CN105095468A - 一种新型的图像检索方法及系统 - Google Patents

Abstract

本发明实施例提供一种新型的图像检索方法及系统，在大数据时代下和深度学习理论得到应用的前提下，可以预先建立图像和视频检索库，也可以对现有互联网上的图像和视频库作为库进行检索。用户可以通过上传图片到云端，利用云计算强大的处理能力，快速检索到用户想要的图像和视频信息。深度学习理论在图像处理领域有较好的应用，对光照、遮挡和毛发等干扰有较强的去干扰能力，提高了图像和视频检索的准确性。

Description

一种新型的图像检索方法及系统

技术领域

本发明设计图像及视频检索技术领域，特别是涉及图像检索方法及系统。

背景技术

随着互联网的发展和大数据时代的到来，图像和视频这种多媒体资源的传播也越来越广泛。用户怎样能从海量的高效的找到想要的图片和视频。

现在技术条件下，用户通过图片名称检索图片，这样在很大程度上受制于图片的标签。而有些图片提供者常常命名或修改图片的名称使图片的内容和名称不匹配。

发明内容

本发明实施例的目的在于提供一种图像检索方法及系统，以实现不通过图像名称进行图像检索的目的。

为达到上述的目的，本发明实施例公开了一种图像检索方法，包括：

获得用于检索图片的第一张图片；

将获得的图片上传至云端，采用云计算强大处理能力对图片进行处理；

优选的，获得的第一张图片可以通过云端进入检索库用于扩充检索库；

在预先建立的图片检索库中进行检索，将所述第一张图片与所述检索库中的图片采用深度学习相关图像处理手段进行处理后，获得featuremap；

设计核参数对featuremap进行邻域相似性计算得到ND-featuremap；

对ND-featuremap进行特殊处理后进行二分类；

优选的，利用检索库中图片的Key作为索引检索图片，所述检索库中图片没有Key的，设置用于图片索引，快速读写图片。

优选的，所述获得分类后的正样本中图片的Key值，利用Key-Value数据索引方式，通过Key值从检索库中批量将图片输出给用户。

优选的，所述对所述第一张图片与所述图片检索库中的各个图片进行featuremap的领域相似性计算，包括：

获取第一张图片和所述检索库中图片的featuremap；

确定所述featuremap的领域相似性计算采用的邻域核大小；

所述邻域相似性计算的策略，采用L1、L2范数、K-L距离求解邻域相似性，得到ND-featuremap；

所述分类器模块，用于将ND-featuremap进行分类，其实质是将检索库中图片进行分类，分出用户想要的正样本数据和负样本数据。

优选的，所述分类器模块中的阈值设置，用户可以根据自己的需求设置阈值，增强交互性。

优选的，所述检索库中图片经过大小和遮挡、光照、毛发等处理后，再触发相似度处理模块获得ND-featuremap，对ND-featuremap处理后进入分类器模块获得正样本，最后根据正样本对应的Key值，从数据库中批量读取图片输出给用户；

优选的，所述处理单元包括：图片reshape模块、卷积模块、池化模块、邻域相似性计算模块；

优选的，所述第二获取单元包括分类器模块，通过对ND-featuremap进行分类得到正样本；

优选的，所述检索单元包括：从正样本中提取出检索库中图片对应的Key；

优选的，所述输出单元包括：通过所述Key值文件，从检索库中读取图片批量输出给用户。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简要的介绍，显然，下面描述中的附图仅仅是本发明中的一些实施例，对应本领域普通技术人员来讲，在不付出创造性劳动的前提下还是可以根据这些附图获得其他附图。

图1为本发明实施案例的一种新型图片检索方法的流程图；

图2为本发明实施案例提供的一种新型图片检索系统的结构示意图。

具体实施方式

下面将结合本发明实施案例中的附图，对本发明实施案例中的技术方案进行清楚、完整的描述，显而易见，所描述的实施案例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获的所有其他实施例，都属于本发明的保护范围。

如图1所示，本发明实施例提供的一种新型图片检索方法，包括：

S100、获得用于检索的第一张图片：

其中，所述第一张图片为用于检索库进行的索引图片，可以理解的是，该图片可以来自于网络图片、视频帧图片。由于智能移动终端的普及，“随手拍”已成为人们日常生活的一部分。用户可以使用手机、电脑等智能移动终端方便的对自己所需要检索的图片进行拍摄。例如：用户可以拍摄场景，然后上传图片到云端处理器，从检索库中检索到用户想要的图片。

S200、在云计算中心对数据库中的图片和上传的第一张图片进行处理，通过邻域相似性计算得到ND-featuremap；

S300、采用分类器对ND-featuremap进行分类得到正样本，为了增强用户获取检索信息的交互性，具体步骤包括：

用户自己设定阈值，阈值的不同决定输出的正样本的不同，决定用户对检索图片的匹配度要求。

S400、提取正样本中检索图片对应的Key，生成Key值文件。

S500、通过S400中得到的Key值文件从检索库中获取用户想要的信息，通过批量处理的方式将数据传递给用户。具体步骤包括：

书写脚本，通过批处理方式获取检索信息；

将检索信息通过批量传递方式输出给用户终端。

本发明实施案例提供的一种图像检索方法，可以预先建立特定的图片检索库也可以利用现有的互联网的图片检索库。例如：当用户根据自己在获取的第一张图片想从检索库或互联网上找到相似的图片用于选择；

本发明采用了图像匹配的方法，用户可以不受限于传统图片检索图片与命名不相匹配的缺陷，用户可以在不知道图片名称的情况下从检索库或互联网上检索到用户想要的图片信息。

本发明在处理单元，采用深度学习理论对图片进行处理，这种方法仿照人脑的认知和学习方式对图片进行处理，能够高效的提取出图片的本征特征，提高分类识别的准确性。

如图2所示，本发明用户通过获得第一张图片，将图片上传到云端，采用云计算的强大处理能力提高了输入和输出的速率。

如图2所示，本发明采用检索库与云平台相交互的方式对检索库中的图片进行处理，这样利用了云计算强大的处理能力提高系统的运行效率；

如图2所示，本发明实施案例提供对第一张图片和检索库或互联网上的图片进行处理。具体的步骤包括：

对检索库中的图片进行大小的reshape，

对第一张图片和检索库中进行卷积，对图片进行降噪和特征提取；

对第一张图片和检索库中进行池化和非线性变化，去图片相关性降维；

上述步骤可以根据具体数据和情况设计多层用于特征提取和降维；

所述采用邻域相似性计算方法，选取核大小对上面提取出的featuremap进行邻域相似性计算；

所述邻域相似性计算的邻域差异特征图可采用卷积、池化、非线性变化等方法进行处理得到ND-featuremap。

如图2所示，本发明实施案例提供分类器对处理单元获得的ND-featuremap进行分类，得到正样本。具体的步骤包括：

分类器阈值的设定，阈值的设置决定正样本输出的结果，反应用户对于检索信息的要求的苛刻程度，如此增强了与用户的交互性；

所述分类器对ND-featuremap进行分类，我们采用的分类模型有很多种，例如LogisticRegression、SVM、RandomForest等分类方法。

所述从正样本中提取对应检索库中图片的Key信息根据Key文件从检索库中批量读取文件。

所述输出是直接根据图片Key信息直接从检索库中得到原始图片，批量处理将检索库中的图片输出到用户终端。

所述检索库中Key可以是检索库中图片的唯一标示符，系统也可以为检索库中的图片生成唯一标示符，用于图片的批量读取输出。

需要说明的是，在本文中，诸如第一等之类的关系术语仅仅用于将一个实体或者操作与另外的一个实体或操作分开来，而不一定要求或者暗示这些实体或操作之间存在任何关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品、或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是包括为这种过程、方法、物品或者设备所固定的要素。在没有更多限制情况下，由语句“包含一个……”限定的要素，并不排除在包含所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的较佳实施案例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (8)

1.一种新型的图像检索方法，其特征在于，包括：

(1)获得用于检索图像和视频的第一张图片：

1a)将通过随手拍或其他方式得到的图片，上传至云端；

1b)在云端利用云计算强大的处理能力采用深度学习理论对图片的特殊处理；

1c)将正样本对应的检索图片打标签，通过标签锁定，将检索结果批量输出给用户；

(2)在云端利用云计算强大的处理能力采用深度学习理论对图片的特殊处理：

2a)对图片进行卷积，用于图片进行去噪和特征提取；池化，对图片进行去相关和降维；非线性变化等归一化处理；

2b)获得上传图片和检索图片的featuremap；

2c)比对第一张图片和检索图片featuremap的邻域相似性获得ND-featuremap；

(3)对ND-featuremap进行处理后采用机器学习方法对ND-featuremap运用机器学习方法进行二分类。

2.根据权利要求1所述的方法，其特征在于对于步骤(3)所述的对ND-featuremap进行处理后，对ND-featuremap运用机器学习的方法二分类，需要预设阈值，大于阈值的正样本为符合要求的检索结果。

3.根据权利要求1或2所述的方法，其特征在于对二分类得到的正样本进行对应图片的标签设定，设定标签，通过锁定标签对检索库中的图片进行批量输出。

4.根据权利要求1所述的方法，其特征在于，对图片进行的一系列处理，包括：

4a)reshape模块，用于将检索库图片与第一张图片转化为同样大小的图片；

4b)邻域相似度模块，用于对所述第一张图片与检索图片的ND-featuremap进行相似度计算。

5.一种新型的图像检索系统，其特征在于，包括：

(1)第一获得单元、处理单元、第二获得单元、检索单元和输出单元。所述第一获取单元，用于获取用于检索图像或视频的第一图片；

(2)所述处理单元，用于对第一张图片和检索图片进行处理，获得检索图片与第一张图片的ND-featuremap，对ND-featuremap进行处理后采用机器学习的方法对处理后的ND-featuremap进行二分类；

(3)所述第二获得单元，用于获取通过分类器分类后得到的正样本；

(4)所述检索单元，用于获取正样本对应的检索库中图片的Key值；

(5)所述输出单元通过Key值文件从数据库中提取图片批量输出给用户。

6.根据权利要求5所述的系统，其特征在于，所述的处理单元包括：

(1)图片reshape模块，用于将检索库图片与第一张图片转化为同样大小的图片；

(2)卷积模块，用于对图片进行去噪和特征提取；

(3)池化模块，用于对图片进行去相关和降维；

(4)邻域相似度模块，用于对所述第一张图片和检索图片的featuremap进行相似度计算。

7.根据权利要求6所述的系统，其特征在于，所述的第二获得单元包括：

二分类模块，用于对ND-featuremap进行二分类，提取正样本。

8.根据权利要求7所述的系统，其特征在于，所述的检索单元包括：

获取正样本中所对应的图片对应的Key值，用于对检索到的结果进行批量处理。