技術(shù)特征：

1.一種基于區(qū)域驗(yàn)證的圖像檢索方法，其特征在于，所述方法至少包括：

提取圖像庫中圖像的第一局部特征和第一區(qū)域特征，并構(gòu)建特征索引；

提取待檢索圖像的第二局部特征和第二區(qū)域特征；

基于所述第二局部特征和所述特征索引，確定所述待檢索圖像與所述圖像庫中圖像之間的局部特征匹配對(duì)；

基于所述特征索引并利用所述第一區(qū)域特征和所述第二區(qū)域特征對(duì)所述局部特征匹配對(duì)進(jìn)行驗(yàn)證，確定匹配得分；

根據(jù)所述匹配得分，確定所述圖像庫中圖像與所述待檢索圖像之間的相似度；

根據(jù)所述相似度反饋檢索結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取圖像庫中圖像的第一區(qū)域特征包括：

在L個(gè)尺度下對(duì)所述圖像庫中的各圖像進(jìn)行劃分；其中，所述L表示尺度數(shù)量，并取正整數(shù)；

針對(duì)第l個(gè)尺度，將所述圖像庫中各圖像分別劃分為l×l個(gè)大小相同、有重疊且覆蓋所述整幅圖像的區(qū)域；其中，所述l表示尺度序號(hào)并取正整數(shù)；

針對(duì)各區(qū)域分別提取第一區(qū)域特征。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：

所述提取圖像庫中圖像的第一局部特征具體包括：

檢測(cè)所述圖像庫中各圖像的關(guān)鍵點(diǎn)；

利用描述算法對(duì)所述關(guān)鍵點(diǎn)鄰域的內(nèi)容提取第一局部特征；

所述構(gòu)建特征索引具體包括：

基于所述第一局部特征，構(gòu)建局部特征庫；

使用k-均值算法對(duì)所述局部特征庫進(jìn)行聚類，并設(shè)置聚類中心，建立詞袋模型；

根據(jù)所述詞袋模型，構(gòu)建倒排索引表；

為所述圖像庫中各圖像的所述關(guān)鍵點(diǎn)分配區(qū)域指示器；

將所述第一局部特征量化到距離最近的所述詞袋模型的視覺單詞上；

根據(jù)所述視覺單詞所對(duì)應(yīng)的所述倒排索引表中的位置，將所述關(guān)鍵點(diǎn)的屬性信息存入所述倒排索引表；其中，所述屬性信息包括圖像標(biāo)識(shí)符和所述區(qū)域指示器；

將所述第一區(qū)域特征編碼成二值化區(qū)域特征；

分配存儲(chǔ)空間并存儲(chǔ)與所述第一區(qū)域特征對(duì)應(yīng)的所述二值化區(qū)域特征；

基于所述倒排索引表和所述存儲(chǔ)空間，構(gòu)建特征索引。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取待檢索圖像的第二區(qū)域特征具體包括：

在L個(gè)尺度下對(duì)所述待檢索圖像進(jìn)行劃分；其中，所述L表示尺度數(shù)量，并取正整數(shù)；

針對(duì)第l個(gè)尺度，將所述待檢索圖像分別劃分為l×l個(gè)大小相同、有重疊且覆蓋所述整幅圖像的區(qū)域；其中，所述l表示尺度序號(hào)并取正整數(shù)；

針對(duì)各區(qū)域分別提取第二區(qū)域特征。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述第二局部特征和所述特征索引，確定所述待檢索圖像與所述圖像庫中圖像之間的局部特征匹配對(duì)，具體包括：

對(duì)所述第二局部特征進(jìn)行量化，且量化到距離最近的視覺單詞上，并遍歷視覺單詞所對(duì)應(yīng)的倒排索引表；

確定所述待檢索圖像與所述圖像庫中某一圖像之間的所述局部特征匹配對(duì)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于：

所述提取待檢索圖像的第二局部特征具體包括：

檢測(cè)所述待檢索圖像的關(guān)鍵點(diǎn)；

利用描述算法對(duì)所述關(guān)鍵點(diǎn)鄰域的內(nèi)容提取第二局部特征；

所述基于所述特征索引并利用所述第一區(qū)域特征和所述第二區(qū)域特征對(duì)所述局部特征匹配對(duì)進(jìn)行驗(yàn)證，確定匹配得分，具體包括：

為與所述第二局部特征相關(guān)的所述關(guān)鍵點(diǎn)分配區(qū)域指示器；

將所述第二區(qū)域特征編碼成二值化區(qū)域特征；

根據(jù)與所述局部特征匹配對(duì)對(duì)應(yīng)的兩個(gè)關(guān)鍵點(diǎn)的區(qū)域指示器以及所述二值化區(qū)域特征，構(gòu)建二值化區(qū)域特征集合；

根據(jù)以下公式，從所述二值化區(qū)域特征集合中查找最佳區(qū)域?qū)Γ?/p>

$(m,n)=\arg \underset{i,j}{\min }h(p_i^x,p_j^y)$

其中，所述表示所述待檢索圖像中關(guān)鍵點(diǎn)x對(duì)應(yīng)的二值化區(qū)域特征；所述表示所述圖像庫中某一圖像中關(guān)鍵點(diǎn)y對(duì)應(yīng)的二值化區(qū)域特征；所述x和所述y為所述局部特征匹配對(duì)；p_i表示二值化區(qū)域特征；所述i和所述j滿足條件:i∈[1,T_x],j∈[1,T_y]；所述T_x表示所述x所處的區(qū)域的個(gè)數(shù)；所述T_y表示所述y所處的區(qū)域的個(gè)數(shù)；所述m和所述n表示查找出的最佳區(qū)域?qū)Φ臉?biāo)號(hào)；所述h(,)表示漢明距離的計(jì)算函數(shù)；

基于所述最佳區(qū)域?qū)?，根?jù)以下公式，進(jìn)行區(qū)域驗(yàn)證，計(jì)算匹配得分：

$s(x,y)=1+\exp (-d^5/{\mathrm{\σ}}^5),d=h(p_m^x,p_n^y)$

其中，所述s(x,y)表示匹配分?jǐn)?shù)；所述m和所述n表示查找出的最佳區(qū)域?qū)Φ臉?biāo)號(hào)；所述σ表示可調(diào)參數(shù)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述匹配得分，確定所述圖像庫中圖像與所述待檢索圖像之間的相似度，具體包括：

將所述匹配得分進(jìn)行累加，得到總得分，并將所述總得分作為所述圖像庫中圖像與所述待檢索圖像之間的相似度。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述根據(jù)所述相似度反饋檢索結(jié)果具體包括：

對(duì)所述相似度按照由大到小的順序排序；

按照所述順序反饋檢索結(jié)果。