1.一种图像检索方法，包括如下步骤：

获取检索关键字，并根据所述检索关键字从数据库中筛选得到图像集合；

根据图像特征建立所述图像集合的第一谱图模型，得到所述图像集合中的两两图像之间的相似关系；

根据所述相似关系建立半监督学习模型；

根据所述半监督学习模型对所述图像集合进行去噪，得到去噪图像集合；

返回所述去噪图像集合作为所述检索关键字所对应的检索结果。

2.根据权利要求1所述的图像检索方法，其特征在于，所述根据图像特征建立所述图像集合的第一谱图模型，得到所述图像集合中的两两图像之间的相似关系的步骤包括：获取图像特征值，建立图像的特征向量；

根据所述特征向量将所述图像集合通过第一节点集合χ＝{x1,…,xn}表示，其中xn是一个多维向量，xn的一个维度表示一个特征值；

2 2

根据所述第一节点集合建立关系矩阵W，其中，当i≠j时，wij＝exp(-||xi-xj||/σ)；

当i＝j时，wij＝0；

-1/2 -1/2

对所述相似矩阵W做归一化处理得第一归一化边矩阵S＝D WD ，其中D是对角元素为 的对角矩阵。

3.根据权利要求2所述的图像检索方法，其特征在于，所述根据所述相似关系建立半监督学习模型的步骤包括：获取所述第一节点集合中前p个节点，将所述p个节点标定为正样本；

定义查询向量y，其中对于已标定节点，y＝yi＝1(i≤p)，对于未标定节点，y＝yu＝

0(p+1≤u≤n)；

定义预测标签向量f，其中fi(1≤i≤n)表示节点xi预测标签；

建立所述预测标签向量f的能量函数

-1

根据所述能量函数对f求微分可得半监督学习模型f＝(1-α)(I-αS) y，其中α＝

1/(1+μ)，I是单位矩阵。

4.根据权利要求3所述的图像检索方法，其特征在于，所述根据所述半监督学习模型对所述图像集合进行去噪，得到去噪图像集合的步骤为：* -1 1

根据所述半监督学习模型获取单节点预测的标签，得到标签矩阵F ＝(I-αS) [y.…i n -1 j,y，…,y]＝(I-αS) 其中， 是基于单节点标定的查询向量y 而对xi的预测标签；

根据所述标签矩阵进行谱聚类分析，得到多个类团；

根据所述标签矩阵及类团定义所述节点的主导分数为根据不等式 判断噪声类团，其中 表示对类团c中的数据取平均， 表示对k个类团取平均，β是预设值；

去除所述噪声类团所对应的噪声图像集合，得到去噪图像集合。

5.根据权力要求4所述的图像检索方法，其特征在于，所述返回所述去噪图像集合作为所述检索关键字所对应的检索结果的步骤为：对所述去噪图像集合建立第二谱图模型，得到所述去噪图像集合所对应的第二节点集合χ'以及基于χ'的第二归一化边矩阵S'；

根据所述第二谱图模型建立最大化函数

-1 p×p

其中，M＝(I-αS') ，mii＝0，γ是预设值，M 是M的前p行p列；

通过迭代方法解所述最大化函数得到正样本；

通过所述正样本训练所述半监督学习模型，以对所述去噪图像集合进行重新排序，得到重排序图像集合；

返回所述重排序图像集合作为所述检索关键字的检索结果。

6.一种图像检索装置，包括：

获取模块，用于获取检索关键字，并根据所述检索关键字从数据库中筛选得到图像集合；

建模模块，用于根据图像特征建立所述图像集合的第一谱图模型，得到所述图像集合中的两两图像之间的相似关系；

学习模块，用于根据所述相似关系建立半监督学习模型；

去噪模块，用于根据所述半监督学习模型对所述图像集合进行去噪，得到去噪图像集合；

发送模块，用于返回所述去噪图像集合作为所述检索关键字所对应的检索结果。

7.根据权利要求6所述的图像检索装置，其特征在于，所述建模模块还用于获取图像特征值，建立图像的特征向量，根据所述特征向量将所述图像集合通过第一节点集合x＝{x1，…,xn}表示，其中xn是一个多维向量，xn的一个维度表示一个特征值，根据所述第一

2 2

节点集合建立关系矩阵W，其中，当i≠j时，wij＝exp(-||xi-xj||/σ)；当i＝j时，wij-1/2 -1/2＝0，对所述相似矩阵W做归一化处理得第一归一化边矩阵S＝D WD ，其中D是对角元素为 的对角矩阵。

8.根据权利要求7所述的图像检索装置，其特征在于，所述根据所述学习模块还用于获取所述第一节点集合中前p个节点，将所述p个节点标定为正样本，定义查询向量y，其中对于已标定节点，y＝yi＝1(i≤p)，对于未标定节点，y＝yu＝0(p+1≤u≤n)，定义预测标签向量f，其中fi(1≤i≤n)表示节点xi预测标签，建立所述预测标签向量f的能量函数 根据所述能量函数对f求微分可得-1

半监督学习模型f＝(1-α)(I-αS) y，其中α＝1/(1+μ)，I是单位矩阵。

9.根据权利要求8所述的图像检索转装置，其特征在于，所述根据所述去噪模块还用* -1 1于根据所述半监督学习模型获取单节点预测的标签，得到标签矩阵F ＝(I-αS) [y.…i n -1 j,y，…,y]＝(I-αS) 其中， 是基于单节点标定的查询向量y 而对xi的预测标签，根据所述标签矩阵进行谱聚类分析，得到多个类团，根据所述标签矩阵及类团定义所述节点的主导分数为 根据不等式 判断噪声类团，其中表示对类团c中的数据取平均， 表示对k个类团取平均，β是预设值，去除所述噪声类团所对应的噪声图像集合，得到去噪图像集合。

10.根据权力要求9所述的图像检索装置，其特征在于，所述发送模块还用于对所述去噪图像集合建立第二谱图模型，得到所述去噪图像集合所对应的第二节点集合χ'以及基于χ'的第二归一化边矩阵S′，根据所述第二谱图模型建立最大化函数-1其中，M＝(I-αS') ，mii＝0，γ是预设值，p×p

M 是M的前p行p列，通过迭代方法解所述最大化函数得到正样本，通过所述正样本训练所述半监督学习模型，以对所述去噪图像集合进行重新排序，得到重排序图像集合，返回所述重排序图像集合作为所述检索关键字的检索结果。