本发明涉及图像检索,尤其涉及一种低质量图像检索方法。
背景技术:
1、在相关技术中,cn113157962a涉及一种图像检索方法、电子装置和存储介质,通过获取待检索图像和多个待匹配图像的特征点以及特征点所属的类别;对每个类别中待匹配图像的特征点和待检索图像的特征点进行特征匹配,得到匹配特征点对;确定各待匹配图像与待检索图像匹配的匹配特征点对的数目;确定匹配特征点对的数目最多的待匹配图像为待检索图像的检索结果,解决了相关技术中图像检索质量低的问题,提升了图像检索的质量。
2、cn105005565a公开了一种现场鞋底痕迹花纹图像检索方法,该方法包括:将现场采集到的鞋底痕迹花纹图像进行处理,得到二值图,提取二值图的频谱特征;获取样本图像库中所有预先存储的鞋底痕迹花纹图像的二值图的频谱特征;计算现场采集到的鞋底痕迹花纹图像的二值图的频谱特征与样本图像库中每一个预先存储的鞋底痕迹花纹图像的二值图的频谱特征的相似性得分;将相似性得分以预定规则进行排序并按照该排序方式输出样本图像库中预先存储的鞋底痕迹花纹图像。根据此方案,能够对现场采集到的低质量的鞋底痕迹花纹图像进行检索,并且检索方法简单,速度快,结果相对准确且全面。
3、因此,相关技术中,虽然提高了低质量图像检索的性能,但相关技术图像特征描述不准确,未考虑不同特征之间的性能差异,导致重要特征的贡献被低估,而次要特征的影响被高估,造成相关技术的适用性降低,从而造成识别精度下降。
4、公开于本技术背景技术部分的信息仅仅旨在加深对本技术的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、本发明提供一种低质量图像检索方法,能够解决特征描述的不准确性和特征权重的静态性的技术问题。
2、根据本发明,提供一种低质量图像检索方法,包括:获取原低质量图像数据库;对所述原低质量图像数据库分别进行傅里叶变换和增强,获得高频图像数据库和增强图像数据库,其中,所述原低质量图像数据库、所述高频图像数据库和所述增强图像数据库的容量均为,且为正整数;根据所述原低质量图像数据库、所述高频图像数据库和所述增强图像数据库,建立基准低质量特征库、基准高频特征库和基准增强特征库;当用户输入待检索图像时,对所述待检索图像分别进行傅里叶变换和增强,获得高频图像和增强图像,其中,所述待检索图像为低质量图像;获取待检索图像特征、高频图像特征和增强图像特征;根据所述待检索图像特征、所述高频图像特征、所述增强图像特征、所述基准低质量特征库、所述基准高频特征库和所述基准增强特征库,确定相似性度量;根据所述相似性度量,确定自适应权重;根据所述自适应权重和所述相似性度量,确定综合相似度度量;对所述综合相似性度量进行排序,输出检索结果。
3、根据本发明,当用户输入待检索图像时,对所述待检索图像分别进行傅里叶变换和增强,获得高频图像和增强图像,包括:获得所述待检索图像中多个像素点的灰度值;根据所述灰度值,对所述待检索图像进行傅里叶变换,获得灰度值对应的频谱;对所述频谱中心化后,进行高通滤波,再去中心化后,进行傅里叶逆变换,确定高频图像中多个像素点的灰度值;获取所述待检索图像中每个点的r、g、b三个通道的分量值,亮度得分和对比度得分;对所述待检索图像进行高斯滤波,获得高斯滤波图像;根据所述r、g、b三个通道的分量值,所述亮度得分、所述对比度得分和所述高斯滤波图像,确定对比度增强结果;根据所述对比度增强结果,获得增强图像。
4、根据本发明,对所述频谱中心化后,进行高通滤波,再去中心化后,进行傅里叶逆变换,确定高频图像中多个像素点的灰度值,包括:根据公式确定高频图像中第m行第n列像素点的灰度值,其中,为频域中第u行第v列对应的频谱,m为高频图像的行标号,n为高频图像的列标号,u为高频图像第m行对应频谱的行标号,v为高频图像第n列对应频谱的列标号,m为行的数量,n为列的数量,m≤m,n≤n,u≤m,v≤n,且n、m、v、u、m和n均为非负整数,i是虚数单位,e为自然常数。
5、根据本发明,根据所述r、g、b三个通道的分量值,所述亮度得分、所述对比度得分和所述高斯滤波图像,确定对比度增强结果,包括:根据公式,,,,,确定第x行第y列像素点的对比度增强结果,其中,为r通道的分量值,为g通道的分量值,为b通道的分量值,为待检索图像的亮度值,为归一化的亮度,为亮度增强的图像,为高斯滤波图像,为对比度增强指数,z为亮度得分,p为对比度得分。
6、根据本发明,根据所述待检索图像特征、所述高频图像特征、所述增强图像特征、所述基准低质量特征库、所述基准高频特征库和所述基准增强特征库,确定相似性度量,包括:根据公式,,,,确定相似性度量d,其中,ed为增强图像与增强图像数据库的相似性度量,为增强图像与增强图像数据库中第个图像的相似度,、、、…、分别为原低质量图像数据库中第1、2、3、…、个图像,q为待检索图像,为增强图像数据库中第个图像的基准增强特征,为增强图像特征,ld为待检索图像与原低质量图像数据库的相似性度量,为待检索图像与原低质量图像数据库中第个图像的相似度,为原低质量图像数据库中第个图像的基准低质量特征,为待检索图像特征,hd为高频图像与高频图像数据库的相似性度量,为高频图像与高频图像数据库中第个图像的相似度,为高频图像数据库中第个图像的基准高频特征,为高频图像特征,为原低质量图像数据库、高频图像数据库和增强图像数据库的容量,且为正整数。
7、根据本发明,根据所述相似性度量,确定自适应权重,包括:根据所述相似性度量,对所述增强图像与增强图像数据库的相似性度量、所述待检索图像与原低质量图像数据库的相似性度量,以及所述高频图像与高频图像数据库的相似性度量求平均,获得综合相似性度量1;对综合相似性度量1进行排序,获得最大差异图,其中,所述最大差异图为与所述待检索图像差异最大的图像;将最大差异图作为新的待检索图像,获取新的待检索图像特征、新的高频图像特征和新的增强图像特征;根据所述新的待检索图像特征、所述新的高频图像特征、所述新的增强图像特征、所述基准低质量特征库、所述基准高频特征库和所述基准增强特征库,确定新的相似性度量;设置待定自适应权重;将所述新的相似性度量与所述待定自适应权重相乘,获得新的综合相似性度量;将所述相似性度量与所述待定自适应权重相乘,获得综合相似性度量2;根据所述新的综合相似性度量和所述综合相似性度量2,确定自适应权重模型的约束条件和目标函数;根据所述约束条件和所述目标函数,对所述自适应权重模型进行求解,获得自适应权重。
8、根据本发明,根据所述新的综合相似性度量和所述综合相似性度量2,确定自适应权重模型的约束条件和目标函数,包括:根据公式,,,,,
9、确定自适应权重模型的约束条件和目标函数j,其中,ew为增强图像与增强图像数据库的相似性度量的待定自适应权重,lw为待检索图像与原低质量图像数据库的相似性度量的待定自适应权重,hw为高频图像与高频图像数据库的相似性度量的待定自适应权重,为综合相似性度量2中第i个图像的相似性度量,为新的综合相似性度量中第i个图像的相似性度量,max为取最大值函数,min为取最小值函数,为原低质量图像数据库、高频图像数据库和增强图像数据库的容量,i≤,且i和均为正整数。
10、根据本发明,根据所述自适应权重和所述相似性度量,确定综合相似度度量,包括:根据公式
11、
12、确定综合相似度度量,其中,为自适应权重,d为相似性度量,为ew的求解值,为lw的求解值,为hw的求解值。
13、技术效果:根据本发明,通过对原低质量图像数据库进行傅里叶变换和增强处理,建立特征库,可提高对待检索图像的匹配准确性。提取待检索图像、高频图像和增强图像的特征,进行多特征融合,从而提高描述准确性,优化了检索精度。自适应权重使得单特征权重可随待检索图像动态更新,从而优化检索结果。在确定高频图像中多个像素点的灰度值时,可通过频域角度提取待检索图像的高频信息,再将频谱数据转换回图像域,确定高频图像中每个像素点的灰度值,从而定量地描述待检索图像的高频信息,有助于提取高频图像特征。在确定对比度增强结果时,可通过对待检索图像进行亮度增强和对比度增强,确定对比度增强结果,从而定量地描述待检索图像的增强的信息,有助于提取增强图像特征。在确定相似性度量时,可通过计算特征之间的欧几里得距离,确定相似性度量。该相似性度量可在图像检索任务中找到与待检索图像最相似的图像,从而实现高效的图像检索和匹配。在确定自适应权重模型的约束条件和目标函数时,可通过自适应权重的范围,以及综合相似性度量2和新的综合相似性度量之间的偏差和各自的偏差,确定自适应权重模型的约束条件和目标函数,从而对自适应权重模型进行求解,获得自适应权重,使单特征权重可随查询图像动态更新,有助于优化检索结果。在确定综合相似度度量时,可基于自适应权重和相似性度量的相乘,确定综合相似度度量,可客观且准确地反映待检索图像与数据库中原低质量图像之间的整体相似程度。
14、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本发明。根据下面参考附图对示例性实施例的详细说明,本发明的其它特征及方面将更清楚。