基于兴趣目标的图像检索

摘要

当前图像检索算法通常针对整体图像提取特征以完成检索任务.然而,在很多情况下用户只会关注图像的一部分,即他们的兴趣目标.此时,从整体图像提取的特征一部分是有效的,另一部分则是无效的且会对检索过程带来消极影响.为此,本文提出基于兴趣目标的图像检索方案,并借助于现有的显著性检测、图像分割、特征提取等技术实现一款有效的图像检索算法.首先采用HS(Hierarchical Saliency,分层显著性)检测算法分析用户的兴趣目标并应用SC(Saliency-based Image Cut,基于显著性的图像分割)算法将其分割,然后针对兴趣目标提取HSV(Hue、Saturation、Value,色调、饱和度、明度)颜色特征、SIFT(Scale Invariant Feature Transform,尺度不变特征变换)局部特征和CNN(Convolutional Neural Network,卷积神经网络)语义特征,最后计算其与数据库图像的相似度并根据相似度排序返回检索结果.仿真实验结果表明,本文算法在解决“这是什么东西”这类图像检索任务时明显优于现有的图像检索算法.