申请/专利权人:河北工业大学
申请日:2024-03-22
公开(公告)日:2024-06-14
公开(公告)号:CN118193774A
主分类号:G06F16/583
分类号:G06F16/583;G06V10/77;G06V10/80;G06V10/82;G06V10/46;G06N3/045;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明公开了一种基于频谱信息引导的图像检索方法,首先获取图像,对图像进行数据增强,得到成对的强、弱变换图像;然后,通过快速傅里叶变换将强、弱变换图像由空域转换至频域,得到频域图像FS和FT;提取频域图像FS和FT的频谱信息,得到频谱特征AS和AT,并对频谱特征进行归一化处理;将频谱特征AS和AT分别与强、弱变换图像进行融合,得到由频谱信息引导的强、弱变换图像;最后,构建深度哈希网络,将由频谱信息引导的强、弱变换图分别输入到深度哈希网络中,提取各自的哈希量化编码;对深度哈希网络进行训练,将训练后的教师模型或学生模型用于图像检索。通过频谱信息对空域图像进行引导,增大图像之间的差异信息,生成更加准确的哈希量化编码,提升了检索性能。
主权项:1.一种基于频谱信息引导的图像检索方法,其特征在于,该方法包括如下步骤:第一步:获取图像,对图像进行数据增强,得到成对的强、弱变换图像XS和XT;第二步:通过快速傅里叶变换将强、弱变换图像由空域转换至频域,得到频域图像FS和FT;通过式3、4提取频域图像FS和FT的频谱信息,得到频谱特征AS和AT;通过式5、6对频谱特征进行归一化处理;AS=[FSR2+FSI2]123AT=[FTR2+FTI2]124 式中,R、I分别表示实部和虚部,表示归一化后的频谱特征,分别表示频谱特征AT的最大值和最小值,分别表示频谱特征AS的最大值和最小值;通过式7、8将频谱特征与强、弱变换图像进行融合,得到由频谱信息引导的强、弱变换图像X′S和X′T; 式中,δ表示振幅系数;第三步:构建深度哈希网络,深度哈希网络包括教师模型和学生模型,两个模型共享参数;将由频谱信息引导的强、弱变换图分别输入到学生模型和教师模型中,提取各自的哈希量化编码;第四步:对深度哈希网络进行训练,得到训练后的教师模型和学生模型;将待查询图像输入到训练后的教师模型或学生模型中,得到检索图像。
全文数据:
权利要求:
百度查询: 河北工业大学 基于频谱信息引导的图像检索方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。