CN110019904A - 一种基于大数据的图像检索方法 - Google Patents
一种基于大数据的图像检索方法 Download PDFInfo
- Publication number
- CN110019904A CN110019904A CN201710950212.XA CN201710950212A CN110019904A CN 110019904 A CN110019904 A CN 110019904A CN 201710950212 A CN201710950212 A CN 201710950212A CN 110019904 A CN110019904 A CN 110019904A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- binary
- big data
- method based
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 241001269238 Data Species 0.000 claims abstract description 8
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000003706 image smoothing Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- 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
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于大数据的图像检索方法，包括：通过图像采集装置采集原始图像；将原始图像从RGB空间转换到YCrCb空间，并提取出原始图像的二值化图像；对二值化图像进行轮廓检测，得到二值化图像中的所有轮廓数据；对轮廓数据进行空洞填充和小面积区域去除；将轮廓数据上传云服务器，在云服务器中与其中预置的模板图像的轮廓进行对比，检索出与预置模板图像的轮廓形状一致的目标对象轮廓；根据目标对象轮廓，得到若干个准目标图像；将准目标图像从YCrCb空间转换到RGB空间，对准目标图像进行色彩特征提取，然后与目标图像的色彩特征进行对比；得到目标图像。本发明先进行图像轮廓筛选，然后进行颜色特征筛选，经两步筛选后能够准确快速地检索到目标图像。
Description
技术领域
本发明涉及数据处理技术领域技术领域，具体涉及一种基于大数据的图像检索方法。
背景技术
随着移动互联网、物联网等技术的兴起，全球范围内数据量迅猛增长，大数据时代己经来临。伴随着大数据的产生，其在现代社会和经济活动中发挥着极其重要的作用。
大数据基本都是基于云计算，在这其中，数据的分析以及检索技术，是整个大数据领域的关键支撑技术。大规模数据给传统的多媒体研究，尤其是基于图像的应用和研究带来了新的挑战和机遇。
现有的图像检索方法存在检索不准确，检索到的准目标图像过多，检索时间长等问题。
发明内容
发明目的：针对上述现有技术中的不足，本发明提供一种基于大数据的图像检索方法，能够快速准确地检索到目标图像。
技术方案：为实现上述目的，本发明采用如下技术方案：
一种基于大数据的图像检索方法，包括如下步骤：
步骤1：通过图像采集装置采集原始图像；
步骤2：将原始图像从原始的RGB空间转换到YCrCb空间，并提取出原始图像的二值化图像；
步骤3：对所述二值化图像进行轮廓检测，得到二值化图像中的所有轮廓数据；
步骤4：对所有轮廓数据进行空洞填充和小面积区域去除；
步骤5：将步骤4所得轮廓数据上传云服务器，在云服务器中与其中预置的模板图像的轮廓进行对比，检索出与预置模板图像的轮廓形状一致的目标对象轮廓；
步骤6：根据步骤5检索到的目标对象轮廓，得到若干个准目标图像；
步骤7：将准目标图像从YCrCb空间转换到RGB空间，对准目标图像进行色彩特征提取，然后与目标图像的色彩特征进行对比；
步骤8：得到目标图像。
优选的，步骤2中，使用OTSU算法提取出原始图像的二值化图像。
优选的，还包括图像平滑处理步骤，所述图像平滑处理针对二值化图像中的每一个像素点，当相邻的所有像素点中存在一半以上的跳变点时，则将针对的像素点的灰度值保留，否则，将针对的像素点的灰度值设置为白电平像素点，并输出二值化图像对应的平滑图像。
优选的，还包括自适应递归滤波步骤用于对平滑图像执行自适应递归滤波处理以获得滤波图像。
有益效果：本发明先进行图像轮廓筛选，然后进行颜色特征筛选，经两步筛选后能够准确快速地检索到目标图像。
具体实施方式
下面结合实施例对本发明做更进一步的解释。
本发明提供一种基于大数据的图像检索方法，包括如下步骤：
将图像文件存储在分布式文件系统的图像库中；提取图像的轮廓特征和色彩特征；对所提取的特征建立特征索引，将索引文件和图像文件存储在分布式文件数据库上；当用户向系统提交查询请求时，用户接口对提交图像特征进行特征提取，与特征索引库中的图像特征进行相似度比较后将匹配结果发送给用户。
具体步骤为：
步骤1：通过图像采集装置采集原始图像；
步骤2：图像采集装置将所采集图像发送给图像处理装置。图像处理装置包括图像二值化处理模块、图像平滑处理模块和图像自适应递归滤波模块。首先将原始图像从原始的RGB空间转换到YCrCb空间，并用OTSU算法提取出原始图像的二值化图像，对二值化图像进行平滑处理，所述图像平滑处理针对二值化图像中的每一个像素点，当相邻的所有像素点中存在一半以上的跳变点时，则将针对的像素点的灰度值保留，否则，将针对的像素点的灰度值设置为白电平像素点，并输出二值化图像对应的平滑图像。然后对平滑图像执行自适应递归滤波处理以获得滤波图像。
步骤3：对所述二值化图像进行轮廓检测，得到二值化图像中的所有轮廓数据；
步骤4：对所有轮廓数据进行空洞填充和小面积区域去除；
步骤5：将步骤4所得轮廓数据上传云服务器，在云服务器中与其中预置的模板图像的轮廓进行对比，检索出与预置模板图像的轮廓形状一致的目标对象轮廓；
步骤6：根据步骤5检索到的目标对象轮廓，得到若干个准目标图像；
步骤7：将准目标图像从YCrCb空间转换到RGB空间，对准目标图像进行色彩特征提取，然后与目标图像的色彩特征进行对比；
步骤8：得到目标图像。
根据下述实施例，可以更好的理解本发明。然而，本领域的技术人员容易理解，实施例所描述的具体的物料配比、工艺条件及其结果仅用于说明本发明，而不应当也不会限制权利要求书中所详细描述的本发明。
Claims (4)
1.一种基于大数据的图像检索方法，其特征在于，包括如下步骤：
步骤1：采集原始图像；
步骤2：将原始图像从原始的RGB空间转换到YCrCb空间，并提取出原始图像的二值化图像；
步骤3：对所述二值化图像进行轮廓检测，得到二值化图像中的所有轮廓数据；
步骤4：对所有轮廓数据进行空洞填充和小面积区域去除；
步骤5：将步骤4所得轮廓数据上传云服务器，在云服务器中与其中预置的模板图像的轮廓进行对比，检索出与预置模板图像的轮廓形状一致的目标对象轮廓；
步骤6：根据步骤5检索到的目标对象轮廓，得到若干个准目标图像；
步骤7：将准目标图像从YCrCb空间转换到RGB空间，对准目标图像进行色彩特征提取，然后与目标图像的色彩特征进行对比；
步骤8：得到目标图像。
2.根据权利要求1所述的一种基于大数据的图像检索方法，其特征在于，步骤2中，使用OTSU算法提取出原始图像的二值化图像。
3.根据权利要求1所述的一种基于大数据的图像检索方法，其特征在于，还包括图像平滑处理步骤，所述图像平滑处理针对二值化图像中的每一个像素点，当相邻的所有像素点中存在一半以上的跳变点时，则将针对的像素点的灰度值保留，否则，将针对的像素点的灰度值设置为白电平像素点，并输出二值化图像对应的平滑图像。
4.根据权利要求3所述的一种基于大数据的图像检索方法，其特征在于，还包括自适应递归滤波步骤用于对平滑图像执行自适应递归滤波处理以获得滤波图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710950212.XA CN110019904A (zh) | 2017-10-13 | 2017-10-13 | 一种基于大数据的图像检索方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710950212.XA CN110019904A (zh) | 2017-10-13 | 2017-10-13 | 一种基于大数据的图像检索方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110019904A true CN110019904A (zh) | 2019-07-16 |
Family
ID=67186627
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710950212.XA Withdrawn CN110019904A (zh) | 2017-10-13 | 2017-10-13 | 一种基于大数据的图像检索方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110019904A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310753A (zh) * | 2019-12-27 | 2020-06-19 | 广东电网有限责任公司电力科学研究院 | 一种表计对准方法及装置 |
| CN114840700A (zh) * | 2022-05-30 | 2022-08-02 | 来也科技(北京)有限公司 | 结合rpa和ai实现ia的图像检索方法、装置及电子设备 |
-
2017
- 2017-10-13 CN CN201710950212.XA patent/CN110019904A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310753A (zh) * | 2019-12-27 | 2020-06-19 | 广东电网有限责任公司电力科学研究院 | 一种表计对准方法及装置 |
| CN111310753B (zh) * | 2019-12-27 | 2023-07-14 | 广东电网有限责任公司电力科学研究院 | 一种表计对准方法及装置 |
| CN114840700A (zh) * | 2022-05-30 | 2022-08-02 | 来也科技(北京)有限公司 | 结合rpa和ai实现ia的图像检索方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102915372B (zh) | 图像检索方法、装置及系统 | |
| CN108898132B (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
| CN108765412A (zh) | 一种带钢表面缺陷分类方法 | |
| CN104766343B (zh) | 一种基于稀疏表示的视觉目标跟踪方法 | |
| CN103870597B (zh) | 一种无水印图片的搜索方法及装置 | |
| Herdiyeni et al. | Combination of morphological, local binary pattern variance and color moments features for indonesian medicinal plants identification | |
| AU2018207032B2 (en) | Logo detection video analytics | |
| CN104346630B (zh) | 一种异构特征融合的云花卉识别方法 | |
| CN103390165A (zh) | 一种图片聚类的方法及装置 | |
| Lech et al. | Optimization of the fast image binarization method based on the Monte Carlo approach | |
| CN108133211B (zh) | 一种基于移动终端视觉图像的检测配电柜的方法 | |
| CN110019904A (zh) | 一种基于大数据的图像检索方法 | |
| Shao et al. | Research on the tea bud recognition based on improved k-means algorithm | |
| Tribak et al. | QR code patterns localization based on Hu Invariant Moments | |
| CN103020630B (zh) | 图像特征的处理方法和装置 | |
| CN106603888A (zh) | 图像颜色提取处理结构 | |
| CN109299295B (zh) | 蓝印花布图像数据库搜索方法 | |
| Hu et al. | Flower image retrieval based on saliency map | |
| CN106530300B (zh) | 一种低秩分析的火焰识别方法 | |
| CN106570910B (zh) | 基于自编码特征和近邻模型的图像自动标注方法 | |
| CN104361364A (zh) | 基于机器视觉的不规则形状物体的计数方法与装置 | |
| Jain et al. | A novel approach for image classification in Content based image retrieval using support vector machine | |
| Jing-jing et al. | Single tree crown extraction based on gray gradient image segmentation | |
| De Souza et al. | HTS: A new shape descriptor based on Hough Transform | |
| CN105654449A (zh) | 一种视频图像离散划分方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190716 |
|
| WW01 | Invention patent application withdrawn after publication |