分值后融合,得到每张原始图像的融合特征分值;第五步,按照原始图像融合特征分值从大到小的顺序对原始图像进行重新排列,并删除融合特征分值小于阈值T的原始图像。 | ||
地址 | 200240 上海市闵行区东川路800号 |