图形图像中草图检索技术中的草图是根据人们获取信息需要手绘出来的,它是图像处理与图像检索的关键。因此,草图检索中的草图检索匹配技术是图像搜索、视频处理、机器学习等方向及其重要的课题,其在视频分割、无人自动驾驶、智能购物等领域具有很大的应用空间。目前,越来越多的智能化产品和设备进入人们的生活、工作、学习中,此类人机交互的智能化产品给人类带来巨大的改变。其中智能化设备上配置的触摸屏成为控制它们的主要方式。利用触控的输入方式,不同阶段不同层次的人们可以根据自己主观感受来描述物体的轮廓信息,然后在触摸屏上手绘出脑海中印象中所想的照片、图像。因此,基于手绘草图的图像检索(Sketch Based Image Retrieval,SBIR)已经成为国内外学者研究的热点与重点课题。目前相关学者提出了融合压缩感知的图像检索技术,为数据采集、图像降维技术带来了巨大的突破。本文围绕手绘草图自身特性与草图检索中的提取特征向量方面展开,重点研究了基于压缩感知的多尺度梯度方向直方图特征(Multi-scale Histogram of Oriented Gradient,Multi-scale HOG)算法的草图检索方法,并获得较好的成果,总结如下:1、基于压缩感知的多尺度HOG的算法但是针对图像算法特征提取复杂度高、特征信息易缺失方面存在缺陷,尤其是大尺度图像,为了解决此问题,本文提出了一种基于压缩感知的多尺度HOG算法的草图检索提取特征方法。在草图与图像库进行预处理后,通过压缩感知采样少量的关键特征点,提取压缩感知测量值,获得压缩感知描述子的特征向量。实验结果表明,该方法提升了算法的图像检索效率,取得了 86.2%的召回率。2、基于Petri网的改进后算法的并行优化方法对草图检索算法进行并行处理可以显著提升其计算速度,降低草图与图像提取与匹配的时间。采用多核的GPU编程接口进行并行处理,能极大较少算法的执行时间。因此本文针对基于压缩感知的多尺度HOG算法提出异构并行方法,利用Petri网建立模型作并行化计算与并行化分析。实验结果表明,将改进后算法并行加速后,其检索效率提升了 3.1倍。本文利用压缩感知技术的特性和图像检索现存的问题,提出了一种将压缩感知理论应用于草图检索多尺度HOG算法中的特征提取过程的草图检索方案。同时结合Petri网工具作并行化计算与分析,更好地提升了此算法的图像检索效率。