结合主体检测的图像检索方法.pdf

第 25卷 第 3期 光学 精密工程 VoL25 No．3 2017年 3月 OpticsandPrecisionEngineering M ar．2017 文章编号 1OO4—924X(2O17)03—0792—07 结合主体检测的图像检索方法 熊昌镇 ，单艳梅 ，郭芬红 (1．城市道路交通智能控制技术北京市重点实验室，北京100144； 2厶．．北LJ方J／工业业大／＼学理学院，北京 100144) 摘要：为解决图像背景复杂造成图像检索效果差的问题 ，提出了一种结合主体检测的图像检索方法。该方法首先训练用 于 目标检测的深度卷积神经网络模型 ，利用训练好的模型检测查询图像中的物体类别、类别概率和其所在区域坐标及特 征。根据物体的类别概率和其所在区域的坐标判断图像主体后，在数据库中查找和主体类别相同的图像。计算查询图 像与检索的同类别图像之间区域特征的余弦距离，结合类别概率对所有检索图像进行打分排序，返回分值最高的前 1O 幅图像作为检索结果 。最后在 VCO2007数据集和 自己收集 的书页数据集上进行算法验证 。实验结果表 明，在随机选取 的 1000幅测试图片检索结果的全正确率为 96．5 ，比现有方法提升了6．6个百分点。本文方法可有效排除图像背景 的干扰 ，得到更加准确 的检索结果和定位精度 。 关 键 词 ：深度学习；特征提取 ；图像检索；余弦距离 中图分类号 ：TP391．41 文献标识码 ：A doi：10．3788／OPE0792 Imageretrievalmethodbasedon imageprincipalpartdetection XIONG Chang—zhen ，SHAN Yan—mei，GUO Fen～hong (1．BeijingKeyLaboratoryofUrbanIntelligentControl，Beijing100144，China； 2．SchoolofSciences，NorthChinaUniversityofTechnology，Beijing100144，China) *C0¨re5p0 gauthor，E-mail：gfh@ncut．edu．cn Abstract：Aimedattheproblem—poorresultofimageretrievalarising from thecomplexity ofimage background，akindofimageretrievalmethodcombinedwithsubjectdetectionwasputforward．This methodhasinitiallytrainedthedeepConvolutionalNeuralNetwork (CNN)modelusedinobject detectionandusedthemodeldetectionwelltrainedtoinquirytheobjectclass，classprobabilityand thecoordinateand featureofregionwhereitwasplaced in theimage．Aftertheimagesubject estimatedinaccordancewith theobject’Sclassprobabilityandcoordinateofregionwhereitwas placed，theimagesimilartothesubjectinthedatabasewasfound．Thecosinedistanceofregion featurebetweentheimageinquiredandsimilarimageretrievedwascaeulated，combinedwiththeclass probabilitytocarryoutgradingand sorting forallimagesretrievedandreturned the top 10 images withthehighest