基于互训练的流形对图像资源和文字进行融合的方法

摘要

基于互训练的流形对图像资源和文字进行融合的方法，涉及图像检索和模式识别技术。它解决了现有的图像检索方法存在的检索精度较差的问题。本发明的步骤为：步骤一、根据图像资源和文字特征构建原始流形；步骤二、通过ISOMAP方法对原始流形进行降维处理，得到低维拓扑结构以及相似性度量s^t(x，y)，t的初始值为0；步骤三、对低维拓扑结构进行相似度迭代，得到两幅图像间的相似度；步骤四、根据两幅图像的相似度得到两幅图像样本点之间的收缩率；步骤五、根据步骤四得到的收缩率，对流形进行收缩调整；步骤六、若得到的流形收敛，则融合结束；若得到的流形不收敛，则令t＝t+1，并返回执行步骤二。本发明适用于图像处理和图像检索领域。

主权项

1、基于互训练的流形对图像资源和文字进行融合的方法，其特征在于它的步骤为：步骤一、根据图像资源和文字特征构建原始流形；步骤二、通过ISOMAP方法对原始流形进行降维处理，得到低维拓扑结构以及相似性度量st(x，y)，t的初始值为0；步骤三、对低维拓扑结构进行相似度迭代，得到两幅图像间的相似度：$h(x,y)=s^{t+1}(x,y)=\exp (-\frac{d^2(x,y)}{\mu ·s^t(x,y)})$其中，d²(x，y)表示第t次迭代和第t+1次迭代在所对应的视觉特征空间中的L2距离，μ为控制归一化的常数；步骤四、根据图像i和图像j的相似度得到两幅图像样本点之间的收缩率：${\rho }^t(i,j)=\exp (\frac{s^{t+1}(x,y)}{s^t(x,y)}-1)-1;$步骤五、根据步骤四得到的收缩率，使用下面的公式对流形进行收缩调整$\stackrel{V}{K_i}\left(t\right)=\left\{\begin{array}{cc}\stackrel{V}{K_i}(t-1)+\underset{j\in X}{\Sigma }[(\stackrel{V}{K_j}(t-1)-\stackrel{V}{K_i}(t-1))·{\rho }^t(i,j)]& t>1\\ \stackrel{V}{K_i}& t=0\end{array}\right.$其中表示图像i在特征空间中所对应的特征向量；X表示在步骤二中得到的拓扑结构上与图像i所对应点邻接的图像集合，则表示的是在t-1次迭代时与之相邻接的图像在特征空间中的特征向量；步骤六、若得到的流形收敛，则融合结束；若得到的流形不收敛，则令t＝t+1，并返回执行步骤二。