CN111651625A - 图像检索方法、装置、电子设备及存储介质 - Google Patents

图像检索方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111651625A
CN111651625A CN202010353391.0A CN202010353391A CN111651625A CN 111651625 A CN111651625 A CN 111651625A CN 202010353391 A CN202010353391 A CN 202010353391A CN 111651625 A CN111651625 A CN 111651625A
Authority
CN
China
Prior art keywords
image
visual
retrieval
entry
feature
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
CN202010353391.0A
Other languages
English (en)
Inventor
肖嵘
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China Ltd
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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202010353391.0A priority Critical patent/CN111651625A/zh
Publication of CN111651625A publication Critical patent/CN111651625A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F16/55—Clustering; Classification
    • 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

Landscapes

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

Abstract

本发明涉及图像处理技术领域，揭露了一种图像检索的方法，包括：获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；对所述特征图像集进行聚类，根据聚类后的所述特征图像集，建立特征图像视觉词典；接收待检索图像，获取所述待检索图像的视觉词条；通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。此外，本发明还涉及区块链技术，所述检索结果可存储于区块链中。本发明可以降低图像检索的检索成本及提高图像检索的检索效率。

Description

图像检索方法、装置、电子设备及存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像检索的方法、装置、电子设备及计算机可读存储介质。
背景技术
现有技术中，图像检索实现方式通常有二种：一种是基于向量距离法的图像检索法，二是基于视觉词条法的图像检索。由于图像特征向量具有高维的特性，采用向量距离法的图像检索需要消耗较多的系统资源，进而带来较大的检索成本，同时图像词条向量的具有统计特性，采用视觉词条法的图像检索容易造成图像检索不匹配，带来图像检索效率低下的问题。
综上所述，目前图像检索实现方式主要存在较大的检索成本和检索效率低下的问题。
发明内容
本发明提供一种图像检索的方法、装置、电子设备及计算机可读存储介质，其主要目的在于降低图像检索的检索成本，以及提高图像检索的检索效率。
为实现上述目的，本发明提供的一种图像检索方法，包括：
获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；
对所述特征图像集进行聚类，根据聚类后的特征图像集，建立特征图像视觉词典；
接收待检索图像，获取所述待检索图像的视觉词条；
通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；
计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。
可选地，所述提取所述检索图像集的特征信息，生成特征图像集包括：
利用检测算法检测所述检索图像集的图像不动点，提取所述图像不动点的尺度信息，得到所述特征图像集。
可选地，所述检测算法为：
Figure BDA0002472615380000021
其中，DOG(x,y)表示图像不动点，x，y分别表示图像不动点的横坐标和纵坐标，A，B，θ1，θ2为预设参数。
可选地，所述对所述特征图像集进行聚类，包括：
利用聚类算法对所述特征图像集进行聚类，所述聚类算法为：
Figure BDA0002472615380000022
其中，E表示聚类中心点，K表示聚类中心点的数量，c表示特征图像集的数量，xt特征图像集中第t条数据，μi表示第i个聚类中心点的簇心质量。
可选地，所述通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条，包括：
获取一级索引，根据所述一级索引遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的第一词条；
获取二级索引，根据所述二级索引遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的第二词条；
将所述第一词条和所述第二词条进行汇总，得到与所述视觉词条相似的目标词条。
可选地，所述计算所述目标词条与所述视觉词条的相似度，包括：
利用相似度函数计算所述目标词条与所述视觉词条的相似度，所述相似度函数为：
Figure BDA0002472615380000023
其中，X表示待检索图像的视觉词条，Y表示目标词条，m表示待检索图像的视觉词条的数量，n表示目标词条的数量。
可选地，所述根据所述相似度确定所述待检索图像的检索结果，包括：
若所述相似度大于预设阈值，确定所述视觉词条对应的图像为所述待检索图像的索引图像；
若所述相似度不大于预设阈值，根据所述图像倒排索引机制对所述特征图像视觉词典继续遍历索引。
为了解决上述问题，本发明还提供一种图像检索装置，所述装置包括：
提取模块，用于获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；
聚类模块，用于对所述特征图像集进行聚类，根据聚类后的特征图像集，建立特征图像视觉词典；
接收模块，用于接收待检索图像，获取所述待检索图像的视觉词条；
遍历模块，用于通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；
计算模块，用于计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述中任意一项所述的图像检索方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述中任意一项所述的图像检索方法。
本发明实施例通过获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；对所述特征图像集进行聚类，根据聚类后的所述特征图像集，建立特征图像视觉词典；通过建立特征图像视觉词典进行检索，降低了在图像检索过程中系统资源的占用，从而减少了图像检索的检索成本；接收待检索图像，获取所述待检索图像的视觉词条；通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。通过根据所述图像倒排索引机制进行检索并进行相似度计算，提高了图像检索的准确率以及图像检索的检索效率。因此，本发明实施例提出的一种图像检索方法、装置、电子设备以及一种计算机可读存储介质，可以降低图像检索的检索成本，以及提高图像检索的检索效率。
附图说明
图1为本发明一实施例提供的图像检索方法的流程示意图；
图2为本发明一实施例提供的图像检索装置的模块示意图；
图3为本发明一实施例提供的实现图像检索方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将整合实施例，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。
本发明提供一种图像检索的方法。参照图1所示，为本发明一实施例提供的图像检索方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，图像检索的方法包括：
S1、获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集。
本发明实施例中，所述检索图像集包括：人物图像、动物图像以及景观图像等包含相同或不同类型图像的集合。
较佳地，本发明采用基于内容的图像检索法获取所述检索图像集。
较佳地，所述提取所述检索图像集的特征信息，生成特征图像集包括：
利用检测算法检测所述检索图像集的图像不动点，提取所述图像不动点的尺度信息，得到所述特征图像集。
进一步地，所述检测算法为：
Figure BDA0002472615380000041
其中，DOG(x,y)表示图像不动点，x，y分别表示图像不动点的横坐标和纵坐标，A，B，θ1，θ2为预设参数。
进一步地，所述提取所述图像不动点的尺度信息包括：通过尺度不变特征变换算法提取所述图像不动点的尺度信息。
具体的，通过尺度不变特征变换算法提取所述图像不动点的尺度信息，包括：基于组与层的结构构建一个具有线性关系的金字塔结构，根据所述金字塔结构搜索所述图像不动点，得到目标图像不动点，计算所述目标图像不动点的坐标位置，根据所述坐标位置，对所述目标图像不动点的梯度方向进行直方图统计，选取直方图中比重最大的方向作为所述目标图像点的主方向，选取直方图中比重最小的方向作为所述目标图像点的辅方向，完成提取所述图像不动点的尺度信息，得到所述特征图像集。
S2、对所述特征图像集进行聚类，根据聚类后的所述特征图像集，建立特征图像视觉词典。
本发明较佳实施例通过聚类算法对所述特征图像向量集进行聚类。
具体的，本发明一实施例中，将一个聚类中心点作为一个视觉词条，从而根据聚类得到的多个聚类中心点，建立特征图像视觉词典。
详细地，所述聚类算法为：
Figure BDA0002472615380000051
其中，E表示聚类中心点，K表示聚类中心点的数量，c表示特征图像集的数量，xt特征图像集中第t条数据，μi表示第i个聚类中心点的簇心质量。
S3、接收待检索图像，获取所述待检索图像的视觉词条。
在本发明的至少一个实施例中，所述视觉词条用于表征所述待检索图像的特征信息。
较佳地，本发明通过检测算法检测所述待检索图像的图像不动点，提取所述待检索图像不动点的尺度信息，得到所述待检索图像的视觉词条。
S4、通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条。
由于传统的图像倒排索引只能在一维空间内对搜索空间进行划分，搜索空间划分的稀疏性导致许多不相似的特征归并到同一个聚簇中，容易造成匹配错误。针对传统倒排索引存在的问题，本发明通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条，用以提升图像倒排索引的归并效率。
详细地，所述通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条，包括：
获取一级索引，根据所述一级索引遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的第一词条；
获取二级索引，根据所述二级索引遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的第二词条；
将所述第一词条和所述第二词条进行汇总，得到与所述视觉词条相似的目标词条。
具体的，预设所述特征图像视觉词典为di∈D，i＝1，2，...，n，且di,j为所述特征图像视觉词典di的第j个词条；
获取一级索引Φ＝{φ(i)}，i＝1，2，...，n，其中，φ(0)＝0，根据所述一级索引遍历所述特征图像视觉词典di中的词条di,j，得到与所述视觉词条相似的第一词条，其中，若φ(di,j)＝＝0，令φ(di，j)＝＝1，反之，令φ(di,j＝φ(di,j)+1；
获取二级索引k，根据所述二级索引遍历所述特征图像视觉词典di中的词条di,j，得到与所述视觉词条相似的第二词条wi，其中，若k(di)≥τ，则将wi＝k(di)+1，τ表示待检索图像视觉词条的阈值；
将所述第一词条和所述第二词条进行汇总，得到与所述视觉词条相似的目标词条，其中，第一词条和第二词条都可以包含一个或多个子词条。
S5、计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。
本发明较佳实施中，通过相似度函数计算所述目标词条与所述视觉词条的相似度，其中，所述相似度函数为：
Figure BDA0002472615380000061
其中，X表示待检索图像的视觉词条，Y表示目标词条，m表示待检索图像的视觉词条的数量，n表示目标词条的数量。
本实施例中，在得到相似度之后，根据所述相似度确定所述待检索图像的检索结果。
可选的，所述根据所述相似度确定所述待检索图像的检索结果，包括：若所述相似度大于预设阈值，确定所述视觉词条对应的图像为所述待检索图像的索引图像；若所述相似度不大于预设阈值，根据所述图像倒排索引机制对所述特征图像视觉词典继续遍历索引。
进一步地，本发明实施例中，在根据所述相似度确定所述待检索图像的检索结果之后，所述方法还可以包括：
利用多通道索引优化技术对所述图像倒排索引机制进行优化，得到目标图像倒排索引机制，通过所述目标图像倒排索引机制进行图像的快速检索。
由于在图像检索过程中，计算机的读取过程是按序读取的，以访问速度为例，在利用所述图像倒排索引机制进行图像检索时，一级检索的访问需要3个指令周期，二级检索一般需要10个指令周期，而内存的访问往往需要几百个指令周期，因此，本发明实施例利用多通道索引优化技术对所述图像倒排索引机制进行优化，得到目标图像倒排索引机制，以通过所述目标图像倒排索引机制进行图像的快速检索。
详细地，所述利用多通道索引优化技术对所述图像倒排索引机制进行优化，包括：
在创建一级索引和二级索引时，根据L2cache的大小将索引文件随机分成多个通道，以使每个通道的索引文件数不超过2M，从而完成所述图像倒排索引机制的优化。
需要强调的是，为进一步保证上述检索结果的私密和安全性，上述检索结果还可以存储于一区块链的节点中。
本发明实施例通过获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；对所述特征图像集进行聚类，根据聚类后的所述特征图像集，建立特征图像视觉词典；通过建立特征图像视觉词典进行检索，降低了在图像检索过程中系统资源的占用，从而减少了图像检索的检索成本；接收待检索图像，获取所述待检索图像的视觉词条；通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。通过根据所述图像倒排索引机制进行检索并进行相似度计算，提高了图像检索的准确率以及图像检索的检索效率。
如图2所示，是本发明一实施例提供的图像检索装置的模块示意图。
本发明所述图像检索的装置100可以安装于电子设备中。根据实现的功能，所述图像检索装置可以包括提取模块101、聚类模块102、接收模块103、遍历模块104以及计算模块105。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述提取模块101，用于获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；
所述聚类模块102，用于对所述特征图像集进行聚类，根据聚类后的所述特征图像集，建立特征图像视觉词典；
所述接收模块103，用于接收待检索图像，获取所述待检索图像的视觉词条；
所述遍历模块104，用于通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；
所述计算模块105，用于计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。
详细地，所述图像检索装置各模块的具体实施步骤如下：
所述提取模块101，获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集。
本发明实施例中，所述检索图像集包括：人物图像、动物图像以及景观图像等包含相同或不同类型图像的集合。
较佳地，本发明采用基于内容的图像检索法获取所述检索图像集。
较佳地，所述提取所述检索图像集的特征信息，生成特征图像集包括：
利用检测算法检测所述检索图像集的图像不动点，提取所述图像不动点的尺度信息，得到所述特征图像集。
进一步地，所述检测算法为：
Figure BDA0002472615380000081
其中，DOG(x,y)表示图像不动点，x，y分别表示图像不动点的横坐标和纵坐标，A，B，θ1，θ2为预设参数。
进一步地，所述提取所述图像不动点的尺度信息包括：通过尺度不变特征变换算法提取所述图像不动点的尺度信息。
具体的，通过尺度不变特征变换算法提取所述图像不动点的尺度信息，包括：基于组与层的结构构建一个具有线性关系的金字塔结构，根据所述金字塔结构搜索所述图像不动点，得到目标图像不动点，计算所述目标图像不动点的坐标位置，根据所述坐标位置，对所述目标图像不动点的梯度方向进行直方图统计，选取直方图中比重最大的方向作为所述目标图像点的主方向，选取直方图中比重最小的方向作为所述目标图像点的辅方向，完成提取所述图像不动点的尺度信息，得到所述特征图像集。
所述聚类模块102，对所述特征图像集进行聚类，根据聚类后的所述特征图像集，建立特征图像视觉词典。
本发明较佳实施例通过聚类算法对所述特征图像向量集进行聚类。
具体的，本发明一实施例中，将一个聚类中心点作为一个视觉词条，从而根据聚类得到的多个聚类中心点，建立特征图像视觉词典。
详细地，所述聚类算法为：
Figure BDA0002472615380000091
其中，E表示聚类中心点，K表示聚类中心点的数量，c表示特征图像集的数量，xt特征图像集中第t条数据，μi表示第i个聚类中心点的簇心质量。
所述接收模块103，接收待检索图像，获取所述待检索图像的视觉词条。
在本发明的至少一个实施例中，所述视觉词条用于表征所述待检索图像的特征信息。
较佳地，本发明通过检测算法检测所述待检索图像的图像不动点，提取所述待检索图像不动点的尺度信息，得到所述待检索图像的视觉词条。
所述遍历模块104，通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条。
由于传统的图像倒排索引只能在一维空间内对搜索空间进行划分，搜索空间划分的稀疏性导致许多不相似的特征归并到同一个聚簇中，容易造成匹配错误。针对传统倒排索引存在的问题，本发明通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条，用以提升图像倒排索引的归并效率。
详细地，所述通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条，包括：
获取一级索引，根据所述一级索引遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的第一词条；
获取二级索引，根据所述二级索引遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的第二词条；
将所述第一词条和所述第二词条进行汇总，得到与所述视觉词条相似的目标词条。
具体的，预设所述特征图像视觉词典为di∈D，i＝1，2，...，n，且di,j为所述特征图像视觉词典di的第j个词条；
获取一级索引Φ＝{φ(i)}，i＝1，2，...，n，其中，φ(0)＝0，根据所述一级索引遍历所述特征图像视觉词典di中的词条di,j，得到与所述视觉词条相似的第一词条，其中，若φ(di,j)＝＝0，令φ(di，j)＝＝1，反之，令φ(di,j＝φ(di,j)+1；
获取二级索引k，根据所述二级索引遍历所述特征图像视觉词典di中的词条di,j，得到与所述视觉词条相似的第二词条wi，其中，若k(di)≥τ，则将wi＝k(di)+1，τ表示待检索图像视觉词条的阈值；
将所述第一词条和所述第二词条进行汇总，得到与所述视觉词条相似的目标词条，其中，第一词条和第二词条都可以包含一个或多个子词条。
所述计算模块105，计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。
本发明较佳实施中，通过相似度函数计算所述目标词条与所述视觉词条的相似度，其中，所述相似度函数为：
Figure BDA0002472615380000101
其中，X表示待检索图像的视觉词条，Y表示目标词条，m表示待检索图像的视觉词条的数量，n表示目标词条的数量。
本实施例中，在得到相似度之后，根据所述相似度确定所述待检索图像的检索结果。
可选的，所述根据所述相似度确定所述待检索图像的检索结果，包括：若所述相似度大于预设阈值，确定所述视觉词条对应的图像为所述待检索图像的索引图像；若所述相似度不大于预设阈值，根据所述图像倒排索引机制对所述特征图像视觉词典继续遍历索引。
进一步地，本发明实施例中，在根据所述相似度确定所述待检索图像的检索结果之后，所述方法还可以包括：
利用多通道索引优化技术对所述图像倒排索引机制进行优化，得到目标图像倒排索引机制，通过所述目标图像倒排索引机制进行图像的快速检索。
由于在图像检索过程中，计算机的读取过程是按序读取的，以访问速度为例，在利用所述图像倒排索引机制进行图像检索时，一级检索的访问需要3个指令周期，二级检索一般需要10个指令周期，而内存的访问往往需要几百个指令周期，因此，本发明实施例利用多通道索引优化技术对所述图像倒排索引机制进行优化，得到目标图像倒排索引机制，以通过所述目标图像倒排索引机制进行图像的快速检索。
详细地，所述利用多通道索引优化技术对所述图像倒排索引机制进行优化，包括：
在创建一级索引和二级索引时，根据L2cache的大小将索引文件随机分成多个通道，以使每个通道的索引文件数不超过2M，从而完成所述图像倒排索引机制的优化。
需要强调的是，为进一步保证上述检索结果的私密和安全性，上述检索结果还可以存储于一区块链的节点中。
本发明实施例通过获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；对所述特征图像集进行聚类，根据聚类后的所述特征图像集，建立特征图像视觉词典；通过建立特征图像视觉词典进行检索，降低了在图像检索过程中系统资源的占用，从而减少了图像检索的检索成本；接收待检索图像，获取所述待检索图像的视觉词条；通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。通过根据所述图像倒排索引机制进行检索并进行相似度计算，提高了图像检索的准确率以及图像检索的检索效率。。
如图3所示，是本发明一实施例提供的实现图像检索方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如图像检索程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如图像检索程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如图像检索程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的图像检索程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；
对所述特征图像集进行聚类，根据聚类后的所述特征图像集，建立特征图像视觉词典；
接收待检索图像，获取所述待检索图像的视觉词条；
通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；
计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。需要强调的是，为进一步保证上述检索结果的私密和安全性，上述检索结果还可以存储于一区块链的节点中。
进一步地，所述电子设备1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。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)。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种图像检索方法，其特征在于，所述方法包括：
获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；
对所述特征图像集进行聚类，根据聚类后的特征图像集，建立特征图像视觉词典；
接收待检索图像，获取所述待检索图像的视觉词条；
通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；
计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果。
2.如权利要求1所述的图像检索方法，其特征在于，所述提取所述检索图像集的特征信息，生成特征图像集包括：
利用检测算法检测所述检索图像集的图像不动点，提取所述图像不动点的尺度信息，得到所述特征图像集。
3.如权利要求2所述的图像检索方法，其特征在于，所述检测算法为：
Figure FDA0002472615370000011
其中，DOG(x,y)表示图像不动点，x，y分别表示图像不动点的横坐标和纵坐标，A，B，θ1，θ2为预设参数。
4.如权利要求1所述的图像检索方法，其特征在于，所述对所述特征图像集进行聚类，包括：
利用聚类算法对所述特征图像集进行聚类，所述聚类算法为：
Figure FDA0002472615370000012
其中，E表示聚类中心点，K表示聚类中心点的数量，c表示特征图像集的数量，xt特征图像集中第t条数据，μi表示第i个聚类中心点的簇心质量。
5.如权利要求1所述的图像检索方法，其特征在于，所述通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条，包括：
获取一级索引，根据所述一级索引遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的第一词条；
获取二级索引，根据所述二级索引遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的第二词条；
将所述第一词条和所述第二词条进行汇总，得到与所述视觉词条相似的目标词条。
6.如权利要求1所述的图像检索方法，其特征在于，所述计算所述目标词条与所述视觉词条的相似度，包括：
利用相似度函数计算所述目标词条与所述视觉词条的相似度，所述相似度函数为：
Figure FDA0002472615370000021
其中，X表示待检索图像的视觉词条，Y表示目标词条，m表示待检索图像的视觉词条的数量，n表示目标词条的数量。
7.如权利要求1至6中任意一项所述的图像检索方法，其特征在于，所述检索结果存储于区块链中，所述根据所述相似度确定所述待检索图像的检索结果，包括：
若所述相似度大于预设阈值，确定所述视觉词条对应的图像为所述待检索图像的索引图像；
若所述相似度不大于预设阈值，根据所述图像倒排索引机制对所述特征图像视觉词典继续遍历索引。
8.一种图像检索装置，其特征在于，所述装置包括：
提取模块，用于获取检索图像集，提取所述检索图像集的特征信息，生成特征图像集；
聚类模块，用于对所述特征图像集进行聚类，根据聚类后的特征图像集，建立特征图像视觉词典；
接收模块，用于接收待检索图像，获取所述待检索图像的视觉词条；
遍历模块，用于通过预先创建的图像倒排索引机制遍历所述特征图像视觉词典中的词条，得到与所述视觉词条相似的目标词条；
计算模块，用于计算所述目标词条与所述视觉词条的相似度，根据所述相似度确定所述待检索图像的检索结果，所述检索结果存储于区块链中。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一所述的图像检索方法。
10.一种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中任一所述的图像检索方法。
CN202010353391.0A 2020-04-29 2020-04-29 图像检索方法、装置、电子设备及存储介质 Pending CN111651625A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010353391.0A CN111651625A (zh) 2020-04-29 2020-04-29 图像检索方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010353391.0A CN111651625A (zh) 2020-04-29 2020-04-29 图像检索方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN111651625A true CN111651625A (zh) 2020-09-11

Family

ID=72345498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010353391.0A Pending CN111651625A (zh) 2020-04-29 2020-04-29 图像检索方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111651625A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113792171A (zh) * 2021-11-15 2021-12-14 西安热工研究院有限公司 基于内存管理的图像检索方法、系统、设备及存储介质
CN113886628A (zh) * 2021-10-09 2022-01-04 上海识装信息科技有限公司 一种图像检索方法、装置及存储介质
CN114461827A (zh) * 2022-02-07 2022-05-10 浪潮云信息技术股份公司 一种以图搜图的方法及装置
CN116340991A (zh) * 2023-02-02 2023-06-27 魔萌动漫文化传播(深圳)有限公司 Ip图库素材资源的大数据管理方法、装置以及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011248671A (ja) * 2010-05-27 2011-12-08 Kddi Corp 多数の参照用映像の中から検索キー用映像を用いて検索する映像検索装置、プログラム及び方法
CN103294813A (zh) * 2013-06-07 2013-09-11 北京捷成世纪科技股份有限公司 一种敏感图片搜索方法和装置
CN103324650A (zh) * 2012-10-23 2013-09-25 深圳市宜搜科技发展有限公司 一种图像检索方法及系统
CN103839265A (zh) * 2014-02-26 2014-06-04 西安电子科技大学 基于sift和归一化互信息的sar图像配准方法
CN104077782A (zh) * 2014-07-11 2014-10-01 中国科学院自动化研究所 一种星载遥感图像匹配方法
CN104462199A (zh) * 2014-10-31 2015-03-25 中国科学院自动化研究所 一种网络环境下的近似重复图像搜索方法
CN104615676A (zh) * 2015-01-20 2015-05-13 同济大学 一种基于最大相似度匹配的图片检索方法
CN107256262A (zh) * 2017-06-13 2017-10-17 西安电子科技大学 一种基于物体检测的图像检索方法
CN108647307A (zh) * 2018-05-09 2018-10-12 京东方科技集团股份有限公司 图像处理方法、装置、电子设备及存储介质
CN109949340A (zh) * 2019-03-04 2019-06-28 湖北三江航天万峰科技发展有限公司 基于OpenCV的目标尺度自适应跟踪方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011248671A (ja) * 2010-05-27 2011-12-08 Kddi Corp 多数の参照用映像の中から検索キー用映像を用いて検索する映像検索装置、プログラム及び方法
CN103324650A (zh) * 2012-10-23 2013-09-25 深圳市宜搜科技发展有限公司 一种图像检索方法及系统
CN103294813A (zh) * 2013-06-07 2013-09-11 北京捷成世纪科技股份有限公司 一种敏感图片搜索方法和装置
CN103839265A (zh) * 2014-02-26 2014-06-04 西安电子科技大学 基于sift和归一化互信息的sar图像配准方法
CN104077782A (zh) * 2014-07-11 2014-10-01 中国科学院自动化研究所 一种星载遥感图像匹配方法
CN104462199A (zh) * 2014-10-31 2015-03-25 中国科学院自动化研究所 一种网络环境下的近似重复图像搜索方法
CN104615676A (zh) * 2015-01-20 2015-05-13 同济大学 一种基于最大相似度匹配的图片检索方法
CN107256262A (zh) * 2017-06-13 2017-10-17 西安电子科技大学 一种基于物体检测的图像检索方法
CN108647307A (zh) * 2018-05-09 2018-10-12 京东方科技集团股份有限公司 图像处理方法、装置、电子设备及存储介质
CN109949340A (zh) * 2019-03-04 2019-06-28 湖北三江航天万峰科技发展有限公司 基于OpenCV的目标尺度自适应跟踪方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113886628A (zh) * 2021-10-09 2022-01-04 上海识装信息科技有限公司 一种图像检索方法、装置及存储介质
CN113886628B (zh) * 2021-10-09 2024-11-15 上海得物信息集团有限公司 一种图像检索方法、装置及存储介质
CN113792171A (zh) * 2021-11-15 2021-12-14 西安热工研究院有限公司 基于内存管理的图像检索方法、系统、设备及存储介质
CN114461827A (zh) * 2022-02-07 2022-05-10 浪潮云信息技术股份公司 一种以图搜图的方法及装置
CN116340991A (zh) * 2023-02-02 2023-06-27 魔萌动漫文化传播(深圳)有限公司 Ip图库素材资源的大数据管理方法、装置以及电子设备
CN116340991B (zh) * 2023-02-02 2023-11-07 魔萌动漫文化传播(深圳)有限公司 Ip图库素材资源的大数据管理方法、装置以及电子设备

Similar Documents

Publication Publication Date Title
WO2022121171A1 (zh) 相似文本匹配方法、装置、电子设备及计算机存储介质
WO2021169173A1 (zh) 数据聚类的存储方法、装置、计算机设备及存储介质
JP6721681B2 (ja) 並列検索動作を実行する方法及び装置
US10579661B2 (en) System and method for machine learning and classifying data
CN111651625A (zh) 图像检索方法、装置、电子设备及存储介质
CN112699775B (zh) 基于深度学习的证件识别方法、装置、设备及存储介质
WO2019080411A1 (zh) 电子装置、人脸图像聚类搜索方法和计算机可读存储介质
CN114780746A (zh) 基于知识图谱的文档检索方法及其相关设备
CN113157739B (zh) 跨模态检索方法、装置、电子设备及存储介质
CN110134965B (zh) 用于信息处理的方法、装置、设备和计算机可读存储介质
CN111666415A (zh) 话题聚类方法、装置、电子设备及存储介质
WO2021047373A1 (zh) 基于大数据的列数据处理方法、设备及介质
CN114138784B (zh) 基于存储库的信息溯源方法、装置、电子设备及介质
CN114708461A (zh) 基于多模态学习模型的分类方法、装置、设备及存储介质
CN113971225A (zh) 图像检索系统、方法和装置
CN113343102A (zh) 基于特征筛选的数据推荐方法、装置、电子设备及介质
CN103440292B (zh) 基于比特向量的多媒体信息检索方法和系统
CN112632264A (zh) 智能问答方法、装置、电子设备及存储介质
WO2022007596A1 (zh) 图像检索系统、方法和装置
CN110083731B (zh) 图像检索方法、装置、计算机设备及存储介质
CN110443264A (zh) 一种聚类的方法和装置
Yin et al. Content‐Based Image Retrial Based on Hadoop
WO2021055868A1 (en) Associating user-provided content items to interest nodes
CN111444159B (zh) 精算数据处理方法、装置、电子设备及存储介质
WO2022141860A1 (zh) 文本去重方法、装置、电子设备及计算机可读存储介质

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