基于BP神经网络的多尺度图像检索方法

摘要

当前应用较为广泛的图像检索方法大多是单一结构,在实际应用的过程中容易出现误差,同时获取的视觉特征也不全面,一定程度上缺乏创新延伸的能力,导致对应图像的综合表达能力匮乏.因此,基于BP神经网络的多尺度图像检索方法进行设计.计算图像深层特征卷积值,依据得出的数据信息,建立复杂层级的多尺度检索结构,将结构添加在初始的检索模型中,创建BP神经网络的归一化重叠检索模型,通过区域生长算法最终实现多尺度图像的检索.测试的结果表明:在相同的测试环境之中,对比于两种传统方法,本文所设计的方法具有更强的灵活性,并且得出的图像检索MAP值较小,表明其检索的范围相对较大,具有实际的应用意义.