CN107908707A - 一种图片素材库的建立方法及其图片查找方法 - Google Patents

一种图片素材库的建立方法及其图片查找方法 Download PDF

Info

Publication number
CN107908707A
CN107908707A CN201711096804.6A CN201711096804A CN107908707A CN 107908707 A CN107908707 A CN 107908707A CN 201711096804 A CN201711096804 A CN 201711096804A CN 107908707 A CN107908707 A CN 107908707A
Authority
CN
China
Prior art keywords
picture
keyword
composition
request
label
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.)
Pending
Application number
CN201711096804.6A
Other languages
English (en)
Inventor
程杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201711096804.6A priority Critical patent/CN107908707A/zh
Publication of CN107908707A publication Critical patent/CN107908707A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种图片素材库的建立方法，其特征在于，包括以下步骤：一、收集图片；二、添加标签；三、添加关键词；四、裁剪；五、构图；将裁剪后的图片分别进行构图；六、建立知识图谱；七、将知识图谱和构图后的图片存入数据库，完成图片素材库的建立。本发明所建立的图片素材库其适应度和灵活性更高，可以更加快速的从该图片素材库中查找出最优的图片。

Description

一种图片素材库的建立方法及其图片查找方法
技术领域
本发明涉及电子信息系统领域，具体是指一种图片素材库的建立方法及其图片查找方法。
背景技术
随着计算机技术的发展，图片素材库作为图片储存和使用的数据源已被广泛的使用。然而传统的图片素材库灵活性低，在使用时无法根据实际需要为某一段文字或者某一个场景以程序的方式提供最优图片素材，无法满足特定的图片需求。
发明内容
本发明的目的在于克服传统的图片素材库灵活性低，在使用时无法根据实际需要为某一段文字或者某一个场景以程序的方式提供最优图片素材，无法满足特定的图片需求的缺陷，提供一种图片素材库的建立方法及其图片查找方法。
本发明的目的通过下述技术方案实现：一种图片素材库的建立方法，包括以下步骤：
一、收集图片；
二、添加标签；对收集的每一张图片添加多种标签，并将同一张图片上的标签记为集合C1；
三、添加关键词；对添加标签后的每一张图片添加多种关键词K2＝K2-1、K2-2、K2-3、……、K2-n，并将同一张图片上的关键词进行排序，得到关键词集合A，K2∈A；将集合A里每一个关键词分配权重系数q，权重系数q的计算公式为：其中，n为每张图片上关键词的总数，x为当前关键词在n中的排序，n≤9，当n大于9时q＝0.1；并计算出该图片所有关键词权重系数总和i1，计算公式为：i1＝q1+q2+q3+...+qn；
四、裁剪；将添加关键词后的图片裁剪成若干张宽高比例不同的图片；
五、构图；将裁剪后的图片进行构图；
六、建立知识图谱；
七、将知识图谱和构图后的图片存入数据库，完成图片素材库的建立。
进一步的，所述步骤四中将图片裁剪为16张宽高比例为：1:1，1.5:1，2:1，3:1，4:1，5:1，7:1，10:1，12:1，1:1.5，1:2，1:3，1:4，1:5，1:7，1:10的图片。
所述步骤五中的构图形式分为上下构图、左右构图、中心构图或对称构图。
所述步骤六中建立知识图谱包括以下步骤：
(1)收集词条；
(2)将词条按递归关系进行归类，分为父类和子类，并将每个节点编号为b，b为自然数；
(3)给每个节点配以经验系数a，以表示子类到父类的经验距离；其中，0＜a＜2，且a＝b。
一种基于图片素材库的图片查找方法，包括以下步骤：
A、确定图片请求；该图片请求中包含了筛选标签、宽高尺寸、关键词集合B、权重标签集合C2、构图形式、关键词比重Q的信息；
B、根据图片请求的筛选标签，筛选出图片素材库中符合该筛选标签的图片，得到标签筛选图片；
C、根据图片请求的宽高尺寸，对标签筛选图片进行筛选，筛选出宽高尺寸均大于图片请求的宽高尺寸的图片，得到尺寸筛选图片；
D、计算图片请求的宽高比值w/h，当w/h≦0.1时，从尺寸筛选图片中筛选出宽高比例为1:10的图片；当12﹥w/h﹥0.1时，从尺寸筛选图片中筛选出最接近的大于值所对应的图片；当w/h≧12时，从尺寸筛选图片中筛选出宽高比例为12:1的图片；
E、将步骤D中筛选出的图片按图片请求的构图要求进行筛选，得到构图筛选图片；
F、将图片请求的关键词集合B分散为K1＝K1-1、K1-2、K1-3、……K1-n，K1∈B；
G、给图片请求的关键词集合B里面的每一个关键词K1分配权重系数q，权重系数q的计算公式为：其中n为集合B里关键词的总数，x为当前关键词在n中的排序，n≤9，当n大于9时q＝0.1；并计算出该图片请求中所有关键词权重系数总和i2，计算公式为：i2＝q1+q2+q3+...+qn；
H、根据知识图谱，计算出图片请求中关键词集合与步骤E中筛选出来的构图筛选图片中所有图片的关键词集合的距离值H；距离值H为构图筛选图片中同一张图片的关键词集合A与图片请求的关键词集合B的差集数列求和；
I、计算出图片请求中每一个筛选标签的权重比值L，L＝10s(1-Q)；其中，s为集合C1∩集合C2的基数；Q为图片请求的关键词比重，0﹤Q﹤1；集合C1为图片素材库中同一张图片上的所有标签的集合；
J、计算图片请求与每张构图筛选图片的关系F，F＝H+L；
K、从构图筛选图片中选出F值最大的图片，完成查找；F值最大的图片与图片请求最相符。
进一步的，所述步骤H中的距离值H的计算方法包括以下步骤：
a、在知识图谱中查找出图片请求的关键词和所有构图筛选图片的关键词所在的位置节点b，并查出b所对应的经验系数a；
b、计算图片请求的每一个关键词与构图筛选图片的每一个关键词之间的距离Sn，计算公式为：Sn＝a1+a2+...+an，
c、计算距离值H，计算公式为：H＝Sni1i2Q。
本发明较现有技术相比，具有以下优点及有益效果：本发明所建立的图片素材库其适应度和灵活性更高，可以更加快速的从该图片素材库中查找出最优的图片，从而满足特定的图片需求。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式并不限于此。
实施例1
本发明的图片素材库的建立方法，包括以下步骤：
一、收集不同的图片，收集的图片包括但不限于.jpg、.png、.svg格式。
二、添加标签；对收集的每一张图片添加多种标签，并将同一张图片上的标签记为集合C1。
三、添加关键词；给添加标签后的每一张图片添加多种关键词K2＝K2-1、K2-2、K2-3、……、K2-n，并将同一张图片上的关键词进行排序，得到关键词集合A，K2∈A；将集合A里每一个关键词分配权重系数q，权重系数q的计算公式为：其中，n为每张图片上关键词的总数，x为当前关键词在n中的排序，n≤9，当n大于9时q＝0.1；并计算出该图片所有关键词权重系数总和i1，计算公式为：i1＝q1+q2+q3++qn。具体的，可以按照从实物到联想、表象到情感的逻辑，将同一张图片上的关键词进行排序。
四、裁剪；采用图片编辑器将添加关键词后的图片裁剪成多张宽高比例不同的图片，即同一图片保存有多种宽高比例不同的版本。本实施例中，将同一张图片裁剪为16种宽高比例为：1:1，1.5:1，2:1，3:1，4:1，5:1，7:1，10:1，12:1，1:1.5，1:2，1:3，1:4，1:5，1:7，1:10的图片；裁剪后的16张图片的宽高比值对应为：1，1.5，2，3，4，5，7，10，12，0.67，0.5，0.33，0.25，0.2，0.14，0.1。
五、构图；按照黄金分割理论，将裁剪后的图片按上下构图、左右构图、中心构图或对称构图等构图形式分别进行构图。
六、建立知识图谱。具体的，建立知识图谱包括以下步骤：
(1)收集不同的词条。
(2)将收集到的不同词条按递归关系进行归类，分为父类和子类，并将每个节点编号为b。其中，b为自然数。
(3)给每个节点配以经验系数a，以表示子类到父类的经验距离；其中，0＜a＜2，且a＝b。具体的，a＝b表示a与b对应，例如：b的节点编号为580，而节点580对应的经验系数a＝1.6，则表示节点580＝1.6。
知识图谱中应当尽量多的收集词条，确保关键词均可以在知识图谱中找到。
七、将建立好的知识图谱和构图后的图片存入计算机数据库，从而完成图片素材库的建立。
实施例2
本实施例是从实施例1的图片素材库的建立方法所建立的图片素材库中查找图片的方法，其具体包括以下步骤：
A、确定图片请求，即确定需要从图片素材库中查找出来的图片的信息，该信息包含筛选标签、宽(w)高(h)尺寸、关键词集合B、权重标签集合C2、构图形式、关键词比重Q等。
B、根据图片请求的筛选标签，筛选出图片素材库中符合该筛选标签的图片，得到标签筛选图片。即在计算机系统中录入该图片请求的筛选标签，筛选出图片素材库中符合该筛选标签的图片。
C、在计算机系统中录入该图片请求的宽高尺寸，对标签筛选图片进行筛选，筛选出宽高均大于图片请求的宽高的图片，得到尺寸筛选图片。
D、计算图片请求的宽高比值w/h，当w/h≦0.1时，从尺寸筛选图片中筛选出宽高比例为1:10的图片。当12﹥w/h﹥0.1时，从尺寸筛选图片中筛选出最接近的大于值所对应的图片；例如，当w/h为0.21时，则从尺寸筛选图片中筛选出宽高比值为0.25的图片，即宽高比例为1:4的图片。当w/h≧12时，则从尺寸筛选图片中筛选出宽高比例为12:1的图片。
E、将步骤D中筛选出的图片按图片请求的构图要求进行筛选，例如，图片请求要求的构图形式为上下构图，则从步骤D中筛选出的图片中筛选出构图形式为上下构图的图片，从而得到构图筛选图片。
F、将图片请求的关键词集合B分散为K1＝K1-1、K1-2、K1-3、……K1-n，K1∈B。
G、给图片请求的关键词集合B里面的每一个关键词K1分配权重系数q，权重系数q的计算公式为：其中n为集合B里关键词的总数，x为当前关键词在n中的排序，n≤9，当n大于9时q＝0.1；并计算出该图片请求中所有关键词权重系数总和i2，计算公式为：i2＝q1+q2+q3+...+qn。
H、结合知识图谱，计算出图片请求中关键词集合与步骤E中筛选出来的构图筛选图片中所有图片的关键词集合的距离值H；即距离值H为构图筛选图片中同一张图片的关键词集合A与图片请求的关键词集合B的差集数列求和。具体的，距离值H的计算方法包括以下步骤：
a、在知识图谱中查找出图片请求的关键词和构图筛选图片的关键词所在的位置节点b，并查出b所对应的经验系数a；具体的，是在知识图谱中查找出图片请求的关键词和构图筛选图片的关键词所在的子级。图片请求的关键词和构图筛选图片的关键词在知识图谱上的位置则为从子级到最大父级的集合。
b、计算图片请求的每一个关键词与每一张构图筛选图片的每一个关键词之间的距离Sn，计算公式为：Sn＝a1+a2+...+an，其中，a1、a2、、、an为每个节点的经验系数。
c、计算距离值H，计算公式为：H＝Sni1i2Q；其中，Q为关键词比重，其为用户根据经验来自定义，0﹤Q﹤1；i1为每一张构图筛选图片上所有关键词权重系数总和；i2为图片请求所有关键词权重系数总和。
I、计算出图片请求中每一个筛选标签的权重比值L，L＝10s(1-Q)；其中，s为集合C1∩集合C2的基数；Q为图片请求的关键词比重，0﹤Q﹤1；权重标签为提升图片请求的权重比值，本实施例中每个权重标签取值为10；集合C1为图片素材库中同一张图片上的所有标签的集合。
J、计算图片请求与每张构图筛选图片的关系F，F＝H+L。
K、从构图筛选图片中选出F值最大的图片，F值最大的图片即为与图片请求最相符的图片；如此则完成图片的查找。
如上所述，便可很好的实现本发明。

Claims (6)

1.一种图片素材库的建立方法，其特征在于，包括以下步骤：
一、收集图片；
二、添加标签；对收集的每一张图片添加多种标签，并将同一张图片上的标签记为集合C1；
三、添加关键词；对添加标签后的每一张图片添加多种关键词K2＝K2-1、K2-2、K2-3、……、K2-n，并将同一张图片上的关键词进行排序，得到关键词集合A，K2∈A；将集合A里每一个关键词分配权重系数q，权重系数q的计算公式为：其中，n为每张图片上关键词的总数，x为当前关键词在n中的排序，n≤9，当n大于9时q＝0.1；并计算出该图片所有关键词权重系数总和i1，计算公式为：i1＝q1+q2+q3+...+qn；
四、裁剪；将添加关键词后的图片裁剪成若干张宽高比例不同的图片；
五、构图；将裁剪后的图片进行构图；
六、建立知识图谱；
七、将知识图谱和构图后的图片存入数据库，完成图片素材库的建立。
2.根据权利要求1所述的一种图片素材库的建立方法，其特征在于，所述步骤四中将图片裁剪为16张宽高比例为：1:1，1.5:1，2:1，3:1，4:1，5:1，7:1，10:1，12:1，1:1.5，1:2，1:3，1:4，1:5，1:7，1:10的图片。
3.根据权利要求1所述的一种图片素材库的建立方法，其特征在于，所述步骤五中的构图形式分为上下构图、左右构图、中心构图或对称构图。
4.根据权利要求1所述的一种图片素材库的建立方法，其特征在于，所述步骤六中建立知识图谱包括以下步骤：
(1)收集词条；
(2)将词条按递归关系进行归类，分为父类和子类，并将每个节点编号为b，b为自然数；
(3)给每个节点配以经验系数a，以表示子类到父类的经验距离；其中，0＜a＜2，且a＝b。
5.一种基于图片素材库的图片查找方法，其特征在于，包括以下步骤：
A、确定图片请求；该图片请求中包含了筛选标签、宽高尺寸、关键词集合B、权重标签集合C2、构图形式、关键词比重Q的信息；
B、根据图片请求的筛选标签，筛选出图片素材库中符合该筛选标签的图片，得到标签筛选图片；
C、根据图片请求的宽高尺寸，对标签筛选图片进行筛选，筛选出宽高尺寸均大于图片请求的宽高尺寸的图片，得到尺寸筛选图片；
D、计算图片请求的宽高比值w/h，当w/h≦0.1时，从尺寸筛选图片中筛选出宽高比例为1:10的图片；当12﹥w/h﹥0.1时，从尺寸筛选图片中筛选出最接近的大于值所对应的图片；当w/h≧12时，从尺寸筛选图片中筛选出宽高比例为12:1的图片；
E、将步骤D中筛选出的图片按图片请求的构图要求进行筛选，得到构图筛选图片；
F、将图片请求的关键词集合B分散为K1＝K1-1、K1-2、K1-3、……K1-n，K1∈B；
G、给图片请求的关键词集合B里面的每一个关键词K1分配权重系数q，权重系数q的计算公式为：其中n为集合B里关键词的总数，x为当前关键词在n中的排序，n≤9，当n大于9时q＝0.1；并计算出该图片请求中所有关键词权重系数总和i2，计算公式为：i2＝q1+q2+q3+...+qn；
H、根据知识图谱，计算出图片请求中关键词集合与步骤E中筛选出来的构图筛选图片中所有图片的关键词集合的距离值H；距离值H为构图筛选图片中同一张图片的关键词集合A与图片请求的关键词集合B的差集数列求和；
I、计算出图片请求中每一个筛选标签的权重比值L，L＝10s(1-Q)；其中，s为集合C1∩集合C2的基数；Q为图片请求的关键词比重，0﹤Q﹤1；集合C1为图片素材库中同一张图片上的所有标签的集合；
J、计算图片请求与每张构图筛选图片的关系F，F＝H+L；
K、从构图筛选图片中选出F值最大的图片，完成查找；F值最大的图片与图片请求最相符。
6.根据权利要求5所述的图片查找方法，其特征在于，所述步骤H中的距离值H的计算方法包括以下步骤：
a、在知识图谱中查找出图片请求的关键词和所有构图筛选图片的关键词所在的位置节点b，并查出b所对应的经验系数a；
b、计算图片请求的每一个关键词与构图筛选图片的每一个关键词之间的距离Sn，计算公式为：Sn＝a1+a2+...+an，
c、计算距离值H，计算公式为：H＝Sni1i2Q。
CN201711096804.6A 2017-11-09 2017-11-09 一种图片素材库的建立方法及其图片查找方法 Pending CN107908707A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711096804.6A CN107908707A (zh) 2017-11-09 2017-11-09 一种图片素材库的建立方法及其图片查找方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711096804.6A CN107908707A (zh) 2017-11-09 2017-11-09 一种图片素材库的建立方法及其图片查找方法

Publications (1)

Publication Number Publication Date
CN107908707A true CN107908707A (zh) 2018-04-13

Family

ID=61844479

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711096804.6A Pending CN107908707A (zh) 2017-11-09 2017-11-09 一种图片素材库的建立方法及其图片查找方法

Country Status (1)

Country Link
CN (1) CN107908707A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999615A (zh) * 2012-11-29 2013-03-27 合肥工业大学 基于径向基函数神经网络的多样化图像标注和检索方法
CN103064903A (zh) * 2012-12-18 2013-04-24 厦门市美亚柏科信息股份有限公司 图片检索方法和装置
CN103793498A (zh) * 2014-01-22 2014-05-14 百度在线网络技术（北京）有限公司 图片搜索方法、装置以及搜索引擎
CN104991968A (zh) * 2015-07-24 2015-10-21 成都云堆移动信息技术有限公司 基于文本挖掘的互联网媒体用户属性分析方法
CN105787105A (zh) * 2016-03-21 2016-07-20 浙江大学 一种基于迭代模型的中文百科知识图谱分类体系构建方法
CN106547893A (zh) * 2016-11-03 2017-03-29 福建中金在线信息科技有限公司 一种图片分类管理系统及图片分类管理方法
US20170206439A1 (en) * 2012-08-24 2017-07-20 Google Inc. Providing Image Search Templates
CN107305566A (zh) * 2016-04-21 2017-10-31 北京搜狗科技发展有限公司 一种为搜索信息匹配图片的方法及装置
CN107330981A (zh) * 2017-06-21 2017-11-07 武汉睿和智云科技有限公司 一种基于素材云的三维场景编辑器实现方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170206439A1 (en) * 2012-08-24 2017-07-20 Google Inc. Providing Image Search Templates
CN102999615A (zh) * 2012-11-29 2013-03-27 合肥工业大学 基于径向基函数神经网络的多样化图像标注和检索方法
CN103064903A (zh) * 2012-12-18 2013-04-24 厦门市美亚柏科信息股份有限公司 图片检索方法和装置
CN103793498A (zh) * 2014-01-22 2014-05-14 百度在线网络技术（北京）有限公司 图片搜索方法、装置以及搜索引擎
CN104991968A (zh) * 2015-07-24 2015-10-21 成都云堆移动信息技术有限公司 基于文本挖掘的互联网媒体用户属性分析方法
CN105787105A (zh) * 2016-03-21 2016-07-20 浙江大学 一种基于迭代模型的中文百科知识图谱分类体系构建方法
CN107305566A (zh) * 2016-04-21 2017-10-31 北京搜狗科技发展有限公司 一种为搜索信息匹配图片的方法及装置
CN106547893A (zh) * 2016-11-03 2017-03-29 福建中金在线信息科技有限公司 一种图片分类管理系统及图片分类管理方法
CN107330981A (zh) * 2017-06-21 2017-11-07 武汉睿和智云科技有限公司 一种基于素材云的三维场景编辑器实现方法

Similar Documents

Publication Publication Date Title
CN107368294B (zh) 应用原型生成方法、模板训练方法、装置及系统
CN103699576B (zh) 一种用于提供搜索结果的方法与设备
CN111858820B (zh) 用地性质识别方法、装置、电子设备及存储介质
Gilbert et al. Communities and hierarchical structures in dynamic social networks: analysis and visualization
CN108363797A (zh) 一种基于变换的关联图可视分析方法及其系统
CN103294692B (zh) 一种信息推荐方法及系统
CN103578098B (zh) 在商品图片中提取商品主体的方法和装置
CN107122390A (zh) 基于用户群组的推荐系统构建方法
CN107798018B (zh) 一种兴趣点显示信息的设置方法及装置
CN103577993B (zh) 颜色选取方法及装置
CN107832412A (zh) 一种基于文献引用关系的刊物聚类方法
CN108151744A (zh) 基于a-star算法的室内导航系统
CN1845098A (zh) 仿人工细粒度网页信息采集方法
CN104536997A (zh) 用于客户端界面的数据批量处理方法及装置
CN107239964A (zh) 用户价值评分方法和系统
CN107248023A (zh) 一种对标企业名单的筛选方法和装置
CN106202089A (zh) 一种确定图片质量和网页展示的方法及设备
CN109409848A (zh) 开放式流程的节点智能推荐方法、终端设备及存储介质
CN109447746B (zh) 一种电子商务平台的智能推荐管理系统
CN107908707A (zh) 一种图片素材库的建立方法及其图片查找方法
CN103678326B (zh) 一种用于基于搜索结果提供浏览信息的方法和设备
CN106934004A (zh) 一种基于地域特征向用户推荐文章的方法和装置
CN108268900A (zh) 一种提升推荐系统多样性的方法
CN115618278B (zh) 一种数字模型生成数据的分类方法
CN107369066A (zh) 一种评论对象之间的特征比较方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180413