CN110134813A - 图像检索方法、图像检索装置及终端设备 - Google Patents
图像检索方法、图像检索装置及终端设备 Download PDFInfo
- Publication number
- CN110134813A CN110134813A CN201910407236.XA CN201910407236A CN110134813A CN 110134813 A CN110134813 A CN 110134813A CN 201910407236 A CN201910407236 A CN 201910407236A CN 110134813 A CN110134813 A CN 110134813A
- Authority
- CN
- China
- Prior art keywords
- grades
- image
- submatrix
- matrix
- retrieved
- 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.)
- Granted
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
-
- 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
- G06V10/32—Normalisation of the pattern dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本申请适用于图像处理技术领域,提供了一种图像检索方法、图像检索装置及终端设备,包括:对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素;利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果。通过上述方法,能够有效检索图像检索的运算量,进而提高图像检索的效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像检索方法、图像检索装置及终端设备。
背景技术
图像检索,是在待检索图像中搜索目标图像的过程。图像检索是图像处理中主要的研究内容之一,在机器视觉、医学图像处理等诸多领域中有着重要的应用。
目前,图像检索的方法主要分为两大类,一类是直接在待检索图像的原始像素上进行计算的,另一类是基于特征的检索方法。现有的图像检索方法运算量较大,检索效率较低。
发明内容
有鉴于此,本申请实施例提供了一种图像检索方法、图像检索装置及终端设备,以解决现有的图像检索方法运算量较大、效率较低的问题。
本申请实施例的第一方面提供了一种图像检索方法,包括:
对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素;
利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果;
其中,所述第l级的压缩系数为进行第l级转换压缩处理后得到的细节分量,1≤l≤N。
本申请实施例的第二方面提供了一种图像检索装置,包括:
压缩单元,用于对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素;
检索单元,用于利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果;
其中,所述第l级的压缩系数为进行第l级转换压缩处理后得到的细节分量,1≤l≤N。
本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本申请实施例第一方面提供的所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被一个或多个处理器执行时实现本申请实施例第一方面提供的所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:
本申请通过对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素;然后利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果。通过上述方法,能够有效检索图像检索的运算量,进而提高图像检索的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的图像检索方法的实现流程示意图;
图2是本申请实施例提供的图像检索装置的示意图;
图3是本申请实施例提供的终端设备的示意图;
图4是本申请实施例提供的压缩矩阵的示意图;
图5是本申请实施例提供的利用本申请中图像检索方法得到的检索结果示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
图1是本申请实施例提供的图像检索方法的实现流程示意图,如图所示,所述方法可以包括以下步骤:
步骤S101,对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素。
假设待检索图为Q,大小为2q×2q像素,模板图像为M,大小为2m×2m像素,q≥m。设置转换压缩的压缩误差限为Δ,对两幅图像分别进行转换压缩,得到压缩后的小波系数矩阵,即压缩矩阵,分别为Sq和Sm。
需说明的是:假设图像大小设置为2q×2q,2m×2m,仅是为了计算和表述的方便,并不影响本发明的对待操作实际图像大小的要求。如果图像不是2q×2q大小的,则可以进行转换,将扩展的部分图像的像素值置0。
在一个实施例中,所述转换压缩处理包括:
进行行转换压缩,生成近似值区间。
对所述近似值区间进行列转换压缩,生成所述细节分量。
示例性的,转换压缩处理步骤包括如下两个步骤。
第一步,进行第一级行转换压缩:
(1)源图像矩阵为D1,D1是n×n个像素构成的n阶矩阵:
根据预设的压缩误差限Δ,将每个像素数据扩展成数据区间的形式,对源图像矩阵D1每一点的像素点进行数据扩展,得到数据区间
按照这种方法获得源图像矩阵D1的第i行数据[di1…dij…din],扩展后变为其中其中i为行数,j为列数。
需要说明的是,本发明中的预设的压缩误差限Δ可以根据实际情况进行调整,本发明实施例对此不做限制。
(2)判断D1每一行中相邻的两个数据区间与是否具有交集,j为奇数,如果数据区间不存在交集,则按照下式计算细节分量b:
如果数据区间存在交集,则令细节分量b=0,
然后按照下式计算出近似值的区间
其中max表示求最大值,min表示求最小值。
(3)将计算出的近似值区间存储于原始矩阵的处,将细节分量b存储于原始矩阵的处,其中m1代表原始矩阵中每一行的数据个数,此处m1=n。
对源图像矩阵为D1的每一行进行转换压缩并存储后,得到第一级行转换压缩矩阵。
第二步,第一级列转换压缩:
(1)判断第一级行转换压缩矩阵中近似值区间部分每一列相邻的两个近似值区间与是否有交集,i为奇数,如果数据区间不存在交集,则按照下式计算细节分量b:
如果数据区间存在交集,则令细节分量b=0,
然后按照下式计算出近似值区间
(2)将计算出的近似值区间存放于本级行转换压缩矩阵的处,将计算出的细节分量b存储于本级行转换压缩矩阵的位置,m2代表本级行转换压缩矩阵中每一列近似值区间的个数。
对第一级行转换压缩矩阵的近似值区间部分的每一列完成列转换压缩和存储后,得到第一级列转换压缩矩阵。
每次转换压缩处理都包括上述两个步骤。例如,第一级行转换压缩处理后,进行第一级列转换压缩处理;然后进行第二级行转换压缩处理,进行第二级列转换压缩处理;再进行第三级行转换压缩处理……。
在接下来的行转换压缩过程中,需要将细节分量b存储于前一级列转换压缩矩阵的处,其中m′1代表前一级列转换压缩矩阵中每一行近似值区间的个数,直到只剩下一个近似值区间为止。此时可以取近似值区间内的任意一个值作为最终的近似值,生成的最终矩阵即为压缩矩阵。如图4所示,图4中用方框标注出来的地方就是不同级的压缩系数组成的矩阵。
步骤S102,利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果。
其中,所述第l级的压缩系数为进行第l级转换压缩处理后得到的细节分量,1≤l≤N。
在一个实施例中,所述利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果,包括:
S1021,将所述第一压缩矩阵中第l级的压缩系数组成第l级的第一系数矩阵,并将所述第二压缩矩阵中第l级的压缩系数组成第l级的第二系数矩阵。
S1022,基于所述第l级的第二系数矩阵的尺寸,从所述第l级的第一系数矩阵中的预设位置开始按照预设的移动步长依次进行截取,得到多个子矩阵。
示例性的,第l级的第二系数矩阵的尺寸,即第l级的第二系数矩阵的像素为2m-l×2m-l,则设置2m-l×2m-l大小的窗口。
在实际中,预设位置可以是第一系数矩阵的第1行第1列的位置,也可以是其他位置,在此不做限定。
通常,可以将预设的移动步长设置为1×1。
示例性的,从第一系数矩阵的第1行第1列的位置开始,截取2m-l×2m-l大小的窗口作为第一个子矩阵。然后移动1×1,再次截取2m-l×2m-l大小的窗口作为第二个子矩阵。依次类推,直到遍历整个第二系数矩阵。
S1023,分别判断每个子矩阵是否满足第l级的预设规则。
S1024,若存在满足第l级的预设规则的子矩阵,则判定所述待检索图像中存在与所述模板图像匹配的目标图像。
S1025,若不存在满足第l级的预设规则的子矩阵,则判定所述待检索图像中不存在与所述模板图像匹配的目标图像。
在一个实施例中,步骤S1023,所述分别判断每个子矩阵是否满足第l级的预设规则,包括:
A、分别判断当前的子矩阵中每一行的数据是否为目标行数据,所述目标行数据满足第l级的第一条件。
B、若当前的子矩阵中任一行的数据不是目标行数据,则判定当前的子矩阵不满足第l级的预设规则,并判断下一个子矩阵是否满足所述第l级的预设规则。
C、若当前的子矩阵中每一行的数据均为目标行数据,则分别判断当前的子矩阵中每一列的数据是否为目标列数据,所述目标列数据满足第l级的第二条件。
D、若当前的子矩阵中任一列的数据不是目标列数据,则判定当前的子矩阵不满足第l级的预设规则,并判断下一个子矩阵是否满足所述第l级的预设规则。
E、若当前的子矩阵中每一列的数据均为目标列数据,则判断所述l是否等于1。
F、若所述l等于1,则判定当前的子矩阵满足第l级的预设规则。
G、若所述l不等于1,则计算次级子矩阵是否满足第l-1级的预设规则,所述次级子矩阵为基于所述第l-1级的第二系数矩阵的尺寸、从所述第l-1级的第一系数矩阵中截取与当前的子矩阵对应的矩阵。
若所述次级子矩阵不满足第l-1级的预设规则,则判定当前的子矩阵不满足第l级的预设规则。
若所述次级子矩阵满足第l-1级的预设规则,则判定当前的子矩阵满足第l级的预设规则。
在一个实施例中,所述第l级的第一条件为所述第l级的第二条件为
其中,为第l级的第一系数矩阵中第i行的数据之和,为第l级的第二系数矩阵中第i行的数据之和,为第l级的第一系数矩阵中第j列的数据之和,为第l级的第二系数矩阵中第j列的数据之和,e为预设误差。
第l级的预设规则中需要满足第l级的第一条件和第l级的第二条件,且第l级的预设规则对应第l级的第二系数矩阵的尺寸。
同理,第l-1级的预设规则中需要满足第l-1级的第一条件和第l-1级的第二条件,且第l-1级的预设规则对应第l-1级的第二系数矩阵的尺寸。其中,第l-1级的第一条件为第l-1级的第二条件为 第l-1级的第二系数矩阵的尺寸为2m-l+1×2m-l+1。
在一个实施例中,若在所述待检索图像中搜索到与所述模板图像匹配的目标图像,则能够进一步确定目标图像在待检测图像中的位置。在确定位置的时候,需要分情况讨论,一种情况是l等于1,另一种情况是l不等于1。具体方法如下。
(1)当l等于1时,先通过
和
计算所述目标图像在所述待检索图像中的起始坐标。
再根据所述起始坐标和所述模板图像的像素,确定所述目标图像在所述待检索图像中的位置。
其中,(iq,jq)为所述目标图像在所述待检索图像中的起始坐标,为当前的子矩阵中预设起始点在第l级的第一系数矩阵中的坐标。
(2)当l不等于1时,先通过
和
计算
再通过
和
计算所述目标图像在所述待检索图像中的起始坐标。
最后根据所述起始坐标和所述模板图像的像素,确定所述目标图像在所述待检索图像中的位置。
其中,为当前的子矩阵中所述预设起始点映射在所述第l-1级的第一系数矩阵中的坐标。
示例性的,假设待检索图像Q为32×32的图像,模板图像M为16×16的图像,对Q和M进行转换压缩后,分别得到压缩矩阵Sq,Sm。设置l=3,则分别得到l=3级的压缩系数构成的矩阵和其矩阵大小分别为4×4和2×2。如果在下找到了与相似的子矩阵,假设此子矩阵的预设起始点位于的第2行第1列,即需要向l-1=2级进一步判断次级子矩阵是否满足第2级的预设规则。可以根据下式求出此子矩阵的预设起始点映射在中的坐标:
假设判断后,认为这个次级子矩阵为与模板图像相似的矩阵,则需要定位出M在Q中的位置。通过下式计算得:
由此可以得到M在Q中的起始位置为(9,1),根据M的大小,就可以把M在Q中的位置找到。
参见图5,图5是本申请实施例提供的利用本申请中图像检索方法得到的检索结果示意图。图5(a)为待检索图像,图5(b)为检索结果图,图5(c)为模板图像。图5(b)中方框部分为在待检索图像中检索出的与模板图像匹配的目标图像。
本申请通过对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素;然后利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果。通过上述方法,能够有效检索图像检索的运算量,进而提高图像检索的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图2是本申请实施例提供的图像检索装置的示意图,为了便于说明,仅示出与本申请实施例相关的部分。
图2所示的图像检索装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元,也可以作为独立的挂件集成到所述终端设备中,还可以作为独立的终端设备存在。
所述图像检索装置2包括:
压缩单元21,用于对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素。
检索单元22,用于利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果。
其中,所述第l级的压缩系数为进行第l级转换压缩处理后得到的细节分量,1≤l≤N。
其中,所述转换压缩处理包括:
进行行转换压缩,生成近似值区间。
对所述近似值区间进行列转换压缩,生成所述细节分量。
可选的,所述检索单元22包括:
矩阵生成模块,用于将所述第一压缩矩阵中第l级的压缩系数组成第l级的第一系数矩阵,并将所述第二压缩矩阵中第l级的压缩系数组成第l级的第二系数矩阵。
截图模块,用于基于所述第l级的第二系数矩阵的尺寸,从所述第l级的第一系数矩阵中的预设位置开始按照预设的移动步长依次进行截取,得到多个子矩阵。
判断模块,用于分别判断每个子矩阵是否满足第l级的预设规则。
第一结果模块,用于若存在满足第l级的预设规则的子矩阵,则判定所述待检索图像中存在与所述模板图像匹配的目标图像。
第二结果模块,用于若不存在满足第l级的预设规则的子矩阵,则判定所述待检索图像中不存在与所述模板图像匹配的目标图像。
可选的,所述判断模块包括:
目标行判断子模块,用于分别判断当前的子矩阵中每一行的数据是否为目标行数据,所述目标行数据满足第l级的第一条件。
子矩阵判断子模块,用于若当前的子矩阵中任一行的数据不是目标行数据,则判定当前的子矩阵不满足第l级的预设规则,并判断下一个子矩阵是否满足所述第l级的预设规则。
目标列判断子模块,用于若当前的子矩阵中每一行的数据均为目标行数据,则分别判断当前的子矩阵中每一列的数据是否为目标列数据,所述目标列数据满足第l级的第二条件。
子矩阵判断子模块,还用于若当前的子矩阵中任一列的数据不是目标列数据,则判定当前的子矩阵不满足第l级的预设规则,并判断下一个子矩阵是否满足所述第l级的预设规则。
数值判断子模块,用于若当前的子矩阵中每一列的数据均为目标列数据,则判断所述l是否等于1。
第一结果子模块,用于若所述l等于1,则判定当前的子矩阵满足第l级的预设规则。
次级子矩阵判断子模块,用于若所述l不等于1,则计算次级子矩阵是否满足第l-1级的预设规则,所述次级子矩阵为基于所述第l-1级的第二系数矩阵的尺寸、从所述第l-1级的第一系数矩阵中截取与当前的子矩阵对应的矩阵。
可选的,所述第l级的第一条件为所述第l级的第二条件为
其中,为第l级的第一系数矩阵中第i行的数据之和,为第l级的第二系数矩阵中第i行的数据之和,为第l级的第一系数矩阵中第j列的数据之和,为第l级的第二系数矩阵中第j列的数据之和,e为预设误差。
可选的,所述判断模块还包括:
第一计算子模块,用于若所述l等于1,则判定当前的子矩阵满足第l级的预设规则之后,通过和计算所述目标图像在所述待检索图像中的起始坐标。
确定子模块,用于根据所述起始坐标和所述模板图像的像素,确定所述目标图像在所述待检索图像中的位置。
其中,(iq,jq)为所述目标图像在所述待检索图像中的起始坐标,为当前的子矩阵中预设起始点在第l级的第一系数矩阵中的坐标。
可选的,所述判断模块还包括:
第二结果子模块,用于在计算次级子矩阵是否满足第l-1级的预设规则之后,若所述次级子矩阵不满足第l-1级的预设规则,则判定当前的子矩阵不满足第l级的预设规则。
第二计算子模块,用于若所述次级子矩阵满足第l-1级的预设规则,则判定当前的子矩阵满足第l级的预设规则,并通过和计算
第一计算子模块,还用于通过和计算所述目标图像在所述待检索图像中的起始坐标。
确定子模块,还用于根据所述起始坐标和所述模板图像的像素,确定所述目标图像在所述待检索图像中的位置。
其中,为当前的子矩阵中所述预设起始点映射在所述第l-1级的第一系数矩阵中的坐标。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图3是本申请实施例提供的终端设备的示意图。如图3所示,该实施例的终端设备3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个图像检索方法实施例中的步骤,例如图1所示的步骤S101至S102。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能,例如图2所示模块21至22的功能。
示例性的,所述计算机程序32可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器30执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。例如,所述计算机程序32可以被分割成压缩单元、检索单元,各单元具体功能如下:
压缩单元,用于对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素。
检索单元,用于利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果。
其中,所述第l级的压缩系数为进行第l级转换压缩处理后得到的细节分量,1≤l≤N。
其中,所述转换压缩处理包括:
进行行转换压缩,生成近似值区间。
对所述近似值区间进行列转换压缩,生成所述细节分量。
可选的,所述检索单元包括:
矩阵生成模块,用于将所述第一压缩矩阵中第l级的压缩系数组成第l级的第一系数矩阵,并将所述第二压缩矩阵中第l级的压缩系数组成第l级的第二系数矩阵。
截图模块,用于基于所述第l级的第二系数矩阵的尺寸,从所述第l级的第一系数矩阵中的预设位置开始按照预设的移动步长依次进行截取,得到多个子矩阵。
判断模块,用于分别判断每个子矩阵是否满足第l级的预设规则。
第一结果模块,用于若存在满足第l级的预设规则的子矩阵,则判定所述待检索图像中存在与所述模板图像匹配的目标图像。
第二结果模块,用于若不存在满足第l级的预设规则的子矩阵,则判定所述待检索图像中不存在与所述模板图像匹配的目标图像。
可选的,所述判断模块包括:
目标行判断子模块,用于分别判断当前的子矩阵中每一行的数据是否为目标行数据,所述目标行数据满足第l级的第一条件。
子矩阵判断子模块,用于若当前的子矩阵中任一行的数据不是目标行数据,则判定当前的子矩阵不满足第l级的预设规则,并判断下一个子矩阵是否满足所述第l级的预设规则。
目标列判断子模块,用于若当前的子矩阵中每一行的数据均为目标行数据,则分别判断当前的子矩阵中每一列的数据是否为目标列数据,所述目标列数据满足第l级的第二条件。
子矩阵判断子模块,还用于若当前的子矩阵中任一列的数据不是目标列数据,则判定当前的子矩阵不满足第l级的预设规则,并判断下一个子矩阵是否满足所述第l级的预设规则。
数值判断子模块,用于若当前的子矩阵中每一列的数据均为目标列数据,则判断所述l是否等于1。
第一结果子模块,用于若所述l等于1,则判定当前的子矩阵满足第l级的预设规则。
次级子矩阵判断子模块,用于若所述l不等于1,则计算次级子矩阵是否满足第l-1级的预设规则,所述次级子矩阵为基于所述第l-1级的第二系数矩阵的尺寸、从所述第l-1级的第一系数矩阵中截取与当前的子矩阵对应的矩阵。
可选的,所述第l级的第一条件为所述第l级的第二条件为
其中,为第l级的第一系数矩阵中第i行的数据之和,为第l级的第二系数矩阵中第i行的数据之和,为第l级的第一系数矩阵中第j列的数据之和,为第l级的第二系数矩阵中第j列的数据之和,e为预设误差。
可选的,所述判断模块还包括:
第一计算子模块,用于若所述l等于1,则判定当前的子矩阵满足第l级的预设规则之后,通过和计算所述目标图像在所述待检索图像中的起始坐标。
确定子模块,用于根据所述起始坐标和所述模板图像的像素,确定所述目标图像在所述待检索图像中的位置。
其中,(iq,jq)为所述目标图像在所述待检索图像中的起始坐标,为当前的子矩阵中预设起始点在第l级的第一系数矩阵中的坐标。
可选的,所述判断模块还包括:
第二结果子模块,用于在计算次级子矩阵是否满足第l-1级的预设规则之后,若所述次级子矩阵不满足第l-1级的预设规则,则判定当前的子矩阵不满足第l级的预设规则。
第二计算子模块,用于若所述次级子矩阵满足第l-1级的预设规则,则判定当前的子矩阵满足第l级的预设规则,并通过和计算
第一计算子模块,还用于通过和计算所述目标图像在所述待检索图像中的起始坐标。
确定子模块,还用于根据所述起始坐标和所述模板图像的像素,确定所述目标图像在所述待检索图像中的位置。
其中,为当前的子矩阵中所述预设起始点映射在所述第l-1级的第一系数矩阵中的坐标。
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是终端设备3的示例,并不构成对终端设备3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,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端设备3的内部存储单元,例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备,例如所述终端设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像检索方法,其特征在于,包括:
对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素;
利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果;
其中,所述第l级的压缩系数为进行第l级转换压缩处理后得到的细节分量,1≤l≤N。
2.如权利要求1所述的图像检索方法,其特征在于,所述转换压缩处理包括:
进行行转换压缩,生成近似值区间;
对所述近似值区间进行列转换压缩,生成所述细节分量。
3.如权利要求1所述的图像检索方法,其特征在于,所述利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果,包括:
将所述第一压缩矩阵中第l级的压缩系数组成第l级的第一系数矩阵,并将所述第二压缩矩阵中第l级的压缩系数组成第l级的第二系数矩阵;
基于所述第l级的第二系数矩阵的尺寸,从所述第l级的第一系数矩阵中的预设位置开始按照预设的移动步长依次进行截取,得到多个子矩阵;
分别判断每个子矩阵是否满足第l级的预设规则;
若存在满足第l级的预设规则的子矩阵,则判定所述待检索图像中存在与所述模板图像匹配的目标图像;
若不存在满足第l级的预设规则的子矩阵,则判定所述待检索图像中不存在与所述模板图像匹配的目标图像。
4.如权利要求3所述的图像检索方法,其特征在于,所述分别判断每个子矩阵是否满足第l级的预设规则,包括:
分别判断当前的子矩阵中每一行的数据是否为目标行数据,所述目标行数据满足第l级的第一条件;
若当前的子矩阵中任一行的数据不是目标行数据,则判定当前的子矩阵不满足第l级的预设规则,并判断下一个子矩阵是否满足所述第l级的预设规则;
若当前的子矩阵中每一行的数据均为目标行数据,则分别判断当前的子矩阵中每一列的数据是否为目标列数据,所述目标列数据满足第l级的第二条件;
若当前的子矩阵中任一列的数据不是目标列数据,则判定当前的子矩阵不满足第l级的预设规则,并判断下一个子矩阵是否满足所述第l级的预设规则;
若当前的子矩阵中每一列的数据均为目标列数据,则判断所述l是否等于1;
若所述l等于1,则判定当前的子矩阵满足第l级的预设规则;
若所述l不等于1,则计算次级子矩阵是否满足第l-1级的预设规则,所述次级子矩阵为基于所述第l-1级的第二系数矩阵的尺寸、从所述第l-1级的第一系数矩阵中截取与当前的子矩阵对应的矩阵。
5.如权利要求4所述的图像检索方法,其特征在于,所述第l级的第一条件为所述第l级的第二条件为
其中,为第l级的第一系数矩阵中第i行的数据之和,为第l级的第二系数矩阵中第i行的数据之和,为第l级的第一系数矩阵中第j列的数据之和,为第l级的第二系数矩阵中第j列的数据之和,e为预设误差。
6.如权利要求4所述的图像检索方法,其特征在于,若所述l等于1,则判定当前的子矩阵满足第l级的预设规则之后,还包括:
通过和计算所述目标图像在所述待检索图像中的起始坐标;
根据所述起始坐标和所述模板图像的像素,确定所述目标图像在所述待检索图像中的位置;
其中,(iq,jq)为所述目标图像在所述待检索图像中的起始坐标,为当前的子矩阵中预设起始点在第l级的第一系数矩阵中的坐标。
7.如权利要求6所述的图像检索方法,其特征在于,在计算次级子矩阵是否满足第l-1级的预设规则之后,还包括:
若所述次级子矩阵不满足第l-1级的预设规则,则判定当前的子矩阵不满足第l级的预设规则;
若所述次级子矩阵满足第l-1级的预设规则,则判定当前的子矩阵满足第l级的预设规则,并通过和计算
通过和计算所述目标图像在所述待检索图像中的起始坐标;
根据所述起始坐标和所述模板图像的像素,确定所述目标图像在所述待检索图像中的位置;
其中,为当前的子矩阵中所述预设起始点映射在所述第l-1级的第一系数矩阵中的坐标。
8.一种图像检索装置,其特征在于,包括:
压缩单元,用于对待检索图像进行N级的转换压缩处理得到第一压缩矩阵,并对模板图像进行N级的转换压缩处理得到第二压缩矩阵,其中,所述N为自然数,所述待检索图像的像素大于或等于所述模板图像的像素;
检索单元,用于利用所述第一压缩矩阵中第l级的压缩系数和所述第二压缩矩阵中第l级的压缩系数,在所述待检索图像中搜索与所述模板图像匹配的目标图像,得到检索结果;
其中,所述第l级的压缩系数为进行第l级转换压缩处理后得到的细节分量,1≤l≤N。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910407236.XA CN110134813B (zh) | 2019-05-16 | 2019-05-16 | 图像检索方法、图像检索装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910407236.XA CN110134813B (zh) | 2019-05-16 | 2019-05-16 | 图像检索方法、图像检索装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110134813A true CN110134813A (zh) | 2019-08-16 |
CN110134813B CN110134813B (zh) | 2021-03-23 |
Family
ID=67574371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910407236.XA Active CN110134813B (zh) | 2019-05-16 | 2019-05-16 | 图像检索方法、图像检索装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110134813B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112509039A (zh) * | 2020-12-16 | 2021-03-16 | 广州大学 | 瓶装液体液位检测方法、系统和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08223433A (ja) * | 1995-02-15 | 1996-08-30 | Fuji Xerox Co Ltd | カラー画像処理方法 |
CN104394412A (zh) * | 2014-11-29 | 2015-03-04 | 石家庄开发区冀科双实科技有限公司 | 一种基于转换压缩的最大误差图像压缩方法 |
CN105335469A (zh) * | 2015-09-29 | 2016-02-17 | 武汉传神信息技术有限公司 | 一种图像匹配、检索方法和装置 |
-
2019
- 2019-05-16 CN CN201910407236.XA patent/CN110134813B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08223433A (ja) * | 1995-02-15 | 1996-08-30 | Fuji Xerox Co Ltd | カラー画像処理方法 |
CN104394412A (zh) * | 2014-11-29 | 2015-03-04 | 石家庄开发区冀科双实科技有限公司 | 一种基于转换压缩的最大误差图像压缩方法 |
CN105335469A (zh) * | 2015-09-29 | 2016-02-17 | 武汉传神信息技术有限公司 | 一种图像匹配、检索方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112509039A (zh) * | 2020-12-16 | 2021-03-16 | 广州大学 | 瓶装液体液位检测方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110134813B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021190127A1 (zh) | 一种数据处理方法和数据处理设备 | |
CN111860398B (zh) | 遥感图像目标检测方法、系统及终端设备 | |
CN109829448B (zh) | 人脸识别方法、装置及存储介质 | |
CN110838125B (zh) | 医学图像的目标检测方法、装置、设备、存储介质 | |
CN110020620A (zh) | 一种大姿态下的人脸识别方法、装置及设备 | |
CN109816009A (zh) | 基于图卷积的多标签图像分类方法、装置及设备 | |
CN107704625A (zh) | 字段匹配方法和装置 | |
CN109739978A (zh) | 一种文本聚类方法、文本聚类装置及终端设备 | |
CN109952583A (zh) | 神经网络的半监督训练 | |
CN110082135A (zh) | 设备故障识别方法、装置和终端设备 | |
CN109766437A (zh) | 一种文本聚类方法、文本聚类装置及终端设备 | |
CN110443222A (zh) | 用于训练脸部关键点检测模型的方法和装置 | |
CN111612841A (zh) | 目标定位方法及装置、移动机器人及可读存储介质 | |
CN108519975A (zh) | 作文评分方法、装置及存储介质 | |
CN106803054B (zh) | 人脸模型矩阵训练方法和装置 | |
CN108229658A (zh) | 基于有限样本的物体检测器的实现方法及装置 | |
CN112288087A (zh) | 一种神经网络剪枝方法、装置、电子设备及存储介质 | |
CN107622270A (zh) | 图像相似度计算方法和装置、相似图像检索方法和系统 | |
CN110704652A (zh) | 基于多重注意力机制的车辆图像细粒度检索方法及装置 | |
CN108921162A (zh) | 基于深度学习的车牌识别方法及相关产品 | |
CN109241357A (zh) | 链式结构模型及其构建方法、系统和终端设备 | |
CN110069546A (zh) | 一种数据分类方法、数据分类装置及终端设备 | |
CN111860484A (zh) | 一种区域标注方法、装置、设备及存储介质 | |
CN110134813A (zh) | 图像检索方法、图像检索装置及终端设备 | |
CN109359542A (zh) | 基于神经网络的车辆损伤级别的确定方法及终端设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |