【摘要】 本发明涉及一种基于广义欧拉向量的图像检索方法，属于计算机图形学领域。本发明的方法包括以下步骤：1)将图像分解为8个位平面；2)求出前5个位平面的灰度码表示；3)计算前5个重要位平面增量表示；4)分别计算五个重要灰度码位平面的欧拉数，组成欧拉向量；5)分别计算五个重要增量位平面的欧拉数，组成堆叠欧拉向量；6)直接将欧拉向量和堆叠欧拉向量拼接，并去掉欧拉向量或者堆叠欧拉向量中的第一个欧拉数，得到广义欧拉向量；7)求出查询图像和图像库中所有图像间的距离，按照由小到大的顺序排列，取感兴趣的前n幅返回给用户作为检索结果。本发明的方法可以显著提高检索的效率。 【专利类型】发明授权 【申请人】北京理工大学 【申请人类型】学校 【申请人地址】100081 北京市海淀区中关村南大街5号 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810119426.3 【申请日】2008-08-29 【申请年份】2008 【公开公告号】CN101350024B 【公开公告日】2010-12-22 【公开公告年份】2010 【授权公告号】CN101350024B 【授权公告日】2010-12-22 【授权公告年份】2010.0 【IPC分类号】G06F17/30; G06K9/46 【发明人】张艳; 杨红菊; 李凤霞; 黄天羽; 陈宇峰 【主权项内容】一种基于广义欧拉向量的图像检索方法，其特征在于包括以下步骤：(1)对于一幅由N×M个像素组成的图像I，假设其灰度级为256，则把图像分解为8个位平面b7，b6，b5，b4，b3，b2，b1，b0，图像I的每个像素的灰度值均用8位二进制表示，所有像素的最高位组成b7位平面，最低位组成b0位平面；(2)求出前5个重要位平面的灰度码表示g7，g6，g5，g4，g3，即当位平面的序号i＝7时g7＝b7；当3≤i≤6时，其中表示XOR，即逻辑异或操作；(3)根据分解得到的位平面计算前5个重要位平面增量表示a7，a6，a5，a4，a3，其中，aj＝bj+bj+1+...+b7，其中j表示位平面的序号，且3≤j＜7，a7＝b7，‘+’代表逻辑或；(4)分别计算前5个重要灰度码位平面g7，g6，g5，g4，g3的欧拉数，组成欧拉向量：Eg(eg7，eg6，eg5，eg4，eg3)，其中eg7，eg6，eg5，eg4，eg3分别表示与五个重要灰度码位平面对应的欧拉数；(5)分别计算5个重要增量位平面a7，a6，a5，a4，a3的欧拉数，组成堆叠欧拉向量：Ea(ea7，ea6，ea5，ea4，ea3)，其中ea7，ea6，ea5，ea4，ea3分别表示与五个增量位平面对应的欧拉数；(6)把步骤(4)和步骤(5)得到的向量进行组合，作为图像I的特征；所选择的组合方式是直接将欧拉向量和堆叠欧拉向量拼接，并去掉欧拉向量或者堆叠欧拉向量中的第一个欧拉数，得到新的向量，即广义欧拉向量，记为E(e9，e8，e7，e6，e5，e4，e3，e2，e1)；(7)求出查询图像和图像库中所有图像间的距离，按照由小到大的顺序排列，取感兴趣的前n幅返回给用户作为检索结果；设查询图像和目标图像分别为Q和I，得到的广义欧拉向量分别为和则可以计算它们之间的距离DQI，距离越小说明它们之间的相似度越高。FSB00000276960600011.tif, FSB00000276960600012.tif, FSB00000276960600013.tif, FSB00000276960600014.tif 【当前权利人】北京理工大学 【当前专利权人地址】北京市海淀区中关村南大街5号 【统一社会信用代码】12100000400009127B 【家族被引证次数】1
