CN110019913A - 图片匹配方法、用户设备、存储介质及装置 - Google Patents
图片匹配方法、用户设备、存储介质及装置 Download PDFInfo
- Publication number
- CN110019913A CN110019913A CN201810560982.8A CN201810560982A CN110019913A CN 110019913 A CN110019913 A CN 110019913A CN 201810560982 A CN201810560982 A CN 201810560982A CN 110019913 A CN110019913 A CN 110019913A
- Authority
- CN
- China
- Prior art keywords
- picture
- indexed
- searched
- picture element
- match
- 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
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
- G06F16/58—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
Abstract
本发明公开了图片匹配方法、用户设备、存储介质及装置。本发明获取待索引图片,并从所述待索引图片中提取待索引图片要素;基于所述待索引图片要素建立与所述待索引图片对应的数据库索引;在接收到用户输入的待搜索图片时,从所述待搜索图片中提取待搜索图片要素;基于所述数据库索引查找与所述待搜索图片要素匹配成功的待索引图片,并将匹配成功的待索引图片作为目标图片。在本发明中通过预先建立数据库索引,使得在搜索与待搜索图片相匹配的图片时可引入数据库索引来完成搜索操作,可以大大地提高检索速度,并且也不必对全部的待索引图片数据进行全盘检索,从而,解决了现有技术中的“以图搜图”功能存在着的搜索效率较低的技术问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及图片匹配方法、用户设备、存储介质及装置。
背景技术
随着互联网的不断发展,搜索引擎技术作为一种在海量信息中查找用户所需信息的方式被广泛的适用。对于用户而言,用户可通过在特定搜索引擎中输入特定的文字来进行相关内容的检索。
具体而言,常见的搜索引擎可通过用户输入关键字来完成检索操作,检索到的结果可能为文本、网站或者图片等各种类型的数据,与用户输入的关键字存在或强或弱的关联性。
但是,若用户欲通过输入关键字来查找特定的图片,现有的搜索引擎查找到的图片结果往往不会符合用户的预期,毕竟,通过语言文字来描述图片本身就存在一定的表意不清的问题,自然最终检索的图片也不一定准确。
所以,为了保证图片搜索的准确性,各搜索引擎也逐渐地开放了不太成熟的“以图搜图”的功能,即用户通过输入图片而非关键字来查找特定的图片,比之以关键字来查找图片,“以图搜图”的方式得到的图片结果相对而言准确度更高。
但是,图片数据的数据量较大,完成图片之间的匹配操作并最终查找到用户需要的目标图片需要耗费较长的执行时间,这会导致整体搜索效率较低。所以,可认为现有的“以图搜图”功能在整体上还是存在着搜索效率较低的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供图片匹配方法、用户设备、存储介质及装置,旨在解决现有技术中的“以图搜图”功能存在着的搜索效率较低的技术问题。
为实现上述目的,本发明提供一种图片匹配方法,所述图片匹配方法包括以下步骤:
获取待索引图片,并从所述待索引图片中提取待索引图片要素;
基于所述待索引图片要素建立与所述待索引图片对应的数据库索引;
在接收到用户输入的待搜索图片时,从所述待搜索图片中提取待搜索图片要素;
基于所述数据库索引查找与所述待搜索图片要素匹配成功的待索引图片,并将匹配成功的待索引图片作为目标图片。
优选地,所述数据库索引包括待索引图片要素与待索引图片之间的对应关系;
所述基于所述数据库索引查找与所述待搜索图片要素匹配成功的待索引图片,并将匹配成功的待索引图片作为目标图片,包括:
将所述待搜索图片要素与所述数据库索引中的各待索引图片要素进行匹配;
在匹配成功时,将所述数据库索引中与所述待搜索图片要素匹配成功的待索引图片要素作为目标图片要素;
在所述数据库索引中查询与所述目标图片要素对应的待索引图片作为目标图片。
优选地,所述将所述待搜索图片要素与所述数据库索引中的各待索引图片要素进行匹配,包括:
计算所述待搜索图片要素与所述数据库索引中的各待索引图片要素之间的欧式距离,判断所述欧式距离是否大于第一预设距离;
所述在匹配成功时,将所述数据库索引中与所述待搜索图片要素匹配成功的待索引图片要素作为目标图片要素,包括:
在所述欧式距离小于所述第一预设距离时,将所述数据库索引中与小于所述第一预设距离的欧式距离对应的待索引图片要素作为目标图片要素。
优选地,所述计算所述待搜索图片要素与所述数据库索引中的各待索引图片要素之间的欧式距离,判断所述欧式距离是否大于第一预设距离,包括:
确定所述待索引图片要素的要素类别;
基于所述要素类别计算所述待搜索图片要素与所述待索引图片要素之间的欧式距离,根据预设权重系数计算各欧式距离以获得加权距离,并判断所述加权距离是否小于第二预设距离;
所述在所述欧式距离小于所述第一预设距离时,将所述数据库索引中与小于所述第一预设距离的欧式距离对应的待索引图片要素作为目标图片要素,包括:
在所述加权距离小于所述第二预设距离时,将所述数据库索引中与小于所述第二预设距离的加权距离对应的图片要素作为目标图片要素。
优选地,所述数据库索引为多列索引;
所述基于所述待索引图片要素建立与所述待索引图片对应的数据库索引,包括:
确定所述待索引图片要素的要素类别;
基于与所述要素类别分别对应的所述待索引图片要素建立多列索引;
所述将所述待搜索图片要素与所述数据库索引中的各待索引图片要素进行匹配,包括:
基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素分别进行匹配。
优选地,所述基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素分别进行匹配之前,所述图片匹配方法还包括:
在接收到用户输入的搜索指令时,从所述搜索指令中提取与所述要素类型对应的要素范围;
判断所述多列索引中的各待索引图片要素是否处于所述要素范围内;
将处于所述要素范围内的待索引图片要素作为备用图片要素;
所述基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素分别进行匹配,包括:
基于所述要素类别将所述待搜索图片要素与所述备用图片要素分别进行匹配。
优选地,所述基于所述要素类别将所述待搜索图片要素与所述备用图片要素分别进行匹配之后,所述图片匹配方法还包括:
在匹配失败时,统计所述待搜索图片要素与所述备用图片要素匹配失败的要素类别的类别数目;
判断所述类别数目是否小于或等于预设类别数目阈值;
在所述类别数目小于或等于所述预设类别数目阈值时,将与小于或等于所述预设类别数目阈值的类别数目对应的备用图片要素作为目标图片要素;
在所述多列索引中查询与所述目标图片要素对应的待索引图片作为目标图片。
此外,为实现上述目的,本发明还提供一种用户设备,所述用户设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行图片匹配程序,所述图片匹配程序配置为实现如上文所述图片匹配方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质上存储有图片匹配程序,所述图片匹配程序被处理器执行时实现如上文所述的图片匹配方法的步骤。
此外,为实现上述目的,本发明还提供一种图片匹配装置,所述图片匹配装置包括:要素提取模块、索引建立模块、图片输入模块以及要素匹配模块;
所述要素提取模块,用于获取待索引图片,并从所述待索引图片中提取待索引图片要素;
所述索引建立模块,用于基于所述待索引图片要素建立与所述待索引图片对应的数据库索引;
所述图片输入模块,用于在接收到用户输入的待搜索图片时,从所述待搜索图片中提取待搜索图片要素;
所述要素匹配模块,用于基于所述数据库索引查找与所述待搜索图片要素匹配成功的待索引图片,并将匹配成功的待索引图片作为目标图片。
在发明中通过预先建立数据库索引,使得在搜索与待搜索图片相匹配的图片时可引入数据库索引来完成搜索操作,正是由于引入了与图片要素相关联的数据库索引,可以大大地提高检索速度,并且也不必对全部的待索引图片数据进行全盘检索,从而,解决了现有技术中的“以图搜图”功能存在着的搜索效率较低的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的用户设备结构示意图;
图2为本发明图片匹配方法第一实施例的流程示意图;
图3为本发明图片匹配方法第二实施例的流程示意图;
图4为本发明图片匹配方法第三实施例的流程示意图;
图5为本发明图片匹配方法第四实施例的流程示意图;
图6为本发明图片匹配装置第五实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的用户设备结构示意图。
如图1所示,该用户设备可以包括:处理器1001,例如CPU,通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对用户设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及图片匹配程序。
在图1所示的用户设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接外设;所述用户设备通过处理器1001调用存储器1005中存储的图片匹配程序,并执行本发明实施例提供的图片匹配方法。
基于上述硬件结构,提出本发明图片匹配方法的实施例。
参照图2,图2为本发明图片匹配方法第一实施例的流程示意图。
在第一实施例中,所述图片匹配方法包括以下步骤:
步骤S10:获取待索引图片,并从所述待索引图片中提取待索引图片要素;
可以理解的是,为了提高“以图搜图”搜索过程的整体效率,本实施例将基于索引来完成图片的搜索,使用索引技术可以更加快速地查找到所需的内容,无需全盘地遍历所有的图片数据。在具体的实现过程中,为了先获取到索引,本实施例将先爬取数据库中存储的图片或者网络中已被上传的图片,并将从爬取到的图片中提取出图片要素,以基于提取出的图片要素完成索引的建立,并最终基于索引来执行“以图搜图”的检索操作,使得检索操作的执行效率更高。
在具体实现中,比如,将先爬取到图片A,并从图片A中提取出图片要素A。
其中,图片要素用于记录图片的图像特征,可描述图片的色彩、纹理、形状以及空间关系等特征。在色彩方面,图片要素的类型有颜色直方图、颜色矩以及颜色相关图等;在纹理方面,有纹理直方图等。当然,图片要素还存在其他的类型,比如,图片要素还可为Exchangeable Image File(Exif)格式的附加信息、颜色和边缘的方向性描述符(Colorand Edge Directivity Descriptor,CEDD)等其他类型。
步骤S20:基于所述待索引图片要素建立与所述待索引图片对应的数据库索引;
应当理解的是,比如,在从图片A中成功提取出图片要素A后,可基于图片A与图片要素A建立数据库索引A,以此类推,可基于图片B与图片要素B建立数据索索引B。
步骤S30:在接收到用户输入的待搜索图片时,从所述待搜索图片中提取待搜索图片要素;
可以理解的是,在完成图片A与图片B的索引建立后,用户可使用已搭建好的索引以及原待索引图片联合完成“以图搜图”的操作。
步骤S40:基于所述数据库索引查找与所述待搜索图片要素匹配成功的待索引图片,并将匹配成功的待索引图片作为目标图片。
可以理解的是,用户可输入需要进行检索的图片C,并从图片C中提取图片要素C,根据已建立好的数据索引在大量的待索引图片中去查找与图片要素C匹配度较高的待索引图片。
在具体实现中,比如,用户在建立数据库索引时运用的要素类型为Exif信息,则建立好的数据库索引A与B中将含有该Exif信息或者该Exif信息的部分信息,然后,在进行“以图搜图”的操作时,将从图片C中提取出Exif信息C,将Exif信息C与数据库索引中的Exif信息进行匹配,并确定计算出的匹配度大于预设匹配度阈值的数据库索引,若确定的数据库索引为数据库索引A,则将把图片A作为目标图片,从而,认为各待索引图片中与图片C最为相近的图片为图片A。
当然,本实施例并不限制建立数据库索引时使用的要素类别。
应当理解的是,本实施例通过基于图片要素来完成索引的创建,使得在后续调用索引的阶段就能够直接确定目标图片的图片要素,无需遍历或者匹配海量图片数据就能找到目标图片。若想获取并展示目标图片,根据目标图片的图片要素在各待索引图片中查询对应的待索引图片就能获取到目标图片。
可以理解的是,本实施例中将通过待搜索图片要素来完成图片的检索,而非直接通过待搜索图片来进行图片检索,这可以大大地减少匹配时的数据量。并且,由于预先建立了数据库索引,通过使用索引来执行图片的搜索工作,可以让搜索效率更高,这是因为,通过使用索引可以不必进行全盘检索,而且,可以更快速地取出数据。
在本实施例中通过预先建立数据库索引,使得在搜索与待搜索图片相匹配的图片时可引入数据库索引来完成搜索操作,正是由于引入了与图片要素相关联的数据库索引,可以大大地提高检索速度,并且也不必对全部的待索引图片数据进行全盘检索,从而,解决了现有技术中的“以图搜图”功能存在着的搜索效率较低的技术问题。
参照图3,图3为本发明图片匹配方法第二实施例的流程示意图,基于上述图2所示的实施例,提出本发明图片匹配方法的第二实施例。
在第二实施例中,所述数据库索引包括待索引图片要素与待索引图片之间的对应关系,所述步骤S40,包括:
步骤S401:将所述待搜索图片要素与所述数据库索引中的各待索引图片要素进行匹配;
可以理解的是,步骤S10-S20建立的数据库索引实则为一种针对一列或多列的值进行排序的数据结构,并且,通过运用该数据结构可以快速地查找到用户需要的信息。其中,本实施例中的数据库索引中可包括“待索引图片要素与待索引图片之间的对应关系”。
应当理解的是,考虑到待索引图片的图片数据量较大,为了降低数据库索引的数据量,可在数据库索引中不直接存储待索引图片而存储与待索引图片对应的指针,可通过该指针查找到对应的待索引图片。
在具体实现中,比如,数据库索引中A中可对应地存储图片要素A与指针A,数据库索引中B可对应地存储图片要素B与指针B。在获取到图片C的图片要素C后,将图片要素C分别与图片要素A、图片要素B进行匹配度计算,将匹配度大于预设匹配度阈值的图片要素作为目标图片要素。
步骤S402:在匹配成功时,将所述数据库索引中与所述待搜索图片要素匹配成功的待索引图片要素作为目标图片要素;
步骤S403:在所述数据库索引中查询与所述目标图片要素对应的待索引图片作为目标图片。
可以理解的是,比如,目标图片要素为图片要素A,则可调用含有图片要素A的数据库索引A,从而获取对应的指针A,也就可以快速地获取到图片A。
在本实施例中通过在数据库索引中添加图片要素与图片之间的对应关系,使得用户在进行图片匹配时,只需调用数据库索引完成要素的匹配,就可迅速地获取匹配成功的图片。因为,图片要素比起图片本身具有更小的数据量,匹配图片要素比之匹配图片本身速度更快;而且,由于预先建立了数据库索引,可以只通过数据库索引来完成匹配操作,无需在含有所有图片的图片数据集合中去进行匹配操作,在匹配操作完成后,只需在含有所有图片的图片数据集合中只执行读取已确定的目标图片地址的读取操作,所以,本实施例在匹配速度上更快,毕竟,海量数据的读取以及匹配需要消耗较大的数据资源。
参照图4,图4为本发明图片匹配方法第三实施例的流程示意图,基于上述图3所示的第二实施例,提出本发明图片匹配方法的第三实施例。
在第三实施例中,所述步骤S401,包括:
步骤S4011:计算所述待搜索图片要素与所述数据库索引中的各待索引图片要素之间的欧式距离,判断所述欧式距离是否大于第一预设距离;
可以理解的是,对于图片要素之间的匹配操作,可采用比较欧式距离(euclideanmetric,也称欧几里得度量)的方式来实现,当然,也可通过比较马氏距离或余弦距离等。
在具体实现中,比如,若获取到的图片要素的类型为颜色直方图,则可计算待搜索颜色直方图与各待索引颜色直方图之间的欧式距离,具体而言,常见的颜色直方图会采用HSV(hue,saturation,value)颜色空间模型来进行图片描述,最终得到的待搜索颜色直方图与各待索引颜色直方图均为数值化的坐标点,通过计算坐标点间的距离差来获得欧式距离。
所述步骤S402,包括:
步骤S4021:在所述欧式距离小于所述第一预设距离时,将所述数据库索引中与小于所述第一预设距离的欧式距离对应的待索引图片要素作为目标图片要素。
可以理解的是,在计算出欧式距离后,通过与数值较小的第一预设距离进行比较来从各待索引图片要素中找出与待搜索图片要素的数值较为相近的图片要素,将该数值较为相近的图片要素作为目标图片要素。并最终基于确定的目标图片要素来确定目标图片。
进一步地,所述计算所述待搜索图片要素与所述数据库索引中的各待索引图片要素之间的欧式距离,判断所述欧式距离是否大于第一预设距离,包括:
确定所述待索引图片要素的要素类别;
基于所述要素类别计算所述待搜索图片要素与所述待索引图片要素之间的欧式距离,根据预设权重系数计算各欧式距离以获得加权距离,并判断所述加权距离是否小于第二预设距离;
所述在所述欧式距离小于所述第一预设距离时,将所述数据库索引中与小于所述第一预设距离的欧式距离对应的待索引图片要素作为目标图片要素,包括:
在所述加权距离小于所述第二预设距离时,将所述数据库索引中与小于所述第二预设距离的加权距离对应的图片要素作为目标图片要素。
可以理解的是,本实施例给出了通过比较欧式距离来实现图片要素之间的匹配的具体方法,但是,考虑到图片要素存在多种类型,同时结合多种类型的图片要素来评判两张图片之间的相似度具有更高的准确度,故而,本实施例还可通过加权距离来确定目标图片要素。
在具体实现中,比如,用户在建立数据库索引之前可先确定待使用的多个图片要素类别,并在提取待搜索图片的图片要素时提取与建立数据库索引时同样类别的图片要素。比如,若预先设定的要素类别为颜色直方图与纹理直方图,则将从待索引图片A中分别提取颜色直方图A以及纹理直方图A,当然,也会从待搜索图片B中分别提取颜色直方图B以及纹理直方图B。然后,针对不同的要素类别分别计算待索引图片A与待搜索图片B之间的欧式距离,具体而言,将计算颜色直方图A与颜色直方图B之间的欧式距离X1,计算纹理直方图A与纹理直方图B之间的欧式距离X2,然后基于预设权重系数得出加权距离X,X==a*X1+b*X2,其中,a为颜色直方图的预设权重系数,b为纹理直方图的预设权重系数。
可以理解的是,通过将加权距离与第二预设距离进行比较,以找出相似度较高的目标图片要素,进而可确定相似度较高的目标图片。明显地,同时结合颜色特征与纹理特征可以更加精准地在海量图片中找到与待搜索图片相似的图片。
在本实施例中可通过欧式距离来评判两张图片之间的相似性,以求获得更加准确的图片搜索结果。并且,还可引入多种要素类别来计算两张图片之间的加权距离,通过结合各种角度上的图像特征,可以进一步地提高图片搜索结果的精准度。
参照图5,图5为本发明图片匹配方法第四实施例的流程示意图,基于上述图3所示的第二实施例,提出本发明图片匹配方法的第四实施例。
在第四实施例中,所述数据库索引为多列索引,所述步骤S20,可以包括:
步骤S201:确定所述待索引图片要素的要素类别;
可以理解的是,本发明图片匹配方法第二以及第三实施例主要描述了一种单列索引的应用方式,当然,可应用多列索引来优化图片之间的匹配。其中,单列索引与多列索引的区别在于,多列索引可同时对多个列进行检索范围的限定。
步骤S202:基于与所述要素类别分别对应的所述待索引图片要素建立多列索引;
在具体实现中,比如,多列索引可同时基于颜色直方图的一列值以及纹理直方图的一列值,这与计算加权距离存在区别,本实施例将同时分别比较颜色直方图与纹理直方图的数值。
相应地,所述步骤S401,包括:
步骤S4012:基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素分别进行匹配。
应当理解的是,比如,可将待索引图片与待搜索图片二者的颜色直方图进行数值匹配,以获得二者之间的匹配度,并将该匹配度与预先设置的颜色直方图阈值进行比较,若匹配度大于该颜色直方图阈值,则可认为匹配成功;再将待索引图片与待搜索图片二者的纹理直方图数值进行数值匹配,若该匹配度大于该颜色直方图阈值,则可认为匹配成功。并且,若图片A与图片C的颜色直方图与纹理直方图二者均匹配成功时,就可将图片A为目标图片。
可以理解的是,在基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素均分别匹配成功时,将所述多列索引中与所述待搜索图片要素匹配成功的待索引图片要素作为目标图片要素。
进一步地,所述基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素分别进行匹配之前,所述图片匹配方法还包括:
在接收到用户输入的搜索指令时,从所述搜索指令中提取与所述要素类型对应的要素范围;
判断所述多列索引中的各待索引图片要素是否处于所述要素范围内;
将处于所述要素范围内的待索引图片要素作为备用图片要素;
所述基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素分别进行匹配,包括:
基于所述要素类别将所述待搜索图片要素与所述备用图片要素分别进行匹配。
可以理解的是,为了进一步地提高匹配效率,可通过限定匹配数据的范围来降低待匹配的数据量,具体而言,在进行图片要素匹配之前,用户可输入指定的要素数值范围来限定待匹配图片数据的数据量,最终,将从待索引图片筛选出指定要素范围内的备用图片,只需对备用图片的备用图片要素进行匹配,而无需与全部的待索引图片要素进行匹配。该种方式实质上是将待匹配数据从全部的待索引图片要素减化为了少量的备用图片要素。
在具体实现中,比如,由于Exif信息将含有图片拍摄的日期,则可将与Exif信息对应的要素范围限定为2018年1月1日至2018年1月15日。在选取备用图片要素时,则将从全部的待索引图片要素中筛选出满足该时间范围要求的图片要素,从而减少了图片要素的匹配数量。
进一步地,所述基于所述要素类别将所述待搜索图片要素与所述备用图片要素分别进行匹配之后,所述图片匹配方法还包括:
在匹配失败时,统计所述待搜索图片要素与所述备用图片要素匹配失败的要素类别的类别数目;
判断所述类别数目是否小于或等于预设类别数目阈值;
在所述类别数目小于或等于所述预设类别数目阈值时,将与小于或等于所述预设类别数目阈值的类别数目对应的备用图片要素作为目标图片要素;
在所述多列索引中查询与所述目标图片要素对应的待索引图片作为目标图片。
可以理解的是,在图片A与图片C的颜色直方图与纹理直方图二者均匹配成功时,就可将图片A为目标图片,但是,若图片A与图片C的颜色直方图匹配成功但是图片A与图片C的纹理直方图匹配失败,对于本实施例而言在整体上也是认定为匹配失败。为了节约运算量,保留有效的匹配数据,可对匹配失败的要素类别进行进一步地统计,将部分匹配成功的图片要素也作为目标图片要素,以提高图片检索的效率,为用户提供差异化的图片检索结果。
在具体实现中,比如,图片A与图片C的颜色直方图匹配成功但是图片A与图片C的纹理直方图匹配失败,则其匹配失败的要素类别的类别数目为1,并预先设置预设类别数目阈值为2,由于类别数目1小于预设类别数目阈值2,则可认为图片A与图片C还是存在一定的相似度,可将图片C作为目标图片,展示给用户浏览。
在本实施例中通过使用多列索引可同时比较多种类别的图片要素,从而保证图片匹配结果的准确性。并且,为了进一步地降低要素匹配时的数据量,可通过用户指定要素范围,对待匹配的待索引图片要素进行筛选以获得数据量更少的备用图片要素,以提高要素匹配的速度。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有图片匹配程序,所述图片匹配程序被处理器执行时实现如上文所述的图片匹配方法的步骤。
此外,参照图6,本发明实施例还提出一种图片匹配装置,所述图片匹配装置包括:要素提取模块10、索引建立模块20、图片输入模块30以及要素匹配模块40;
所述要素提取模块10,用于获取待索引图片,并从所述待索引图片中提取待索引图片要素;
所述索引建立模块20,用于基于所述待索引图片要素建立与所述待索引图片对应的数据库索引;
所述图片输入模块30,用于在接收到用户输入的待搜索图片时,从所述待搜索图片中提取待搜索图片要素;
所述要素匹配模块40,用于基于所述数据库索引查找与所述待搜索图片要素匹配成功的待索引图片,并将匹配成功的待索引图片作为目标图片。
在本实施例中通过预先建立数据库索引,使得在搜索与待搜索图片相匹配的图片时可引入数据库索引来完成搜索操作,正是由于引入了与图片要素相关联的数据库索引,可以大大地提高检索速度,并且也不必对全部的待索引图片数据进行全盘检索,从而,解决了现有技术中的“以图搜图”功能存在着的搜索效率较低的技术问题。
需要说明的是,在本文中,术语“包括”、“包含”或者其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、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种图片匹配方法,其特征在于,所述图片匹配方法包括以下步骤:
获取待索引图片,并从所述待索引图片中提取待索引图片要素;
基于所述待索引图片要素建立与所述待索引图片对应的数据库索引;
在接收到用户输入的待搜索图片时,从所述待搜索图片中提取待搜索图片要素;
基于所述数据库索引查找与所述待搜索图片要素匹配成功的待索引图片,并将匹配成功的待索引图片作为目标图片。
2.如权利要求1所述的图片匹配方法,其特征在于,所述数据库索引包括待索引图片要素与待索引图片之间的对应关系;
所述基于所述数据库索引查找与所述待搜索图片要素匹配成功的待索引图片,并将匹配成功的待索引图片作为目标图片,包括:
将所述待搜索图片要素与所述数据库索引中的各待索引图片要素进行匹配;
在匹配成功时,将所述数据库索引中与所述待搜索图片要素匹配成功的待索引图片要素作为目标图片要素;
在所述数据库索引中查询与所述目标图片要素对应的待索引图片作为目标图片。
3.如权利要求2所述的图片匹配方法,其特征在于,所述将所述待搜索图片要素与所述数据库索引中的各待索引图片要素进行匹配,包括:
计算所述待搜索图片要素与所述数据库索引中的各待索引图片要素之间的欧式距离,判断所述欧式距离是否大于第一预设距离;
所述在匹配成功时,将所述数据库索引中与所述待搜索图片要素匹配成功的待索引图片要素作为目标图片要素,包括:
在所述欧式距离小于所述第一预设距离时,将所述数据库索引中与小于所述第一预设距离的欧式距离对应的待索引图片要素作为目标图片要素。
4.如权利要求3所述的图片匹配方法,其特征在于,所述计算所述待搜索图片要素与所述数据库索引中的各待索引图片要素之间的欧式距离,判断所述欧式距离是否大于第一预设距离,包括:
确定所述待索引图片要素的要素类别;
基于所述要素类别计算所述待搜索图片要素与所述待索引图片要素之间的欧式距离,根据预设权重系数计算各欧式距离以获得加权距离,并判断所述加权距离是否小于第二预设距离;
所述在所述欧式距离小于所述第一预设距离时,将所述数据库索引中与小于所述第一预设距离的欧式距离对应的待索引图片要素作为目标图片要素,包括:
在所述加权距离小于所述第二预设距离时,将所述数据库索引中与小于所述第二预设距离的加权距离对应的图片要素作为目标图片要素。
5.如权利要求2所述的图片匹配方法,其特征在于,所述数据库索引为多列索引;
所述基于所述待索引图片要素建立与所述待索引图片对应的数据库索引,包括:
确定所述待索引图片要素的要素类别;
基于与所述要素类别分别对应的所述待索引图片要素建立多列索引;
所述将所述待搜索图片要素与所述数据库索引中的各待索引图片要素进行匹配,包括:
基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素分别进行匹配。
6.如权利要求5所述的图片匹配方法,其特征在于,所述基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素分别进行匹配之前,所述图片匹配方法还包括:
在接收到用户输入的搜索指令时,从所述搜索指令中提取与所述要素类型对应的要素范围;
判断所述多列索引中的各待索引图片要素是否处于所述要素范围内;
将处于所述要素范围内的待索引图片要素作为备用图片要素;
所述基于所述要素类别将所述待搜索图片要素与所述多列索引中的各待索引图片要素分别进行匹配,包括:
基于所述要素类别将所述待搜索图片要素与所述备用图片要素分别进行匹配。
7.如权利要求6所述的图片匹配方法,其特征在于,所述基于所述要素类别将所述待搜索图片要素与所述备用图片要素分别进行匹配之后,所述图片匹配方法还包括:
在匹配失败时,统计所述待搜索图片要素与所述备用图片要素匹配失败的要素类别的类别数目;
判断所述类别数目是否小于或等于预设类别数目阈值;
在所述类别数目小于或等于所述预设类别数目阈值时,将与小于或等于所述预设类别数目阈值的类别数目对应的备用图片要素作为目标图片要素;
在所述多列索引中查询与所述目标图片要素对应的待索引图片作为目标图片。
8.一种用户设备,其特征在于,所述用户设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行图片匹配程序,所述图片匹配程序被所述处理器执行时实现如权利要求1至7中任一项所述的图片匹配方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有图片匹配程序,所述图片匹配程序被处理器执行时实现如权利要求1至7中任一项所述的图片匹配方法的步骤。
10.一种图片匹配装置,其特征在于,所述图片匹配装置包括:要素提取模块、索引建立模块、图片输入模块以及要素匹配模块;
所述要素提取模块,用于获取待索引图片,并从所述待索引图片中提取待索引图片要素;
所述索引建立模块,用于基于所述待索引图片要素建立与所述待索引图片对应的数据库索引;
所述图片输入模块,用于在接收到用户输入的待搜索图片时,从所述待搜索图片中提取待搜索图片要素;
所述要素匹配模块,用于基于所述数据库索引查找与所述待搜索图片要素匹配成功的待索引图片,并将匹配成功的待索引图片作为目标图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810560982.8A CN110019913A (zh) | 2018-06-01 | 2018-06-01 | 图片匹配方法、用户设备、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810560982.8A CN110019913A (zh) | 2018-06-01 | 2018-06-01 | 图片匹配方法、用户设备、存储介质及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110019913A true CN110019913A (zh) | 2019-07-16 |
Family
ID=67188296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810560982.8A Pending CN110019913A (zh) | 2018-06-01 | 2018-06-01 | 图片匹配方法、用户设备、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110019913A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368111A (zh) * | 2020-02-28 | 2020-07-03 | Oppo(重庆)智能科技有限公司 | 用于移动设备的图片检索方法、装置及移动设备 |
CN111932656A (zh) * | 2020-07-29 | 2020-11-13 | 交控科技股份有限公司 | 一种运行图信息索引方法、装置和设备 |
CN112148909A (zh) * | 2020-09-18 | 2020-12-29 | 微梦创科网络科技(中国)有限公司 | 搜索相似图片的方法及系统 |
CN113407749A (zh) * | 2021-06-28 | 2021-09-17 | 北京百度网讯科技有限公司 | 图片索引构建方法、装置、电子设备以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216841A (zh) * | 2008-01-14 | 2008-07-09 | 南京搜拍信息技术有限公司 | 交互式图像搜索系统和方法 |
CN102141994A (zh) * | 2010-02-03 | 2011-08-03 | 苗乾坤 | 基于内容的图片搜索方法及其并行优化技术 |
CN106445995A (zh) * | 2016-07-18 | 2017-02-22 | 腾讯科技(深圳)有限公司 | 图片的分类方法和装置 |
-
2018
- 2018-06-01 CN CN201810560982.8A patent/CN110019913A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216841A (zh) * | 2008-01-14 | 2008-07-09 | 南京搜拍信息技术有限公司 | 交互式图像搜索系统和方法 |
CN102141994A (zh) * | 2010-02-03 | 2011-08-03 | 苗乾坤 | 基于内容的图片搜索方法及其并行优化技术 |
CN106445995A (zh) * | 2016-07-18 | 2017-02-22 | 腾讯科技(深圳)有限公司 | 图片的分类方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368111A (zh) * | 2020-02-28 | 2020-07-03 | Oppo(重庆)智能科技有限公司 | 用于移动设备的图片检索方法、装置及移动设备 |
CN111932656A (zh) * | 2020-07-29 | 2020-11-13 | 交控科技股份有限公司 | 一种运行图信息索引方法、装置和设备 |
CN112148909A (zh) * | 2020-09-18 | 2020-12-29 | 微梦创科网络科技(中国)有限公司 | 搜索相似图片的方法及系统 |
CN112148909B (zh) * | 2020-09-18 | 2024-03-29 | 微梦创科网络科技(中国)有限公司 | 搜索相似图片的方法及系统 |
CN113407749A (zh) * | 2021-06-28 | 2021-09-17 | 北京百度网讯科技有限公司 | 图片索引构建方法、装置、电子设备以及存储介质 |
CN113407749B (zh) * | 2021-06-28 | 2024-04-30 | 北京百度网讯科技有限公司 | 图片索引构建方法、装置、电子设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189991B (zh) | 重复视频识别方法、装置、终端及计算机可读存储介质 | |
WO2017045443A1 (zh) | 一种图像检索方法及系统 | |
WO2022116537A1 (zh) | 一种资讯推荐方法、装置、电子设备和存储介质 | |
CN110019913A (zh) | 图片匹配方法、用户设备、存储介质及装置 | |
US8571358B2 (en) | Methods and apparatuses for facilitating content-based image retrieval | |
WO2017000109A1 (zh) | 搜索方法、搜索装置、用户设备和计算机程序产品 | |
US20080215548A1 (en) | Information search method and system | |
KR20140093957A (ko) | 상호작용 멀티-모달 이미지 검색 기법 | |
CN103136228A (zh) | 一种图片搜索方法以及图片搜索装置 | |
CN104572717B (zh) | 信息搜索方法和装置 | |
CN105589929A (zh) | 图像检索方法和装置 | |
CN107992210A (zh) | 输入法词汇推荐方法、智能终端及具有存储功能的装置 | |
US20210191972A1 (en) | Image acquisition method and device, electronic device and storage medium | |
CN113282834A (zh) | 基于移动互联网数据深度挖掘的网页搜索智能排序方法、系统和计算机存储介质 | |
CN114780746A (zh) | 基于知识图谱的文档检索方法及其相关设备 | |
CN104933145A (zh) | 照片处理方法及装置与移动终端 | |
US20090292691A1 (en) | System and Method for Building Multi-Concept Network Based on User's Web Usage Data | |
CN106033417B (zh) | 视频搜索系列剧的排序方法和装置 | |
WO2021027149A1 (zh) | 基于画像相似性的信息检索推荐方法、装置及存储介质 | |
CN102231149A (zh) | 基于局部特征的手机视觉信息搜索方法 | |
CN113297345B (zh) | 分析报告生成方法、电子设备及相关产品 | |
CN106919593B (zh) | 一种搜索的方法和装置 | |
CN110008352B (zh) | 实体发现方法及装置 | |
CN112069342A (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN114416664A (zh) | 信息显示方法、信息显示装置、电子设备和可读存储介质 |
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 |