基于無參數(shù)量子論的圖像檢索方法
【專利摘要】本發(fā)明提供了一種全新的基于無參數(shù)量子估計(jì)的圖像檢索框架。在該框架中，我們將數(shù)據(jù)庫圖像看做光源產(chǎn)生的光子，檢索過程看做通過查詢偏振濾波器來估計(jì)數(shù)據(jù)庫圖像的相關(guān)性。該框架的基本思路是：首先，利用預(yù)濾波濾除掉數(shù)據(jù)庫中那些相關(guān)度較低的圖片，以降低計(jì)算花費(fèi)；然后，利用半監(jiān)督學(xué)習(xí)方法，計(jì)算相關(guān)度較高的那些圖像與輸入查詢圖像間的相關(guān)性概率；最后，通過無參數(shù)量子估計(jì)優(yōu)化排名靠前那些圖像的相關(guān)性，以得到滿意的檢索結(jié)果。
【專利說明】基于無參數(shù)量子論的圖像檢索方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)【技術(shù)領(lǐng)域】的圖像檢索，特別涉及一種基于無參數(shù)量子論的圖像 檢索。

【背景技術(shù)】
[0002] 隨著多媒體技術(shù)的迅猛發(fā)展、網(wǎng)絡(luò)傳輸速度的提高以及新的有效圖像壓縮技術(shù)的 不斷涌現(xiàn)，人們通過網(wǎng)絡(luò)實(shí)現(xiàn)全球圖像資源的共享已成為現(xiàn)實(shí)。如何從海量的圖像數(shù)據(jù)庫 中迅速準(zhǔn)確地檢索到所需要的圖像，已經(jīng)成為近十年來多媒體領(lǐng)域的研究熱點(diǎn)之一。
[0003] 傳統(tǒng)的圖像檢索采用基于關(guān)鍵詞檢索方法。首先人工注釋每幅圖像，接著圖像檢 索是基于文本注釋的關(guān)鍵字。該方法有兩大不利：一是圖像集很大時(shí)需要大量的人工注釋； 二是僅憑人的主觀感知很難精確注釋內(nèi)容豐富的圖像。為克服上述問題需要全面地、一般 性地和客觀地提取圖像的內(nèi)容?；趦?nèi)容的圖像檢索（Content Based Image Retrieval) 技術(shù)，即對圖像內(nèi)容的視覺特征如顏色、紋理、形狀等進(jìn)行檢索，計(jì)算機(jī)通過對圖像視覺特 征和上下文聯(lián)系的分析，提取出圖像的內(nèi)容特征作為索引來得到需要的圖像。
[0004] 經(jīng)對現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，Sahbi等人提出了基于圖像分割傳感器的相關(guān)反 饋算法，Wang等人提出了可理解的圖像檢索算法，Perronnin等人提出了壓縮Fisher向量 的圖像檢索算法，Zhuang等人提出了非參數(shù)核排序算法，Beecks等人提出了未知用戶喜好 的多媒體檢索。然而這些方法中一個(gè)常見的問題是：為獲取與查詢圖像具有語義相關(guān)的那 些圖像，往往需要依據(jù)給定的少量圖像實(shí)現(xiàn)大量參數(shù)的整定。另外，圖片的視覺特征和語義 概念間存在著較大的語義差距，使得基于內(nèi)容的圖片檢索依然存在很多問題。Zhou等人提 出了局部和全局一致性法實(shí)現(xiàn)圖像檢索，它主要通過半監(jiān)督學(xué)習(xí)算法實(shí)現(xiàn)對圖像的相關(guān)性 排序，Zuccon等人提出了量子概率排序算法，將光子偏振實(shí)驗(yàn)理論和量子估計(jì)理論成功的 應(yīng)用到圖像檢索中。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明目的在于提出了一種全新的基于無參數(shù)量子估計(jì)的圖像檢索框架。在該框 架中，本發(fā)明將數(shù)據(jù)庫圖像看做光源產(chǎn)生的光子，檢索過程看做通過查詢偏振濾波器來估 計(jì)數(shù)據(jù)庫圖像的相關(guān)性。
[0006] 本發(fā)明的技術(shù)方案為：首先，利用預(yù)濾波濾除掉數(shù)據(jù)庫中那些相關(guān)度較低的圖片， 以降低計(jì)算花費(fèi)；然后，利用半監(jiān)督學(xué)習(xí)方法，計(jì)算相關(guān)度較高的那些圖像與輸入查詢圖像 間的相關(guān)性概率；最后，通過無參數(shù)量子估計(jì)優(yōu)化排名靠前那些圖像的相關(guān)性，以得到滿意 的檢索結(jié)果。
[0007] 本發(fā)明的方法通過以下步驟實(shí)現(xiàn)： 1圖像間距離度量和預(yù)處理 在這一步中，我們將首先介紹圖像間的距離度量，它同時(shí)考慮相鄰圖像和不相鄰圖像 兩方面的影響；然后，我們再對預(yù)處理進(jìn)行分析。
[0008] 1. 1圖像間距離度量 基于半監(jiān)督學(xué)習(xí)方法有兩個(gè)基本假設(shè)。第一個(gè)假設(shè)是：視覺上相近的圖片，其具有相似 的標(biāo)簽；第二個(gè)假設(shè)是：同一類型的圖片，其具有相似的標(biāo)簽。圖像i和圖像旬的距離可 用曼哈頓距離度量：

【權(quán)利要求】
1. 一種基于無參數(shù)量子論的圖像檢索方法，其特征在于，包括如下步驟： 1圖像間距離度量和預(yù)處理； 圖像間的距離度量，同時(shí)考慮相鄰圖像和不相鄰圖像兩方面的影響；然后，再對預(yù)處理 進(jìn)行分析； 1. 1圖像間距離度量； 基于半監(jiān)督學(xué)習(xí)方法有兩個(gè)基本假設(shè)，第一個(gè)假設(shè)是：視覺上相近的圖片，其具有相似 的標(biāo)簽；第二個(gè)假設(shè)是：同一類型的圖片，其具有相似的標(biāo)簽；圖像i和圖像旬的距離可 用曼哈頓距離度量：
其中，表示圖像i第7維的特征，Z表示特征空間的維數(shù)，V是一個(gè)正參數(shù)，它反映 了維數(shù)的范圍； 為與第一個(gè)假設(shè)保持一致件，根據(jù)第二個(gè)假設(shè)得到圖像i和圖像j·間的距離度量為：
其中/7,.和/7,.分別為圖像i和圖像/的鄰里密度，目i/7,.的定義如下：
其中，N,.表示與圖像i相鄰的圖像集數(shù)目，~的定義與巧雷同； 基于上述兩個(gè)假設(shè)，第i幅圖像和第幅圖像間的距離度量為：
其中，" "表不Hadamard積； 1. 2預(yù)處理； 在分析整個(gè)圖像檢索過程后，預(yù)處理過程應(yīng)同時(shí)滿足以下兩個(gè)條件：計(jì)算代價(jià)低和查 全率高；在這里，采用修改的近鄰法則進(jìn)行預(yù)處理；具體來說，對于給定的查詢圖像，首先 根據(jù)公式（4)的計(jì)算結(jié)果對數(shù)據(jù)庫圖像進(jìn)行相似性排序：距離數(shù)值越大的圖像，其排名越 高；然后，將排在后面的占一定比例的數(shù)據(jù)庫圖像濾除掉；通過這樣一個(gè)預(yù)處理，整個(gè)計(jì) 算成本可明顯從〇妒）談為數(shù)據(jù)庫圖像數(shù)量）降到〇(#)〇￥為保留下來的圖像數(shù)量，且 N?M)； 2相關(guān)性計(jì)算； 對給定的查詢圖像，需計(jì)算其與每個(gè)保留數(shù)據(jù)庫圖像間的相關(guān)性；在這里，采用半監(jiān)督 學(xué)習(xí)的流行排序方法計(jì)算相關(guān)性；該方法包含相似圖構(gòu)建和相關(guān)性計(jì)算這兩個(gè)步驟； 2. 1相似圖構(gòu)建； 構(gòu)建一個(gè)基于查詢圖像的相似圖，主要需要以下兩個(gè)步驟：頂點(diǎn)設(shè)置和頂點(diǎn)連接； 頂點(diǎn)設(shè)置：對查詢圖像首先依據(jù)預(yù)處理過程中的最近鄰規(guī)則生成#個(gè)圖像的近鄰集 3 = {2，2,…，i，…，4;然后，生成加權(quán)相似圖PR幻，其中K表示由3和查詢圖像g 構(gòu)成的頂點(diǎn)，萬表示由相鄰圖像間距離構(gòu)成的加權(quán)邊緣； 頂點(diǎn)連接：相似圖^的邊界集Α是通過OVW) X 以的仿射矩陣IT進(jìn)行加權(quán)；其中， 將仿射矩陣if的元素設(shè)置為零，以避免自增強(qiáng)；當(dāng)時(shí)，由公式（4)得 至|J，即rft力二外i,力； 2. 2相關(guān)性計(jì)算； 相關(guān)性計(jì)算過程包括以下兩個(gè)主要步驟：加權(quán)矩陣歸一化和相關(guān)性計(jì)算； 加權(quán)矩陣歸一化使用下列公式對加權(quán)矩陣r進(jìn)行歸一化：
(5) 其中，D為對角陣，其元素為加權(quán)矩陣F第i行元素的總和； 相關(guān)性計(jì)算經(jīng)過多次迭代，可計(jì)算出3中每個(gè)圖像的相關(guān)值： cQt+J) = aVc(t) + ^f (6) 其中，_7為一向量：當(dāng)?shù)趇幅圖像為輸入的查詢圖像時(shí)，其值_F(i)=l ;如果第i幅圖像來 自數(shù)據(jù)庫時(shí)，其值_F(i)=〇;此外，c(0)=F，a+，=l(〃 e [〇，1]);迭代過程結(jié)束后，〇VW)Xl 維向量c的第i個(gè)元素是第i幅數(shù)據(jù)庫圖像的相關(guān)值； 3基本算法； 得到數(shù)據(jù)庫圖像的初始相關(guān)值后，利用非參數(shù)量子估計(jì)法優(yōu)化候選圖像間的相關(guān)性， 以得到滿意的檢索排序結(jié)果，包含以下兩部分內(nèi)容：量子估計(jì)法簡單說明和圖像間相關(guān)性 的優(yōu)化過程； 3. 1量子估計(jì)法； 量子估計(jì)法的基本思想，可借助光子偏振實(shí)驗(yàn)進(jìn)行解釋；選取合適方向上的單位向量 進(jìn)行線性組合，可對光子偏振狀態(tài)進(jìn)行估計(jì)： 穸=.只|卞> +叫一>> (7) 其中，"|丨〉"和分別表示垂直極化和水平極化，//和"是復(fù)數(shù)，滿足I// |2 + 卜 I2 = 1; 將基于光子偏振狀態(tài)的量子估計(jì)轉(zhuǎn)換成對應(yīng)的標(biāo)準(zhǔn)正交基向量，即將狀態(tài)概率表示為 對應(yīng)的基向量方向的上振幅幅值的平方； 3. 2提出的方法描述； 對于任意一幅圖像i，定義其最初的量子狀態(tài)為： ^ =^1^ + ^10> (8) 其中，狀態(tài)" 11>"表示與給定查詢的相關(guān)基，" |〇>"表示與給定查詢0的無關(guān)基，且 // I2 + I " |2= 1;第一輪檢索，僅利用相關(guān)基"|1>"估計(jì)任一圖像i的初始相關(guān)性，并得 到相關(guān)概率I//」2,其中，|/^.| 2 = /7(/|0使用步驟2.2中介紹的流行排序方法得到； 為達(dá)到優(yōu)化檢索圖像目的，針對步驟2中得到的那些最相似圖像，引入頂部度量進(jìn)行 相似性優(yōu)化；具體地說，就是把相關(guān)性最高的圖像放置在第一位，計(jì)算其它圖像與它的關(guān)系 并重排序； 與查詢圖像最相關(guān)的圖像ii的量子狀態(tài)定義為： -/%! 1)+1^ i〇> (9) 經(jīng)頂部度量后，第i幅圖像的狀態(tài)為： ^ = /fji>+^S〇> = ?^+^~1 (10) 其中，是的正交形式，r和/7是復(fù)數(shù)形式；將（9)式代入（10)式，有：
此時(shí)，r和/7為下面這個(gè)線性方程組的解：
由I# I2 + I y I2 = 1，可得r的計(jì)算公式為： |7i = |ftftf+v^f| (13) 將圖像檢索過程看做利用查詢偏振濾波器，對相關(guān)圖像集圖像的狀態(tài)進(jìn)行估計(jì)；因此， 經(jīng)頂部度量后，第i幅圖像的量子狀態(tài)應(yīng)偏向所在的方向：
(14) 其中，表示頂部度量后，第i幅圖像的偏向狀態(tài)向量； 為得到第i幅圖像相關(guān)性的優(yōu)化值，通過相關(guān)基" 11>"估計(jì)當(dāng)前狀態(tài): /?(i|Cg)=|Wgf (15) 由公式（13)可知：當(dāng)i =1時(shí)即對最相關(guān)圖像ii有| r 1=1，即
且經(jīng)頂部度量后，最相關(guān)圖像的相關(guān)性概率保持不變，即
按照上面的推導(dǎo)過程，第i幅圖像的相關(guān)值為：
(16) 其中，廠為最相關(guān)圖像集，ii)為相應(yīng)的權(quán)重；在框架中，方程（16)是圖像重新排 名的基礎(chǔ)和依據(jù)。
【文檔編號(hào)】G06F17/30GK104102647SQ201310117356
【公開日】2014年10月15日 申請日期:2013年4月7日 優(yōu)先權(quán)日:2013年4月7日
【發(fā)明者】朱松豪, 胡娟娟, 梁志偉 申請人:南京郵電大學(xué)