公开(公告)号：CN103810252A

公开(公告)日：2014-05-21

申请号：CN201410027227.5

申请日：2014-01-21

Applicant: 南京信息工程大学

Inventor： 徐军 ,  郑秋中

IPC: G06F17/30

CPC classification number: G06F17/30256

Abstract: 本发明公开了一种基于群稀疏特征选择的图像检索方法，包括特征选择与图像检索两部分，其中特征选择步骤包括选取图像对、提取多种特征、形成特征差异矩阵、建立群稀疏逻辑回归模型、运用优化算法求解权重、选择出最优特征；图像检索步骤包括提取图像库所有图像的最优特征、形成图像特征库、提取查询图像最优特征、相似度比较、求出最大相似度图像序号、输出检索图像。本发明运用自适应谱梯度算法有效的求解群稀疏逻辑回归模型，具有更快的收敛速度，更少的运行时间。传统的基于内容的图像检索，特征的选择是特定的，本发明用全部训练特征进行图像检索相比，在相同的实验条件下，图像的查准率明显提高，图像检索的效率增强。

公开(公告)号：CN103810252B

公开(公告)日：2017-02-08

申请号：CN201410027227.5

申请日：2014-01-21

Applicant: 南京信息工程大学

Inventor： 徐军 ,  郑秋中

IPC: G06F17/30

Abstract: 本发明公开了一种基于群稀疏特征选择的图像检索方法，包括特征选择与图像检索两部分，其中特征选择步骤包括选取图像对、提取多种特征、形成特征差异矩阵、建立群稀疏逻辑回归模型、运用优化算法求解权重、选择出最优特征；图像检索步骤包括提取图像库所有图像的最优特征、形成图像特征库、提取查询图像最优特征、相似度比较、求出最大相似度图像序号、输出检索图像。本发明运用自适应谱梯度算法有效的求解群稀疏逻辑回归模型，具有更快的收敛速度，更少的运行时间。传统的基于内容的图像检索，特征的选择是特定的，本发明用全部训练特征进行图像检索相比，在相同的实验条件下，图像的查准率明显提高，图像检索的效率增强。