CN101211355A - 一种基于聚类的图像查询方法 - Google Patents
一种基于聚类的图像查询方法 Download PDFInfo
- Publication number
- CN101211355A CN101211355A CNA2006101715191A CN200610171519A CN101211355A CN 101211355 A CN101211355 A CN 101211355A CN A2006101715191 A CNA2006101715191 A CN A2006101715191A CN 200610171519 A CN200610171519 A CN 200610171519A CN 101211355 A CN101211355 A CN 101211355A
- Authority
- CN
- China
- Prior art keywords
- cluster
- image
- grid
- inquiry method
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于聚类的图像查询方法,包括以下步骤:(1)提取目标图像和图像数据库中每幅图像的颜色特征和纹理特征;(2)对描述图像内容的高维特征进行降维,得到特征子集;(3)对特征子集构成的数据集进行聚类;(4)对聚类得到的每个类分别建立索引;(5)使用索引进行图像查询。本发明的优点在于:根据图像的注意力区域对图像进行简单有效的划分,优化了索引树结构,使检索更为准确和高效。
Description
技术领域
本发明涉及图像内容表示与图像查询技术,特别涉及高维数据空间的聚类图像查询方法。
背景技术
随着网络的高速发展,各种类型的信息飞速增长。除文本之外,因特网(Internet)也在不断产生大量图像、视频等可视化数据。图像由于其直观鲜明、内容丰富的特点,成为一种重要的信息载体,是组成多媒体的重要内容。根据人们日益增长的对可视化数据的需求,如何对这些海量信息进行有效的分析、管理、查询和检索,成为目前亟待解决的问题。
传统的检索系统主要通过图片的文件名以及部分网页文字信息来建立索引,对图像进行描述和检索。但是,手工标注的开销太大,而且具有主观性,并且很难用文字来描述图像中含有的视觉信息,如颜色、纹理、轮廓等感知元素。因此,基于内容的大型图像数据库的索引和检索在近年成为众多关注的课题。
图像内容的表示和特征的提取问题,是图像理解的基础和核心所在。对图像内容的理解,其本质就是提取像素点分布的统计规律,从而进行相似性的计算与度量。颜色、纹理、形状,以及边缘等被提取出来作为常用的图像描述特征。
提取描述图像内容的特征之后,图像被映射为高维数据空间中的样本点。对于海量数据而言,如何建立有效的索引结构,是加快检索速度、提高检索精度的关键问题。同时,与图像对应的都是高维数据点,常用的索引方法已难以满足需要,具有动态性、高效性、鲁棒性和集成性的高维索引结构己成为热门的研究方向。
常用的高维索引是树型空间索引,分为基于数据划分和基于空间划分两类,前者划分数据集,并建立数据子集的包含区域的层次结构,比如R树、R*树、SS树等;后者将数据空间划分为不相交的子空间,并建立子空间的层次结构,比如Quadtree、K-D树等。在目前的大型数据库检索系统中,普遍采用了R*树作为索引的数据结构。它的主要思想是:基于最小包含矩形MBR(Minimum BoundaryRectangle)划分数据,使空间上靠近的空间对象拥有尽可能近的共同祖先。在分裂节点和选取最优子树时,采用多样化的衡量指标,除采用R树中的面积指标外,还引入周长、矩形重叠面积等指标。针对R树结构受数据输入次序影响的问题,R*树采用强制重新插入策略,对树中已有节点中的单元进行有选择的重新插入,优化树的整体结构,有助于提高查询性能。代价仅仅稍高于R树,同时支持点数据和其他空间数据的索引建立与查询。详情参见文献Beckmann H-P Kriegel,R Schneider,BSeeger.The R*-Tree:An Efficient and Robust Access Method for Points andRectangles[C].In:Proc ACM SIGMOD,1990:322-331.
大部分树型空间索引在低维空间中性能优越,但在高维空间中,性能下降,这是因为一些重要的参数,如体积、面积等,都和空间维数呈幂级增长的关系。R*树对10维以下的数据集有较理想的处理效果,但当维数超过20时,在高维空间中出现大量MBR重叠,导致结构退化,引起性能下降。并且,现实应用中提取的数据集,如从检索图像、视频关键帧中提取的特征描述子,在整个特征空间中往往是非均匀分布的,这就会导致大量空结点或稀疏边界矩形的产生,严重影响检索效率。
发明内容
本发明的目的是克服现有技术的不足,提供一种基于聚类的图像查询方法,用于大规模图像库中快速检索与目标图像相似的数据图像。
为了达到上述目的,本发明采取如下技术方案:
一种基于聚类的图像查询方法,包括以下步骤:
(1)提取目标图像和图像数据库中每幅图像的颜色特征和纹理特征;
(2)对描述图像内容的高维特征进行降维,得到特征子集;
(3)对特征子集构成的数据集进行聚类;
(4)对聚类得到的每个类分别建立索引;
(5)进行图像查询。
进一步地,步骤(1)中,提取颜色特征的步骤包括:①将图像固定划分为N块,N为大于或等于3的整数;②给每个分块赋予权重。
进一步地,步骤(2)中,对高维特征进行降维,选择全局颜色矩来作为表征图像内容的特征向量。
进一步地,步骤(3)中,所述聚类是结合网格的样本密度聚类。
进一步地,图像固定分块数N=5。
进一步地,选择全局颜色矩是选取颜色的一阶矩、二阶矩和三阶矩来作为表征图像的特征向量。
进一步地,所述结合网格的样本密度聚类具体包括步骤:①将降维后的低维数据空间划分成固定大小的网格;②计算每个网格中落入的样本数目,确立每个格点的样本密度;③将格点按照其样本密度排序;④根据排序结果得到初始聚类的分类数和各分类的初始中心;⑤用模糊C均值方法(Fuzzy C-means Method,简称FCM,模糊C均值方法)来模拟数据点的分布,得到最终的聚类结果。
进一步地,所述步骤①将降维后的低维数据空间划分成固定大小的网格,其中网格划分数目的确定包括如下步骤:①根据所有样本数据之间的平均距离来确定网格边长;②根据网格边长得到网格划分的数目。
进一步地,所述步骤(4)中,在聚类得到的每一类中分别建立以R*树为数据结构的树型索引。
进一步地,所述步骤(5)具体包括:1)将目标图像中提取的特征向量与各聚类中心进行匹配;2)选择最相似的索引树进行检索,得到相似性匹配结果。
本发明方法的优点在于:
(1)根据图像的注意力区域对图像进行简单有效的划分,突出中心部分的细节和权重,不必对图像进行精确分割,有效地降低了特征维数;
(2)利用聚类的结果指导多个索引的建立,有效地避免了稀疏数据和噪音数据对建立索引树的影响,优化了索引树结构,使检索更为准确和高效。
附图说明
图1是本发明实施例中基于固定分块的图像颜色特征提取方法示意图;
图2是本发明实施例中综合网格与样本密度的聚类方法示意图;
图3是本发明实施例中基于聚类的图像查询系统流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细描述:
如图3所示,为本发明的一种基于聚类的图像查询方法的操作流程图。该方法的操作步骤包括:
步骤10中,提取目标图像和图像数据库中每幅图像的颜色和纹理特征。颜色特征的提取在HSV空间中进行,通过转换公式将图像的RGB(Red红,Green绿,Blue蓝)值转化为色度、饱和度和亮度值,更加符合人的视觉感知特性。HSV(Hue色度,Saturation饱和度,Value纯度)空间中,每个像素对应一个三维向量,分别表示所在点的色度、饱和度和亮度,单位和变化范围都不相同。为了统一处理,将它们分别进行等级量化,并根据视觉研究的相关结果增大色调的关注度,将三维向量通过线性组合转换成为一个0到31之间的整数值,每个数值代表一个颜色分段。
将每个象素都进行量化之后,用图1的方法提取每幅图像的颜色特征。这里将图像平均划分为4*4的小块,然后按图示组合为5个大的分块,分别对应上下左右和中间部分(ABCD分别对应上、左、下、右四个部分,E对应中间部分,粗线条表示这些大的分块的边界)。在常见的风景或事物照片中,图像的上部一般为颜色均匀分布的天空,下部为草地或海洋、湖泊;左部和右部关注得较少,一般不带有突出的语义信息;感兴趣的对象往往都分布在图像的中部,有的稍微偏离一点。因此采取如下的视觉特征提取办法:上下左右四个板块各提取3维的颜色矩(颜色一阶矩、二阶矩和三阶矩),中间板块提取量化为32级的直方图,还要提取图像全局的三阶颜色矩。
步骤20,对高维图像视觉特征进行降维,得到特征子集。根据先验知识对特征进行筛选,挑选出最有代表性的特征子集来建立索引。因为对于纹理、轮廓等其他视觉特征而言,全局颜色矩是最具区分力的特征,所以系统中选用3个低阶颜色矩来表征每幅图像,并建立索引。
考虑到数据分布的非均匀性,而且索引树的结构与数据点的输入顺序有很大的关系,为了得到平衡的索引数,采用了聚类的方法对数据进行预处理。在聚类的基础上,再在每一类里建立相应的索引树,这样既可以保证索引树的结构优化,也可以在很大程度上排除稀疏节点出现的可能。在本发明方法中,为了对数据进行有效的聚类,采用了综合网格与样本密度的方法对分类数和初始聚类中心进行预测,然后使用FCM算法来得到样本的分类情况。
步骤30,对选出的特征子集构成的新的数据集进行聚类,将整个数据集分划为类。如图2所示,将每幅图像进行固定划分,得到若干大小相等的网格,网格的边长R1可以根据所有样本数据之间的平均距离来确定,比如网格边长确定为所有样本数据之间的平均距离的整数倍。对每个网格,计算落在其中的样本点数,作为其样本密度。根据样本密度的大小对所有的网格按降序进行排列。将排在第一个的网格对应的中心点作为第一个初始聚类中心,然后计算排在第二个的网格中心与已有中心的距离,如果大于样本数据之间的平均距离的3倍,则加入中心队列中,成为第二个初始聚类中心;否则,按排序的结果继续判断下一个网格中心是否是下一个聚类中心。如此重复计算直到没有新的初始聚类中心产生为止,初始分类数就是队列中聚类中心的个数。图2中网格a具有最大的样本密度,a的中心点作为第一个初始聚类中心;网格b的中心点作为第二个初始聚类中心,网格c的中心点是第三个初始聚类中心。图2所示的样本点初始聚类结果得到三个初始聚类中心。
得到初始聚类中心后,使用FCM算法来得到样本集的最终聚类结果,此时的模糊函数采用高斯函数。迭代过程中当某一类的样本数目超过最大个数阈值时应进行分裂,样本数目小于最小个数阈值时则进行聚合,判断是否进行分裂或聚合操作的阈值按照如下步骤确定:分裂的阈值为样本总数除以分类数,聚类的阈值则取样本数目的平方根与样本维数之间的最小值。
步骤40,在聚类生成的每个类中分别建立R*树型索引,并存储每一类的聚类中心与样本数。当有新的数据点加入时,计算它与每个聚类中心的距离,插入最小距离对应的索引之中。当某棵树的样本点数目大于预先设定的阈值后,则要将其进行分裂,生成两颗样本数据不相交的子树。
步骤50,使用索引进行图像查询。查询时,先提取目标图像的视觉特征,降维后在最近邻的索引树中进行查询,得到一个粗匹配的候选样本集合;然后在其候选集合中,使用原高维特征逐个与目标图像进行相似度的计算,得到精确匹配的结果。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于聚类的图像查询方法,包括以下步骤:
(1)提取目标图像和图像数据库中每幅图像的颜色特征和纹理特征;
(2)对描述图像内容的高维特征进行降维,得到特征子集;
(3)对特征子集构成的数据集进行聚类;
(4)对聚类得到的每个类分别建立索引;
(5)进行图像查询。
2.根据权利要求1所述基于聚类的图像查询方法,其特征是,步骤(1)中,提取颜色特征的步骤包括:①将图像固定划分为N块,N为大于或等于3的整数;②给每个分块赋予权重。
3.根据权利要求1所述基于聚类的图像查询方法,其特征是,步骤(2)中,对高维图像特征进行降维时,选择全局颜色矩来作为表征图像内容的特征向量。
4.根据权利要求1所述基于聚类的图像查询方法,其特征是,步骤(3)中,所述聚类是结合网格的样本密度聚类。
5.根据权利要求2所述基于聚类的图像查询方法,其特征是,图像固定分块数N=5。
6.根据权利要求3所述基于聚类的图像查询方法,其特征是,选择全局颜色矩是选取颜色的一阶矩、二阶矩和三阶矩来作为表征图像的特征向量。
7.根据权利要求4所述基于聚类的图像查询方法,其特征是,所述结合网格的样本密度聚类具体包括如下步骤:①将降维后的低维数据空间划分成固定大小的网格;②计算每个网格中落入的样本数目得到每个格点的样本密度;③将格点按照其样本密度排序;④根据排序结果得到初始聚类的分类数和各分类的初始中心;⑤用模糊C均值方法来模拟数据点的分布,得到最终的聚类结果。
8.根据权利要求7所述基于聚类的图像查询方法,其特征是,所述步骤①将降维后的低维数据空间划分成固定大小的网格,确定网格划分数目包括如下步骤:(a)根据所有样本数据之间的平均距离确定网格边长;(b)根据网格边长得到网格划分的数目。
9.根据权利要求1所述基于聚类的图像查询方法,其特征是,所述步骤(4)中,在聚类得到的每一类中分别建立以R*树为数据结构的树型索引。
10.根据权利要求1所述基于聚类的图像查询方法,其特征是,所述步骤(5)具体包括如下步骤:1)将目标图像中提取的特征向量与各聚类中心进行匹配;2)选择最相似的索引树进行检索,得到相似性匹配结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200610171519A CN101211355B (zh) | 2006-12-30 | 2006-12-30 | 一种基于聚类的图像查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200610171519A CN101211355B (zh) | 2006-12-30 | 2006-12-30 | 一种基于聚类的图像查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101211355A true CN101211355A (zh) | 2008-07-02 |
CN101211355B CN101211355B (zh) | 2010-05-19 |
Family
ID=39611387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200610171519A Expired - Fee Related CN101211355B (zh) | 2006-12-30 | 2006-12-30 | 一种基于聚类的图像查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101211355B (zh) |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510310B (zh) * | 2009-02-19 | 2010-12-29 | 上海交通大学 | 基于纹理聚类约束的高分辨率遥感图像分割方法 |
CN102110122A (zh) * | 2009-12-24 | 2011-06-29 | 阿里巴巴集团控股有限公司 | 一种建立样本图片索引表和图片过滤、搜索方法及装置 |
CN102122389A (zh) * | 2010-01-12 | 2011-07-13 | 阿里巴巴集团控股有限公司 | 一种图像相似性判断的方法及装置 |
CN102129451A (zh) * | 2011-02-17 | 2011-07-20 | 上海交通大学 | 图像检索系统中数据聚类方法 |
CN102160034A (zh) * | 2008-07-24 | 2011-08-17 | 那哈瓦有限公司 | 用于在大索引树中使用的划分高维向量的方法和装置 |
CN102419774A (zh) * | 2011-12-15 | 2012-04-18 | 上海大学 | 一种面向snp数据的聚类方法 |
CN102663398A (zh) * | 2012-03-31 | 2012-09-12 | 上海博康智能信息技术有限公司 | 一种彩色图像颜色特征提取方法及装置 |
CN102760144A (zh) * | 2011-04-26 | 2012-10-31 | 乐活在线(北京)网络技术有限公司 | 信息搜索方法及系统 |
WO2012167618A1 (en) * | 2011-07-11 | 2012-12-13 | Huawei Technologies Co., Ltd. | System and method for compact descriptor for visual search |
CN102833280A (zh) * | 2011-06-14 | 2012-12-19 | 北京百度网讯科技有限公司 | 用于确定网络资源质量信息的方法、装置及设备 |
CN103092853A (zh) * | 2011-10-31 | 2013-05-08 | 中国移动通信集团公司 | 一种空间索引的建立方法、使用方法及装置 |
CN103207879A (zh) * | 2012-01-17 | 2013-07-17 | 阿里巴巴集团控股有限公司 | 图像索引的生成方法及设备 |
CN103514264A (zh) * | 2013-08-21 | 2014-01-15 | 新华通讯社 | 结合聚类和街区距离的高维向量搜索方法 |
CN103605765A (zh) * | 2013-11-26 | 2014-02-26 | 电子科技大学 | 一种基于聚类紧凑特征的海量图像检索系统 |
CN104142946A (zh) * | 2013-05-08 | 2014-11-12 | 阿里巴巴集团控股有限公司 | 一种同款业务对象聚合、搜索的方法和系统 |
CN104298713A (zh) * | 2014-09-16 | 2015-01-21 | 北京航空航天大学 | 一种基于模糊聚类的图片检索方法 |
CN104380288A (zh) * | 2012-05-24 | 2015-02-25 | 松下知识产权经营株式会 | 图像检索系统以及图像检索方法 |
CN104615644A (zh) * | 2014-12-17 | 2015-05-13 | 百度在线网络技术(北京)有限公司 | 视频推荐方法和装置 |
CN104731694A (zh) * | 2013-12-18 | 2015-06-24 | 中国银联股份有限公司 | 浏览器兼容性测试分析方法及浏览器兼容性测试分析系统 |
CN104778281A (zh) * | 2015-05-06 | 2015-07-15 | 苏州搜客信息技术有限公司 | 一种基于社区分析的图像索引并行构建方法 |
CN104994366A (zh) * | 2015-06-02 | 2015-10-21 | 陕西科技大学 | 一种基于特征加权的fcm视频关键帧提取方法 |
CN105117407A (zh) * | 2015-07-27 | 2015-12-02 | 电子科技大学 | 一种基于聚类的距离方向直方图的图像检索方法 |
CN105912611A (zh) * | 2016-04-05 | 2016-08-31 | 中国科学技术大学 | 一种基于cnn的快速图像检索方法 |
CN106021362A (zh) * | 2016-05-10 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 查询式的图片特征表示的生成、图片搜索方法和装置 |
CN106202398A (zh) * | 2016-07-08 | 2016-12-07 | 北京易车互联信息技术有限公司 | 一种索引建立的方法及装置 |
CN102833280B (zh) * | 2011-06-14 | 2016-12-14 | 北京百度网讯科技有限公司 | 用于确定网络资源质量信息的方法、装置及设备 |
CN106557728A (zh) * | 2015-09-30 | 2017-04-05 | 佳能株式会社 | 查询图像处理和图像检索方法和装置以及监视系统 |
CN106886553A (zh) * | 2016-12-27 | 2017-06-23 | 浙江宇视科技有限公司 | 一种图像检索方法及服务器 |
CN107832852A (zh) * | 2017-11-14 | 2018-03-23 | 深圳码隆科技有限公司 | 数据处理学习方法、系统以及电子设备 |
WO2018166273A1 (zh) * | 2017-03-17 | 2018-09-20 | 北京京东尚科信息技术有限公司 | 高维图像特征匹配方法和装置 |
CN108664583A (zh) * | 2018-05-04 | 2018-10-16 | 北京物灵智能科技有限公司 | 一种索引树建立方法以及图像检索方法 |
CN108959338A (zh) * | 2018-03-30 | 2018-12-07 | 东易日盛家居装饰集团股份有限公司 | 一种图像检索方法及系统 |
CN109101542A (zh) * | 2018-07-02 | 2018-12-28 | 深圳市商汤科技有限公司 | 图像识别结果输出方法及装置、电子设备和存储介质 |
CN109165307A (zh) * | 2018-09-19 | 2019-01-08 | 腾讯科技(深圳)有限公司 | 一种特征检索方法、装置和存储介质 |
WO2019109887A1 (zh) * | 2017-12-05 | 2019-06-13 | Oppo广东移动通信有限公司 | 图像处理的方法、电子设备、计算机可读存储介质 |
CN109978066A (zh) * | 2019-04-01 | 2019-07-05 | 苏州大学 | 基于多尺度数据结构的快速谱聚类方法 |
CN110019874A (zh) * | 2017-12-29 | 2019-07-16 | 上海全土豆文化传播有限公司 | 索引文件的生成方法、装置及系统 |
CN110297935A (zh) * | 2019-06-28 | 2019-10-01 | 京东数字科技控股有限公司 | 图像检索方法、装置、介质及电子设备 |
CN110598042A (zh) * | 2019-08-29 | 2019-12-20 | 北京睿企信息科技有限公司 | 一种基于增量更新的视频结构化实时更新方法及系统 |
CN111324760A (zh) * | 2020-02-19 | 2020-06-23 | 名创优品(横琴)企业管理有限公司 | 一种图像检索方法及装置 |
CN112733969A (zh) * | 2021-03-31 | 2021-04-30 | 北京达佳互联信息技术有限公司 | 对象类别的识别方法和装置及服务器 |
CN113095341A (zh) * | 2019-12-23 | 2021-07-09 | 顺丰科技有限公司 | 一种图像匹配方法、装置及存储介质 |
CN115495603A (zh) * | 2022-09-26 | 2022-12-20 | 江苏衫数科技集团有限公司 | 一种服装图像检索方法和系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069645A (zh) * | 2019-04-22 | 2019-07-30 | 北京迈格威科技有限公司 | 图像推荐方法、装置、电子设备及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1240014C (zh) * | 2003-07-18 | 2006-02-01 | 北京大学计算机科学技术研究所 | 一种对镜头进行基于内容的视频检索的方法 |
-
2006
- 2006-12-30 CN CN200610171519A patent/CN101211355B/zh not_active Expired - Fee Related
Cited By (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102160034A (zh) * | 2008-07-24 | 2011-08-17 | 那哈瓦有限公司 | 用于在大索引树中使用的划分高维向量的方法和装置 |
CN102160034B (zh) * | 2008-07-24 | 2014-08-27 | 那哈瓦有限公司 | 用于在大索引树中使用的划分高维向量的方法和装置 |
CN101510310B (zh) * | 2009-02-19 | 2010-12-29 | 上海交通大学 | 基于纹理聚类约束的高分辨率遥感图像分割方法 |
CN102110122B (zh) * | 2009-12-24 | 2013-04-03 | 阿里巴巴集团控股有限公司 | 一种建立样本图片索引表和图片过滤、搜索方法及装置 |
CN102110122A (zh) * | 2009-12-24 | 2011-06-29 | 阿里巴巴集团控股有限公司 | 一种建立样本图片索引表和图片过滤、搜索方法及装置 |
US8577153B2 (en) | 2009-12-24 | 2013-11-05 | Alibaba Group Holding Limited | Method and system for sample image index creation and image filtering and search |
CN102122389A (zh) * | 2010-01-12 | 2011-07-13 | 阿里巴巴集团控股有限公司 | 一种图像相似性判断的方法及装置 |
CN102129451A (zh) * | 2011-02-17 | 2011-07-20 | 上海交通大学 | 图像检索系统中数据聚类方法 |
CN102129451B (zh) * | 2011-02-17 | 2013-05-01 | 上海交通大学 | 图像检索系统中数据聚类方法 |
CN102760144A (zh) * | 2011-04-26 | 2012-10-31 | 乐活在线(北京)网络技术有限公司 | 信息搜索方法及系统 |
WO2012146136A1 (zh) * | 2011-04-26 | 2012-11-01 | 北京百度网讯科技有限公司 | 信息搜索方法及系统 |
CN102833280B (zh) * | 2011-06-14 | 2016-12-14 | 北京百度网讯科技有限公司 | 用于确定网络资源质量信息的方法、装置及设备 |
CN102833280A (zh) * | 2011-06-14 | 2012-12-19 | 北京百度网讯科技有限公司 | 用于确定网络资源质量信息的方法、装置及设备 |
US8755605B2 (en) | 2011-07-11 | 2014-06-17 | Futurewei Technologies, Inc. | System and method for compact descriptor for visual search |
WO2012167618A1 (en) * | 2011-07-11 | 2012-12-13 | Huawei Technologies Co., Ltd. | System and method for compact descriptor for visual search |
CN103092853A (zh) * | 2011-10-31 | 2013-05-08 | 中国移动通信集团公司 | 一种空间索引的建立方法、使用方法及装置 |
CN103092853B (zh) * | 2011-10-31 | 2016-12-07 | 中国移动通信集团公司 | 一种空间索引的建立方法、使用方法及装置 |
CN102419774A (zh) * | 2011-12-15 | 2012-04-18 | 上海大学 | 一种面向snp数据的聚类方法 |
CN102419774B (zh) * | 2011-12-15 | 2013-04-03 | 上海大学 | 一种面向snp数据的聚类方法 |
CN103207879B (zh) * | 2012-01-17 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 图像索引的生成方法及设备 |
TWI552007B (zh) * | 2012-01-17 | 2016-10-01 | Alibaba Group Holding Ltd | Method and apparatus for generating image index |
CN103207879A (zh) * | 2012-01-17 | 2013-07-17 | 阿里巴巴集团控股有限公司 | 图像索引的生成方法及设备 |
US9330341B2 (en) | 2012-01-17 | 2016-05-03 | Alibaba Group Holding Limited | Image index generation based on similarities of image features |
CN102663398A (zh) * | 2012-03-31 | 2012-09-12 | 上海博康智能信息技术有限公司 | 一种彩色图像颜色特征提取方法及装置 |
CN104380288A (zh) * | 2012-05-24 | 2015-02-25 | 松下知识产权经营株式会 | 图像检索系统以及图像检索方法 |
CN104142946A (zh) * | 2013-05-08 | 2014-11-12 | 阿里巴巴集团控股有限公司 | 一种同款业务对象聚合、搜索的方法和系统 |
CN103514264A (zh) * | 2013-08-21 | 2014-01-15 | 新华通讯社 | 结合聚类和街区距离的高维向量搜索方法 |
CN103605765A (zh) * | 2013-11-26 | 2014-02-26 | 电子科技大学 | 一种基于聚类紧凑特征的海量图像检索系统 |
CN103605765B (zh) * | 2013-11-26 | 2016-11-16 | 电子科技大学 | 一种基于聚类紧凑特征的海量图像检索系统 |
CN104731694A (zh) * | 2013-12-18 | 2015-06-24 | 中国银联股份有限公司 | 浏览器兼容性测试分析方法及浏览器兼容性测试分析系统 |
CN104298713A (zh) * | 2014-09-16 | 2015-01-21 | 北京航空航天大学 | 一种基于模糊聚类的图片检索方法 |
CN104298713B (zh) * | 2014-09-16 | 2017-12-08 | 北京航空航天大学 | 一种基于模糊聚类的图片检索方法 |
CN104615644A (zh) * | 2014-12-17 | 2015-05-13 | 百度在线网络技术(北京)有限公司 | 视频推荐方法和装置 |
CN104778281A (zh) * | 2015-05-06 | 2015-07-15 | 苏州搜客信息技术有限公司 | 一种基于社区分析的图像索引并行构建方法 |
CN104994366A (zh) * | 2015-06-02 | 2015-10-21 | 陕西科技大学 | 一种基于特征加权的fcm视频关键帧提取方法 |
CN105117407A (zh) * | 2015-07-27 | 2015-12-02 | 电子科技大学 | 一种基于聚类的距离方向直方图的图像检索方法 |
CN105117407B (zh) * | 2015-07-27 | 2019-03-26 | 电子科技大学 | 一种基于聚类的距离方向直方图的图像检索方法 |
CN106557728B (zh) * | 2015-09-30 | 2019-06-18 | 佳能株式会社 | 查询图像处理和图像检索方法和装置以及监视系统 |
CN106557728A (zh) * | 2015-09-30 | 2017-04-05 | 佳能株式会社 | 查询图像处理和图像检索方法和装置以及监视系统 |
CN105912611A (zh) * | 2016-04-05 | 2016-08-31 | 中国科学技术大学 | 一种基于cnn的快速图像检索方法 |
CN105912611B (zh) * | 2016-04-05 | 2019-04-26 | 中国科学技术大学 | 一种基于cnn的快速图像检索方法 |
CN106021362A (zh) * | 2016-05-10 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 查询式的图片特征表示的生成、图片搜索方法和装置 |
CN106021362B (zh) * | 2016-05-10 | 2018-04-13 | 百度在线网络技术(北京)有限公司 | 查询式的图片特征表示的生成、图片搜索方法和装置 |
CN106202398A (zh) * | 2016-07-08 | 2016-12-07 | 北京易车互联信息技术有限公司 | 一种索引建立的方法及装置 |
CN106886553A (zh) * | 2016-12-27 | 2017-06-23 | 浙江宇视科技有限公司 | 一种图像检索方法及服务器 |
CN106886553B (zh) * | 2016-12-27 | 2020-07-28 | 浙江宇视科技有限公司 | 一种图像检索方法及服务器 |
WO2018166273A1 (zh) * | 2017-03-17 | 2018-09-20 | 北京京东尚科信息技术有限公司 | 高维图像特征匹配方法和装置 |
US11210555B2 (en) | 2017-03-17 | 2021-12-28 | Beijing Jingdong Shangke Information Technology Co., Ltd. | High-dimensional image feature matching method and device |
CN107832852A (zh) * | 2017-11-14 | 2018-03-23 | 深圳码隆科技有限公司 | 数据处理学习方法、系统以及电子设备 |
CN107832852B (zh) * | 2017-11-14 | 2021-03-02 | 深圳码隆科技有限公司 | 数据处理学习方法、系统以及电子设备 |
WO2019109887A1 (zh) * | 2017-12-05 | 2019-06-13 | Oppo广东移动通信有限公司 | 图像处理的方法、电子设备、计算机可读存储介质 |
CN110019874A (zh) * | 2017-12-29 | 2019-07-16 | 上海全土豆文化传播有限公司 | 索引文件的生成方法、装置及系统 |
CN110019874B (zh) * | 2017-12-29 | 2021-09-24 | 阿里巴巴(中国)有限公司 | 索引文件的生成方法、装置及系统 |
CN108959338A (zh) * | 2018-03-30 | 2018-12-07 | 东易日盛家居装饰集团股份有限公司 | 一种图像检索方法及系统 |
CN108664583A (zh) * | 2018-05-04 | 2018-10-16 | 北京物灵智能科技有限公司 | 一种索引树建立方法以及图像检索方法 |
CN109101542A (zh) * | 2018-07-02 | 2018-12-28 | 深圳市商汤科技有限公司 | 图像识别结果输出方法及装置、电子设备和存储介质 |
CN109165307A (zh) * | 2018-09-19 | 2019-01-08 | 腾讯科技(深圳)有限公司 | 一种特征检索方法、装置和存储介质 |
CN109978066A (zh) * | 2019-04-01 | 2019-07-05 | 苏州大学 | 基于多尺度数据结构的快速谱聚类方法 |
CN109978066B (zh) * | 2019-04-01 | 2020-10-30 | 苏州大学 | 基于多尺度数据结构的快速谱聚类方法 |
CN110297935A (zh) * | 2019-06-28 | 2019-10-01 | 京东数字科技控股有限公司 | 图像检索方法、装置、介质及电子设备 |
CN110598042A (zh) * | 2019-08-29 | 2019-12-20 | 北京睿企信息科技有限公司 | 一种基于增量更新的视频结构化实时更新方法及系统 |
CN113095341A (zh) * | 2019-12-23 | 2021-07-09 | 顺丰科技有限公司 | 一种图像匹配方法、装置及存储介质 |
CN111324760A (zh) * | 2020-02-19 | 2020-06-23 | 名创优品(横琴)企业管理有限公司 | 一种图像检索方法及装置 |
CN111324760B (zh) * | 2020-02-19 | 2023-09-26 | 创优数字科技(广东)有限公司 | 一种图像检索方法及装置 |
CN112733969A (zh) * | 2021-03-31 | 2021-04-30 | 北京达佳互联信息技术有限公司 | 对象类别的识别方法和装置及服务器 |
CN115495603A (zh) * | 2022-09-26 | 2022-12-20 | 江苏衫数科技集团有限公司 | 一种服装图像检索方法和系统 |
CN115495603B (zh) * | 2022-09-26 | 2023-11-24 | 江苏衫数科技集团有限公司 | 一种服装图像检索方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101211355B (zh) | 2010-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101211355B (zh) | 一种基于聚类的图像查询方法 | |
CN103336795B (zh) | 基于多特征的视频索引方法 | |
CN101551823B (zh) | 一种综合多特征图像检索方法 | |
Chen et al. | Adaptive color feature extraction based on image color distributions | |
CN102902826B (zh) | 一种基于基准图像索引的图像快速检索方法 | |
CN103631928A (zh) | 一种基于局部敏感哈希的聚类索引方法及系统 | |
CN104376105A (zh) | 一种社会媒体中图像低层视觉特征与文本描述信息的特征融合系统及方法 | |
CN102508909A (zh) | 一种基于多智能算法及图像融合技术的图像检索方法 | |
CN101539930A (zh) | 一种相关反馈图像检索方法 | |
CN101211344A (zh) | 文本信息遍历的快速四维可视化方法 | |
CN104915449A (zh) | 一种基于水利对象分类标签的分面检索系统及方法 | |
CN106815362A (zh) | 一种基于kpca多表索引图像哈希检索方法 | |
CN105469118B (zh) | 基于核函数的融合主动学习和非参半监督聚类的稀有类别检测方法 | |
CN104778281A (zh) | 一种基于社区分析的图像索引并行构建方法 | |
CN105117407A (zh) | 一种基于聚类的距离方向直方图的图像检索方法 | |
CN107180079A (zh) | 基于卷积神经网络以及树与哈希结合索引的图像检索方法 | |
CN101692230A (zh) | 顾及多细节层次的三维r树空间索引方法 | |
CN104361135A (zh) | 一种图像检索方法 | |
CN104731984A (zh) | R树上溢结点分裂问题的增量式聚类优化求解方法 | |
CN102024029B (zh) | 基于局部视觉关注的彩色图像检索方法 | |
CN1477566A (zh) | 一种对镜头进行基于内容的视频检索的方法 | |
CN112214488A (zh) | 一种欧式空间数据索引树及构建和检索方法 | |
CN101582085A (zh) | 一种基于分布式信息检索系统的集合选择方法 | |
CN102103638A (zh) | 一种基于查询日志的数据库统计数据直方图生成方法 | |
CN106777298A (zh) | 一种基于分形技术的分布式聚类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100519 Termination date: 20201230 |