CN102810160A - 一种搜索图像的方法与装置 - Google Patents

Abstract

本发明提供一种搜索图像的方法与装置，能够提高从图库中搜索与被比图像相似的图库图像的准确性。该方法包括：计算被比图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子分别与图库图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子在赋范线性空间的距离，根据该距离确定被比图像与图库图像的相似度，根据该相似度从图库中选择与被比图像具有相似性的图库图像。

Description

一种搜索图像的方法与装置

技术领域

本发明涉及计算机网络技术，特别地涉及一种搜索图像的方法与装置。

背景技术

随着多媒体信息技术和数字化技术的发展，在商业、学术、医学等日常生活中产生了大量的数字图像，这些图像中有照片、图画、图表、绘画和印刷物等。通常情况下，可以通过关键字索引或是简单的浏览来检索图像。然而，随着图像信息量的不断增加，这给精确和高效的图像检索带来了困难；同样地，数字成像技术的发展使得图像数据急剧增长，这就需要有一定的技术或方法来对这些数据进行组织和管理。近年来，越来越多的人将注意力转向基于内容的图像检索的研究中，这为大量的新技术和系统的发展提供了有力的支持和保证，同时使得与图像检索相关的一些领域也得到了一定的发展。

基于文本的图像检索（Text-Based Image Retrieval，简称TBIR）需要人手动地对图像用关键字进行标注，从用户的角度来表达图像内容的高层语义，这样对图像的检索就变成了对文本的查找，检索时相对比较简单。目前商业化图像搜索引擎（如谷歌，雅虎等）主要都采用TBIR就是因为它在提交查询方面比较方便且人性化。但是基于文本检索存在着两大困难，尤其是当图像的数量非常大的时候，这两个缺点就更加凸现。一是文本描述难以充分表达图像的丰富内容。同时由于图像内容的丰富性以及不同人理解和兴趣方面的不同，导致内容描述的建立具有很大的主观性，这样就会带来一定的歧义；二是手动地对图像进行标注效率太低，对于不断膨胀的图像库数据来说，人工标注的开销显得太大。因此，如何快速、有效地实现对图像的自动语义标注，变得十分必要。

为了弥补TBIR的不足，基于内容的图像检索（Content-Based ImageRetrieval，简称CBIR）技术出现了。基于内容的图像搜索引擎可以从特定的图像集或Web上检索图像，与文本搜索类似，用户需要事先给定一个与查询目标类似的对象，或者是对查询目标的一个粗略的描述，用户可以提供一幅图像作为查询目标的描述，也可以提供关键字来描述查询目标。在给定查询对象后，通过采用一定的图像处理技术，提取能描述图像视觉内容的低层特征，此后就使用图像的低层特征来代表该图像；在提取查询图像的低层特征后，与待搜索图像库中其它图像的低层特征进行相似性度量，该相似性度量的过程也可以看成是一个分类的过程，最后得到相似性较高的图像作为搜索结果返回给用户。由于在图像搜索中，存在从视觉数据中所提取出的信息与用户在给定情况下对相同视觉数据所做出的解释之间的鸿沟，即语义鸿沟，在判定语义相似时对视觉相似的过分信赖可能会产生一定的问题，这使得基于内容的图像检索的效率和精度受到了一定的限制。

电子商务的快速发展，使得用户能够通过网络来方便、快捷地购买自己满意的商品；同时移动互联网的发展，更加提高了购物的便捷性，用户可以通过各种移动终端设备来实现轻松购物。在这个大的应用背景下，将基于内容的图像检索与电子商务相结合也成为了新的发展领域。在电子商务系统的服务器中保存各种商品的图像，形成一个图库；用户可以向服务器上传商品的照片，例如使用手机对商品进行拍照然后发送给服务器，服务器将该照片作为被比图像，与图库图像进行比较，从而在图库中选择出与被比图像具有相似性的图库图像，通常服务器是把最相似的图库图像提供给用户，或者将该图库图像中的商品的信息提供给用户。但是由于受图像拍摄环境复杂度以及图像库的丰富程度的影响，目前计算机搜索图像的准确性也比较低。

发明内容

有鉴于此，本发明提供一种搜索图像的方法与装置，能够提高从图库中搜索与被比图像相似的图库图像的准确性。

为实现上述目的，根据本发明的一个方面，提供了一种搜索图像的方法。

本发明的搜索图像的方法用于在图库中选择与被比图像具有相似性的图库图像，该方法包括：针对具有预设的统一尺寸的各个图库图像，对图库图像进行灰度化得到图库图像的灰度图，对该灰度图进行二值化得到图库图像的二值图，计算该二值图的泽尼克矩，得到图库图像的基于二值图像的泽尼克矩形状描述子；并且对图库图像的灰度图进行边缘检测得到图库图像的边缘图像，计算该边缘图像的泽尼克矩，得到图库图像的基于边缘图像的泽尼克矩形状描述子；针对具有所述统一尺寸的被比图像，同样进行上述处理得到被比图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子；计算所述被比图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子分别与所述图库图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子在赋范线性空间的距离，根据该距离确定所述被比图像与所述图库图像的相似度，根据该相似度从所述图库中选择与所述被比图像具有相似性的图库图像。

可选地，在对图库图像和被比图像进行所述灰度化之前，还包括：对所述图库图像和所述被比图像进行高斯平滑滤波处理。

可选地，在对图库图像和被比图像进行所述灰度化之前，还包括：对所述图库图像和所述被比图像进行高斯平滑滤波处理；对所述高斯平滑滤波处理之后的图像进行前景分离，对分离出的前景图像进行双边滤波处理。

可选地，在所述高斯平滑滤波处理的步骤中，采用5×5的高斯滤波模板。

可选地，在所述统一尺寸中，图像的高度和宽度中的较小者的长度属于区间[500，800]，单位为像素。

可选地，在所述对图库图像进行灰度化得到图库图像的灰度图的步骤中，根据如下方式进行：若f(x)<C，则令f(x)=255；若f(x)≥C，则令f(x)=0，其中f(x)表示图像中的点的灰度值，C是对灰度图像进行二值化的阈值，并且C=250或C=253。

可选地，在所述计算该二值图的泽尼克矩的步骤中，矩角度分为12块，半径分为3块。

可选地，所述赋范线性空间上的范数为L1范数。

可选地，所述相似度根据如下公式计算：

其中，Sim表示所述相似度，D1表示被比图像和图库图像的基于二值图像的泽尼克矩形状描述子在赋范线性空间的距离，D2表示被比图像和图库图像的基于边缘图像的泽尼克矩形状描述子在赋范线性空间的距离。

根据本发明的另一方面，提供了一种搜索图像的装置。

本发明的搜索图像的装置用于在图库中选择与被比图像具有相似性的图库图像，该装置包括：保存模块，用于保存图库图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子；所述图库图像是灰度化之后的图像，并且具有预设的统一尺寸；预处理模块，用于针对具有所述预设的统一尺寸的被比图像，进行灰度化得到被比图像的灰度图；计算模块，用于对被比图像的灰度图进行二值化得到被比图像的二值图，计算该二值图的泽尼克矩，得到被比图像的基于二值图像的泽尼克矩形状描述子；并且对被比图像的灰度图进行边缘检测得到被比图像的边缘图像，计算该边缘图像的泽尼克矩，得到被比图像的基于边缘图像的泽尼克矩形状描述子；选择模块，用于计算所述被比图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子分别与所述图库图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子在赋范线性空间的距离，根据该距离确定所述被比图像与所述图库图像的相似度，根据该相似度从所述图库中选择与所述被比图像具有相似性的图库图像。

进一步地，所述预处理模块还用于在对图库图像和被比图像进行所述灰度化之前，对所述图库图像和所述被比图像进行高斯平滑滤波处理。

进一步地，所述预处理模块还用于在对图库图像和被比图像进行所述灰度化之前，对所述图库图像和所述被比图像进行高斯平滑滤波处理，对所述高斯平滑滤波处理之后的图像进行前景分离，对分离出的前景图像进行双边滤波处理。

根据本发明的技术方案，提取基于二值图的Zernike矩形状描述子和基于边缘图的Zernike矩形状描述子，基于二值图的Zernike矩可以有效地描述前景物体的整体形状，使用这种描述子可以将整体形状不同的物体区分开来；基于边缘图的Zernike矩形状描述子可以有效地描述待搜索物体的内部细节，能准确匹配出待搜索的商品图像，同时也避免了计算更高维Zernike矩时时间复杂度的增加。所以根据图1的流程有助于较为准确地从图库中搜索到与被比图像相似的图库图像，并有较快的搜索速度。

附图说明

附图用于更好地理解本发明，并不构成对本发明的不当限定。其中：

图1是根据本发明实施例的搜索图像的方法的主要步骤的流程图；

图2是根据本发明实施例的确定图像缩放后的高度和宽度的逻辑流程的示意图；以及

图3是根据本发明实施例的搜索图像的装置的基本组成部分的示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的搜索图像的方法的主要步骤的流程图。如图1所示，本发明实施例的搜索图像的方法主要包括步骤S11至步骤S14。

步骤S11：建立图库数据库。

建立图库数据库时，主要是针对具有预设的统一尺寸的各个图库图像，对图库图像进行灰度化得到图库图像的灰度图，对该灰度图进行二值化得到图库图像的二值图，计算该二值图的泽尼克（Zernike）矩，得到图库图像的基于二值图像的Zernike矩形状描述子；并且对图库图像的灰度图进行边缘检测得到图库图像的边缘图像，计算该边缘图像的Zernike矩，得到图库图像的基于边缘图像的Zernike矩形状描述子。这样，图库数据库中主要保存的是各个图库图像的两个形状描述子：一个是基于二值图像的Zernike矩形状描述子，另一个是基于边缘图像的Zernike矩形状描述子。

在本实施例的图像二值化处理中，可以根据如下方式进行：若f(x)<C，则令f(x)=255；若f(x)≥C，则令f(x)=0。其中f(x)表示图像中的点的灰度值，C是对灰度图像进行二值化的阈值，本实例中，可取C∈[240,255]。当C=250或C=253时，对图像进行二值化后，所提取的形状特征比较有效，能最大程度地提高图像搜索的准确度。

在计算二值图的泽尼克（Zernike）矩时，为了提高计算的速度，同时又能有效地描述物体的形状特征，本实施例中采用36维Zernik矩，角度分为12块，半径分为3块，作为图像形状描述子的一部分。

在进行边缘检测时，具体可以采用canny边缘检测的方式进行。其中，首先对处理后的图像使用一阶偏导有限差分计算梯度幅值和方向，然后对梯度幅值进行非极大抑制，再采用预设的阈值进行双阈值算法检测和边缘连接从而完成边缘检测。

在计算基于边缘图像的Zernike矩形状描述子时，同样可采用36维特征。其中，首先计算边缘图像的重心，然后以重心为圆心计算图像的半径，再使用Zernike矩多项式，采用离散采样的方法计算得到Zernike系数。

步骤S12：计算被比图像的两个形状描述子。事先需要将被比图像调整为与图库图像相同的统一尺寸。被比图像的两个形状描述子与图库图像的一致，也是基于二值图像的Zernike矩形状描述子，以及基于边缘图像的Zernike矩形状描述子。

步骤S13：计算被比图像的两个形状描述子与图库图像的两个形状描述子在赋范线性空间的距离。具体是计算被比图像和各个图库图像的基于二值图像的Zernike矩形状描述子在赋范线性空间的距离，以及计算被比图像和各个图库图像的基于边缘图像的Zernike矩形状描述子在赋范线性空间的距离。该赋范线性空间上的范数可以是L1范数，也可以是L2范数。

步骤S14：根据步骤S13的计算结果确定与被比图像相似的图库图像。在本步骤中，根据步骤S13中计算得到的两个距离确定被比图像与图库图像之间的相似程度，具体方式可以灵活选择，设上述两个距离分别是D1和D2，该相似程度为Sim，则例如可以选择如下方式之一：

Sim=D1+D2；

Sim=W×D1+(1-W)×D2；其中W是设置的权重。

较为优选的方式是：

$\mathrm{Sim}=\frac{5}{\frac{4}{D2}+\frac{1}{D1+0.05}}.$

对于各个图库图像，都可以计算出一个Sim值，根据计算得到的Sim值，选择其中最小的一个或几个，对应的图库图像即为与被比图像最相似的一个或几个图库图像。

根据图1所示的流程，提取基于二值图的Zernike矩形状描述子和基于边缘图的Zernike矩形状描述子，基于二值图的Zernike矩可以有效地描述前景物体的整体形状，使用这种描述子可以将整体形状不同的物体区分开来；基于边缘图的Zernike矩形状描述子可以有效地描述待搜索物体的内部细节，能准确匹配出待搜索的商品图像，同时也避免了计算更高维Zernike矩时时间复杂度的增加。所以根据图1的流程有助于较为准确地从图库中搜索到与被比图像相似的图库图像，并有较快的搜索速度。

对于图库来说，新加入的图像应当被调整得与图库原有图像具有统一的尺寸。对于被比图像也是如此。此时需要对图像进行等比缩放操作，这样可以将图像缩放到合适的大小从而有助于提高计算的效率。在确定图像缩放后的高度和宽度时，具体可以按图2所示的逻辑流程进行。图2是根据本发明实施例的确定图像缩放后的高度和宽度的逻辑流程的示意图。

如图2所示，先取图像的高度（以H表示）和宽度（以W表示）中的较小者（步骤S20）然后判断该较小者是否大于预设阈值（步骤S21）。该阈值优选地可采用[500，800]，单位是像素。若是，进入步骤S22，否则不作缩放处理，直接进行步骤S11中的灰度化处理。

在步骤S22中，判断图像的高度和宽度哪个较小。若宽度较小则进入步骤S23，即作如下计算：scale=W/T，W`=T，H`＝H/scale；若高度较小则进入步骤S24，即作如下计算：scale＝H/T，H`=T，W`＝W/scale。其中W`和H`分别表示缩放之后的宽度和高度，T表示步骤S21中的预设的阈值。

在确定了图像缩放后的高度和宽度之后，可以采用线性插值的方式来进行图像的缩放。例如先进行X方向的线性插值，然后进行Y方向的线性插值。可按如下公式计算：

$f\left(R_1\right)\&ap;\frac{x_2-x}{x_2-x_1}f\left(Q_{11}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{21}\right);$ $f\left(R_2\right)\&ap;\frac{x_2-x}{x_2-x_1}f\left(Q_{12}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{22}\right);$

$f\left(P\right)\&ap;\frac{y_2-y}{y_2-y_1}f\left(R_1\right)+\frac{y-y_1}{y_2-y_1}f\left(R_2\right).$

其中,R₁、R₂表示进行X方向线性插值后的像素点，x、y、x₁、y₁、x₂、y₂都表示图像中的像素点的坐标，f(*,*)表示像素的颜色值，Q₁₁=(x₁,y₁)，Q₁₂=(x₁,y₂)，Q₂₁=(x₂,y₁)，Q₂₂=(x₂,y₂)，它们表示参与缩放计算的原图像中的四个点，P表示经过Y方向线性插值后的点。在本实施例中，经过Y方向的线性插值之后即得到等比缩放后的图像。

在进行灰度化之前，可以对缩放后的图像进行高斯平滑滤波的方式来完成降噪处理，即根据如下公式进行：

$G(x,y)={\mathrm{Ae}}^{-\frac{x^2+y^2}{{2\mathrm{\&delta;}}^2}}.$

由于高斯滤波模板δ的值越大，即平滑的窗口越大，其平滑的力度也会越大，这样会使得平滑后的图像越模糊。因此本实施例中，选择5×5的高斯滤波模板来进行高斯平滑处理。A表示规范化系数。

对于高斯平滑滤波平滑处理之后的图像，还可以提取其前景图像，之后的灰度化处理则是针对该前景图像进行。可以采用现有的各种方式来完成，例如GrabCut等。对于前景提取之后的图像，可进一步进行双边滤波，以增加图像的边缘和细节。可采用现有的如下公式：

$h\left(x\right)=k^{-1}\left(x\right)\underset{\mathrm{\&Omega;}}{\mathrm{\&Sigma;}}f\left(\mathrm{\&xi;}\right)c(\mathrm{\&xi;},x)s(f\left(\mathrm{\&xi;}\right),f\left(x\right));$

$k\left(x\right)={\&Integral;}_{-\&infin;}^{\&infin;}{\&Integral;}_{-\&infin;}^{\&infin;}c(\mathrm{\&xi;},x)s(f\left(\mathrm{\&xi;}\right),f\left(x\right))\mathrm{d\&xi;};$

$c(\mathrm{\&xi;},x)=e^{-\frac{1}{2}{\left(\frac{d(\mathrm{\&xi;},x)}{{\mathrm{\&delta;}}_d}\right)}^2};$

d(ξ，x)=||ξ-x||；

$S(\mathrm{\&xi;},x)=e^{\frac{1}{2}{\left(\frac{\mathrm{\&delta;}(f\left(\mathrm{\&xi;}\right),f\left(x\right))}{{\mathrm{\&delta;}}_r}\right)}^2};$

δ(Φ,f)=||Φ-f||。

函数c(ξ，x)与s(ξ，x)均为给定参数下欧式距离的高斯函数，本实施例中，取参数δ_d和δ_r分别为7和100。

在接下来的灰度化处理中，可以根据如下公式对彩色输入图像进行灰度化操作：Y＝0.299R+0.587G+0.114B。其中Y表示当前像素在转换后的像素值，R表示当前像素的红色值，G表示当前像素的绿色值，B表示当前像素的蓝色值。

图3是根据本发明实施例的搜索图像的装置的基本组成部分的示意图。该搜索图像的装置用于在图库中选择与被比图像具有相似性的图库图像，可以设置在电子商务系统的服务器中。如图3所示，本发明实施例的搜索图像的装置30包括保存模块31、预处理模块32、计算模块33、选择模块34。

保存模块31用于保存图库图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子。这里的图库图像是灰度化之后的图像，并且具有预设的统一尺寸。预处理模块32用于针对具有预设的统一尺寸的被比图像，进行灰度化得到被比图像的灰度图。计算模块33用于对被比图像的灰度图进行二值化得到被比图像的二值图，计算该二值图的泽尼克矩，得到被比图像的基于二值图像的泽尼克矩形状描述子；并且对被比图像的灰度图进行边缘检测得到被比图像的边缘图像，计算该边缘图像的泽尼克矩，得到被比图像的基于边缘图像的泽尼克矩形状描述子。选择模块34用于计算被比图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子分别与图库图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子在赋范线性空间的距离，根据该距离确定被比图像与图库图像的相似度，根据该相似度从图库中选择与被比图像具有相似性的图库图像。

预处理模块32还可用于在对图库图像和被比图像进行灰度化之前，对图库图像和被比图像进行高斯平滑滤波处理。也可以用于在对图库图像和被比图像进行灰度化之前，对图库图像和被比图像进行高斯平滑滤波处理，对高斯平滑滤波处理之后的图像进行前景分离，对分离出的前景图像进行双边滤波处理。

根据本实施例的技术方案，对拍摄的3D物体图像的降噪和缩放处理，不仅在不降低图像质量的情况下，提高图像的网络传输速率，同时也提高了后面对图像特征提取的计算效率；拍摄的3D物体图像的预处理中对前景目标提取能够有效地去除拍摄环境中的干扰因素，正确定位需要搜索的目标对象，提高图像识别的准确率；实现了对不同拍摄环境和拍摄角度下的图像的有效处理，并能提取出能有效衡量图像中拍摄的3D物体的整体形状和局部细节部分；基于二值图像的Zernike矩，可以有效的描述前景物体的整体形状，并且采用计算边缘图像的泽尼克矩来描述图像的内部形状和细节，避免了计算基于二值图像的更高维Zernike矩所增加的运算复杂度；图像描述子之间的相似度计算方式能够在保证准确衡量图像本身的相似程度之外，更提高了计算的效率，同时两种特征的相似度的融合方式，更是减少了多特征衡量相似性时的误差，并有效弥补了单一特征衡量图像间相似性的不足。

以上结合具体实施例描述了本发明的基本原理，但是，需要指出的是，对本领域的普通技术人员而言，能够理解本发明的方法和设备的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。

因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。

还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (12)

1.一种搜索图像的方法，用于在图库中选择与被比图像具有相似性的图库图像，其特征在于，该方法包括：

针对具有预设的统一尺寸的各个图库图像，对图库图像进行灰度化得到图库图像的灰度图，对该灰度图进行二值化得到图库图像的二值图，计算该二值图的泽尼克矩，得到图库图像的基于二值图像的泽尼克矩形状描述子；并且对所述灰度图进行边缘检测得到图库图像的边缘图像，计算该边缘图像的泽尼克矩，得到图库图像的基于边缘图像的泽尼克矩形状描述子；

针对具有所述统一尺寸的被比图像，同样进行上述处理得到被比图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子；

计算所述被比图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子分别与所述图库图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子在赋范线性空间的距离，根据该距离确定所述被比图像与所述图库图像的相似度，根据该相似度从所述图库中选择与所述被比图像具有相似性的图库图像。

2.根据权利要求1所述的方法，其特征在于，在对图库图像和被比图像进行所述灰度化之前，还包括：对所述图库图像和所述被比图像进行高斯平滑滤波处理。

3.根据权利要求1所述的方法，其特征在于，在对图库图像和被比图像进行所述灰度化之前，还包括：

对所述图库图像和所述被比图像进行高斯平滑滤波处理；

对所述高斯平滑滤波处理之后的图像进行前景分离，对分离出的前景图像进行双边滤波处理。

4.根据权利要求2或3所述的方法，其特征在于，在所述高斯平滑滤波处理的步骤中，采用5×5的高斯滤波模板。

5.根据权利要求1所述的方法，其特征在于，在所述统一尺寸中，图像的高度和宽度中的较小者的长度属于区间[500，800]，单位为像素。

6.根据权利要求1所述的方法，其特征在于，在所述对图库图像进行灰度化得到图库图像的灰度图的步骤中，根据如下方式进行：若f(x)<C，则令f(x)=255；若f(x)≥C，则令f(x)=0，其中f(x)表示图像中的点的灰度值，C是对灰度图像进行二值化的阈值，并且C=250或C=253。

7.根据权利要求1所述的方法，其特征在于，在所述计算该二值图的泽尼克矩的步骤中，矩角度分为12块，半径分为3块。

8.根据权利要求1所述的方法，其特征在于，所述赋范线性空间上的范数为L1范数。

9.根据权利要求8所述的方法，其特征在于，所述相似度根据如下公式计算：

$\mathrm{Sim}=\frac{5}{\frac{4}{D2}+\frac{1}{D1+0.05}};$

其中，Sim表示所述相似度，D1表示被比图像和图库图像的基于二值图像的泽尼克矩形状描述子在赋范线性空间的距离，D2表示被比图像和图库图像的基于边缘图像的泽尼克矩形状描述子在赋范线性空间的距离。

10.一种搜索图像的装置，用于在图库中选择与被比图像具有相似性的图库图像，其特征在于，该装置包括：

保存模块，用于保存图库图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子；所述图库图像是灰度化之后的图像，并且具有预设的统一尺寸；

预处理模块，用于针对具有所述预设的统一尺寸的被比图像，进行灰度化得到被比图像的灰度图；

计算模块，用于对被比图像的灰度图进行二值化得到被比图像的二值图，计算该二值图的泽尼克矩，得到被比图像的基于二值图像的泽尼克矩形状描述子；并且对被比图像的灰度图进行边缘检测得到被比图像的边缘图像，计算该边缘图像的泽尼克矩，得到被比图像的基于边缘图像的泽尼克矩形状描述子；

选择模块，用于计算所述被比图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子分别与所述图库图像的基于二值图像的泽尼克矩形状描述子和基于边缘图像的泽尼克矩形状描述子在赋范线性空间的距离，根据该距离确定所述被比图像与所述图库图像的相似度，根据该相似度从所述图库中选择与所述被比图像具有相似性的图库图像。

11.根据权利要求10所述的装置，其特征在于，所述预处理模块还用于在对图库图像和被比图像进行所述灰度化之前，对所述图库图像和所述被比图像进行高斯平滑滤波处理。

12.根据权利要求10所述的装置，其特征在于，所述预处理模块还用于在对图库图像和被比图像进行所述灰度化之前，对所述图库图像和所述被比图像进行高斯平滑滤波处理，对所述高斯平滑滤波处理之后的图像进行前景分离，对分离出的前景图像进行双边滤波处理。

Images