CN116737982A - 一种基于数据分析的图片搜索结果智能筛选管理系统 - Google Patents
一种基于数据分析的图片搜索结果智能筛选管理系统 Download PDFInfo
- Publication number
- CN116737982A CN116737982A CN202311006999.6A CN202311006999A CN116737982A CN 116737982 A CN116737982 A CN 116737982A CN 202311006999 A CN202311006999 A CN 202311006999A CN 116737982 A CN116737982 A CN 116737982A
- Authority
- CN
- China
- Prior art keywords
- picture
- analyzed
- similarity
- color
- content element
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 65
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 56
- 239000013598 vector Substances 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000000750 progressive effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明属于图片搜索结果筛选管理领域，涉及到一种基于数据分析的图片搜索结果智能筛选管理系统，通过设置图片数据库、待分析图片信息获取模块、目标图片颜色相似度分析模块、初选图片形状相似度分析模块、进阶图片空间相似度分析模块和最优图片筛选模块，本发明从图片的颜色特征、形状特征和空间特征三个方面出发，利用与待分析图片的颜色相似度、形状相似度和空间相似度作为数据支撑，对图片数据库中存储的各目标图片进行层层筛选，确保搜索结果为最符合待分析图片特征和内容的图片，不仅实现图片搜索结果筛选管理系统的进一步优化，提升图片搜索结果的质量和精确度，还提升用户的使用体验感和满意度。
Description
技术领域
本发明属于图片搜索结果筛选管理领域，涉及到一种基于数据分析的图片搜索结果智能筛选管理系统。
背景技术
随着网络和科技的飞速发展，人们获取所需信息的方式不在拘束于具有模糊性和主观性的文本搜索，而是采用更客观更精确的图片搜索方式，当前的图片搜索已应用在多个领域中成为现实，如电子商务领域、社交媒体领域、数字媒体库和艺术领域等，图片搜索利用计算机视觉、图像处理和机器学习等技术，使人们能够直接基于图像本身来搜索和发现相关内容。
然而随着数字图像的快速增长和图片共享平台的普及，在拥有若干图片的图片数据库面前，用户往往会面临大量搜索结果的问题，图片搜索结果的智能筛选的重要性随之凸显。
当前图片搜索结果智能筛选管理系统已包括深度学习和神经网络、内容标签和元数据、相似度匹配算法以及用户反馈和个性化排序等多种先进方法，其中相似度匹配算法多为根据查询图片的特征向量信息，计算图片之间的相似度，据此提供与查询图片相关的搜索结果，虽具有一定的客观性和灵活性，但仍存在一定的弊处，具体表现在：1、当前图片搜索结果智能筛选管理系统对图片颜色特征相似度的计算仅考虑图片颜色整体基调对比，忽略对图片中各局部板块颜色的匹配分析，导致无法准确捕捉到各图片间的颜色细微差异，进而可能导致错过关键区域在颜色方面的区别和相似性，从而降低搜索结果的准确性。
2、当前图片搜索结果智能筛选管理系统对图片间形状特征相关筛选方式多为识别图片中各内容元素的类别，从图片数据库中提取包含该图片内容元素类别的所有图像，缺乏进一步的分析，使得后续图片搜索结果数量庞大且内容元素的形状轮廓或位置严重不符合，未达到筛选效果，进而影响用户使用体验感。
3、当前图片搜索结果智能筛选管理系统缺乏针对图片间内各内容元素的空间位置相似度进行细致化分析，导致图片搜索结果在空间位置上存在错误，很大程度上影响图片搜索结果的质量和精确度，进而降低用户的满意度。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于数据分析的图片搜索结果智能筛选管理系统。
本发明的目的可以通过以下技术方案实现：本发明提供一种基于数据分析的图片搜索结果智能筛选管理系统，包括：图片数据库，用于存储各目标图片及各目标图片的颜色特征信息、形状特征信息和空间特征信息。
待分析图片信息获取模块，用于获取待分析图片的颜色特征信息、形状特征信息和空间特征信息。
目标图片颜色相似度分析模块，用于分析各目标图片与待分析图片的颜色相似度，据此筛选出图片数据库中的各初选图片。
初选图片形状相似度分析模块，用于分析各初选图片与待分析图片的形状相似度，据此筛选出图片数据库中的各进阶图片。
进阶图片空间相似度分析模块，用于分析各进阶图片与待分析图片的空间相似度，据此筛选出图片数据库中的各精选图片。
最优图片筛选模块，用于分析各精选图片与待分析图片的综合匹配度，筛选出最优图片并将其作为待分析图片的搜索结果，在用户终端进行显示。
优选地，所述颜色特征信息包括颜色直方图向量和图片各单元板块的颜色特征向量。
所述形状特征信息包括各内容元素的类别、形状轮廓和位置坐标。
所述空间特征信息包括各内容元素与设定区域的相对位置信息和重叠率，其中相对位置信息包括相对方向和坐标夹角。
优选地，所述待分析图片信息获取模块的具体分析过程包括：将待分析图片加载至后台计算机程序中，将图片转换为设定的颜色空间，按照等间隔原则将颜色空间划分为若干个离散的颜色区间，统计各颜色区间内的像素数量，将各颜色区间内的像素数量与待分析图片总像素数量的比值作为各颜色区间的频率，以颜色区间总数目作为特征向量的总维度，以按照从小到大的顺序排列的各颜色区间的频率作为特征向量的各维度特征值，构建特征向量，将其作为待分析图片的颜色直方图向量b。
将待分析图片进行均匀分割得到待分析图片各单元板块，同上述待分析图片的颜色直方图向量获取方法一致，得到待分析图片各单元板块的颜色特征向量，其中j表示图片各单元板块的编号，/>。
对待分析图片进行灰度化处理和降噪操作，识别待分析图片中各内容元素并通过物体分类模型将其归类到预定义的类别中，得到待分析图片中各内容元素的类别，采用边缘检测算法获取待分析图片中各内容元素的形状轮廓，得到待分析图片中各内容元素的形状轮廓对应外接矩形，记为待分析图片中各内容元素的外接矩形，以待分析图片参考点为原点，构建二维直角坐标系，获取待分析图片中各内容元素的外接矩形的各角点坐标，对各角点坐标进行均值计算，得到待分析图片中各内容元素的外接矩形的中心点坐标，将其作为待分析图片中各内容元素的位置坐标，其中i表示待分析图片中各内容元素的编号，/>。
在待分析图片内以设定位置坐标为中心点，按照设定面积划分正方形区域，记为设定区域，根据待分析图片中各内容元素的位置坐标和外接矩形，获取待分析图片各内容元素与设定区域的相对方向、坐标夹角和重叠率。
优选地，所述获取待分析图片各内容元素与设定区域的相对方向、坐标夹角和重叠率，其具体过程为：根据待分析图片各内容元素与设定区域的位置坐标，由判定模型得到待分析图片各内容元素与设定区域的相对方向。
由公式得到待分析图片各内容元素与设定区域的坐标夹角。
通过图像处理技术获取待分析图片各内容元素与设定区域的重叠区域，将重叠区域内的像素总数量与设定区域的像素总数量的比值作为待分析图片各内容元素与设定区域的重叠率。
优选地，所述目标图片颜色相似度分析模块的具体分析过程包括：从图片数据库中提取各目标图片的颜色特征信息，将各目标图片的颜色直方图向量记为，其中w表示图像数据库中各目标图片的编号，/>，将待分析图片和各目标图片的各单元板块颜色特征向量中各维度特征值分别记为/>，其中q表示颜色特征向量中各维度的编号，/>，由公式/>得到各目标图片与待分析图片的颜色相似度，其中/>表示向量模符号，n表示单元板块总数目。
优选地，所述目标图片颜色相似度分析模块的具体分析过程还包括：根据各目标图片与待分析图片的颜色相似度，将其与图片颜色相似度设定阈值进行比对，若某目标图片与待分析图片的颜色相似度大于或等于图片颜色相似度设定阈值，将该目标图片记为初选图片，进而筛选得到图片数据库中各初选图片。
优选地，所述初选图片形状相似度分析模块的具体分析过程包括：根据图片数据库中存储的各目标图片的形状特征信息，获取各初选图片的形状特征信息，根据待分析图片中各内容元素的位置坐标，从各初选图片中提取与待分析图片中各内容元素位置坐标偏差最小的内容元素，将其作为各初选图片中与待分析图片中各内容元素对应的内容元素，记为各初选图片各指定元素。
将各初选图片各指定元素的形状轮廓与其对应待分析图片中的内容元素的形状轮廓进行比对，得到各初选图片各指定元素的形状轮廓符合度，其中/>表示图片数据库中各初选图片的编号，/>，/>表示各指定元素的编号，/>。
将各初选图片各指定元素的类别与其对应的待分析图片中的内容元素的类别进行比对，若类别相同，设定类别符合度为1，反之设定类别符合度为0，得到各初选图片各指定元素的类别符合度。
分析各初选图片与待分析图片的的形状相似度，其计算公式为：，其中/>分别表示预设的类别符合度、形状轮廓符合度对应形状相似评估的权重占比，/>表示初选图片指定元素总数量，e表示自然常数。
根据各初选图片与待分析图片的的形状相似度，将其与图片形状相似度设定阈值进行比对，若某初选图片与待分析图片的形状相似度大于或等于图片形状相似度设定阈值，将该初选图片记为进阶图片，进而筛选得到图片数据库中各进阶图片。
优选地，所述进阶图片空间相似度分析模块的具体分析过程包括：根据图片数据库中存储的各目标图片的空间特征信息，提取各进阶图片的空间特征信息，得到各进阶图片各指定元素与设定区域的相对方向、坐标夹角和重叠率，将各进阶图片各指定元素与设定区域的相对方向与待分析图片中对应内容元素与设定区域的相对方向进行比对，若相对方向一致，设定空间方向符合度为1，反之设定空间方向符合度为0，得到各进阶图片各指定元素的空间方向符合度，其中/>表示图片数据库中各进阶图片的编号，。
将各进阶图片各指定元素与设定区域的坐标夹角和待分析图片对应内容元素与设定正方形区域的坐标夹角作差，得到各进阶图片各指定元素的空间偏差角度。
同理得到各进阶图片各指定元素的重合率偏差。
分析各进阶图片与待分析图片的的空间相似度，其计算公式为：
，其中/>分别为预设的空间偏差角度、重合率偏差的允许误差。
根据各进阶图片与待分析图片的的空间相似度，将其与图片空间相似度设定阈值进行比对，若某进阶图片与待分析图片的空间相似度大于或等于图片空间相似度设定阈值，将该进阶图片记为精选图片，进而筛选得到图片数据库中各精选图片。
优选地，所述最优图片筛选模块的具体分析过程为：筛选出各进阶图片与待分析图片的颜色相似度、形状相似度和空间相似度，从各进阶图片与待分析图片的颜色相似度、形状相似度和空间相似度中提取各精选图片与待分析图片的颜色相似度、形状相似度和空间相似度/>，其中/>表示图片数据库中各精选图片的编号，，分析各精选图片与待分析图片的综合匹配度，其中/>分别表示预设的颜色相似度、形状相似度和空间相似度对应综合匹配评估的权重占比，筛选出与待分析图片的综合匹配度最大的精选图片作为最优图片。
相较于现有技术，本发明的有益效果如下：（1）本发明根据待分析图片与各目标图片的颜色特征信息，以颜色直方图向量表示图片的整体颜色分布特征，以各单元板块的颜色特征向量表示图片的局部颜色分布特征，从整体和局部分布两个方面进行全面细致地分析，以提高对待分析图片和各目标图片间颜色相似度的准确度，精确捕捉图片之间的颜色细微差异，对各目标图片进行初筛得到各进阶图片，从而提高搜索结果的准确性。
（2）本发明根据待分析图片中各内容元素的位置坐标，对各进阶图片的内容元素进行对应提取，得到各初选图片各指定元素，接着从形状轮廓符合度和类别符合度两角度综合评估待分析图片与各初选图片的形状相似度，有助于进一步筛选各进阶图片，确保选出与待分析图片在形状上相似且符合类别要求的图片，有助于提升用户使用体验感。
（3）本发明将待分析图片各内容元素与设定区域的的相对方向、坐标夹角和重叠率与各进阶图片各指定元素与设定区域的的相对方向、坐标夹角和重叠率进行对比，获取各进阶图片与待分析图片的空间相似度，筛选出各精选图片，实现图片间内容元素的空间位置的细致化分析，很大程度上提升图片搜索结果的质量和精确度。
（4）本发明通过结合各精选图片的颜色、形状和空间相似度计算各精选图片与待分析图片的综合匹配度，确保搜索结果为最符合待分析图片特征和内容的图片，实现用户搜索目的，并提升用户满意度，更进一步优化了图片搜索结果智能筛选管理系统。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供了一种基于数据分析的图片搜索结果智能筛选管理系统，具体模块分布如下：图片数据库、待分析图片信息获取模块、目标图片颜色相似度分析模块、初选图片形状相似度分析模块、进阶图片空间相似度分析模块和最优图片筛选模块，其中模块之间的连接关系为：图片数据库、待分析图片信息获取模块分别与目标图片颜色相似度分析模块连接，初选图片形状相似度分析模块与目标图片颜色相似度分析模块连接，进阶图片空间相似度分析模块与初选图片形状相似度分析模块连接，最优图片筛选模块与进阶图片空间相似度分析模块连接。
所述图片数据库，用于存储各目标图片及各目标图片的颜色特征信息、形状特征信息和空间特征信息。
具体地，所述颜色特征信息包括颜色直方图向量和图片各单元板块的颜色特征向量。
所述形状特征信息包括各内容元素的类别、形状轮廓和位置坐标。
所述空间特征信息包括各内容元素与设定区域的相对位置信息和重叠率，其中相对位置信息包括相对方向和坐标夹角。
所述待分析图片信息获取模块，用于获取待分析图片的颜色特征信息、形状特征信息和空间特征信息。
具体地，所述待分析图片信息获取模块的具体分析过程包括：将待分析图片加载至后台计算机程序中，将图片转换为设定的颜色空间，按照等间隔原则将颜色空间划分为若干个离散的颜色区间，统计各颜色区间内的像素数量，将各颜色区间内的像素数量与待分析图片总像素数量的比值作为各颜色区间的频率，以颜色区间总数目作为特征向量的总维度，以按照从小到大的顺序排列的各颜色区间的频率作为特征向量的各维度特征值，构建特征向量，将其作为待分析图片的颜色直方图向量b。
将待分析图片进行均匀分割得到待分析图片各单元板块，同上述待分析图片的颜色直方图向量获取方法一致，得到待分析图片各单元板块的颜色特征向量，其中j表示图片各单元板块的编号，/>。
对待分析图片进行灰度化处理和降噪操作，识别待分析图片中各内容元素并通过物体分类模型将其归类到预定义的类别中，得到待分析图片中各内容元素的类别，采用边缘检测算法获取待分析图片中各内容元素的形状轮廓，得到待分析图片中各内容元素的形状轮廓对应外接矩形，记为待分析图片中各内容元素的外接矩形，以待分析图片参考点为原点，构建二维直角坐标系，获取待分析图片中各内容元素的外接矩形的各角点坐标，对各角点坐标进行均值计算，得到待分析图片中各内容元素的外接矩形的中心点坐标，将其作为待分析图片中各内容元素的位置坐标，其中i表示待分析图片中各内容元素的编号，/>。
需要说明的是，上述内容元素指代人物、植物、动物、物体等。
还需要说明的是，上述识别待分析图片中各内容元素是通过目标检测算法检测待分析图片中各内容元素，使用图片分割算法对各内容元素切割提取，接着使用机器学习方法对提取出的各内容元素进行进一步识别，以完成识别任务。
上述待分析图片中各内容元素的形状轮廓对应外接矩形是对已获取到的各内容元素的形状轮廓应用边界框算法得到的。
在待分析图片内以设定位置坐标为中心点，按照设定面积划分正方形区域，记为设定区域，根据待分析图片中各内容元素的位置坐标和外接矩形，获取待分析图片各内容元素与设定区域的相对方向、坐标夹角和重叠率。
具体地，所述获取待分析图片各内容元素与设定区域的相对方向、坐标夹角和重叠率，其具体过程为：根据待分析图片各内容元素与设定区域的位置坐标，由判定模型得到待分析图片各内容元素与设定区域的相对方向。
由公式得到待分析图片各内容元素与设定区域的坐标夹角。
通过图像处理技术获取待分析图片各内容元素与设定区域的重叠区域，将重叠区域内的像素总数量与设定区域的像素总数量的比值作为待分析图片各内容元素与设定区域的重叠率。
所述目标图片颜色相似度分析模块，用于分析各目标图片与待分析图片的颜色相似度，据此筛选出图片数据库中的各初选图片。
具体地，所述目标图片颜色相似度分析模块的具体分析过程包括：从图片数据库中提取各目标图片的颜色特征信息，将各目标图片的颜色直方图向量记为，其中w表示图像数据库中各目标图片的编号，/>，将待分析图片和各目标图片的各单元板块颜色特征向量中各维度特征值分别记为/>，其中q表示颜色特征向量中各维度的编号，/>，由公式/>得到各目标图片与待分析图片的颜色相似度，其中/>表示向量模符号，n表示单元板块总数目。
具体地，所述目标图片颜色相似度分析模块的具体分析过程还包括：根据各目标图片与待分析图片的颜色相似度，将其与图片颜色相似度设定阈值进行比对，若某目标图片与待分析图片的颜色相似度大于或等于图片颜色相似度设定阈值，将该目标图片记为初选图片，进而筛选得到图片数据库中各初选图片。
本发明实施例根据待分析图片与各目标图片的颜色特征信息，以颜色直方图向量表示图片的整体颜色分布特征，以各单元板块的颜色特征向量表示图片的局部颜色分布特征，从整体和局部分布两个方面进行全面细致地分析，以提高对待分析图片和各目标图片间颜色相似度的准确度，精确捕捉图片之间的颜色细微差异，对各目标图片进行初筛得到各进阶图片，从而提高搜索结果的准确性。
所述初选图片形状相似度分析模块，用于分析各初选图片与待分析图片的形状相似度，据此筛选出图片数据库中的各进阶图片。
具体地，所述初选图片形状相似度分析模块的具体分析过程包括：根据图片数据库中存储的各目标图片的形状特征信息，获取各初选图片的形状特征信息，根据待分析图片中各内容元素的位置坐标，从各初选图片中提取与待分析图片中各内容元素位置坐标偏差最小的内容元素，将其作为各初选图片中与待分析图片中各内容元素对应的内容元素，记为各初选图片各指定元素。
需要说明的是，上述从各初选图片中提取与待分析图片中各内容元素位置坐标偏差最小的内容元素的具体分析过程为：将待分析图片中某内容元素的位置坐标与各初选图片中各内容元素的位置坐标进行距离计算，筛选出各初选图片中与待分析图片中该内容元素位置坐标距离最小的内容元素，将其认定为与待分析图片中该内容元素对应的内容元素，若某个初选图片存在多个与待分析图片中该内容元素位置坐标相同最小距离的内容元素，计算各相同最小距离的内容元素与待分析图片中该内容元素的横坐标偏差值，选择横坐标偏差值最小的内容元素作为该初选图片中与待分析图片中该内容元素对应的内容元素，若横坐标偏差值相同，进一步比对纵坐标偏差值，以确定最终的对应关系。
将各初选图片各指定元素的形状轮廓与其对应待分析图片中的内容元素的形状轮廓进行比对，得到各初选图片各指定元素的形状轮廓符合度，其中/>表示图片数据库中各初选图片的编号，/>，/>表示各指定元素的编号，/>。
将各初选图片各指定元素的类别与其对应的待分析图片中的内容元素的类别进行比对，若类别相同，设定类别符合度为1，反之设定类别符合度为0，得到各初选图片各指定元素的类别符合度。
分析各初选图片与待分析图片的的形状相似度，其计算公式为：，其中/>分别表示预设的类别符合度、形状轮廓符合度对应形状相似评估的权重占比，/>表示初选图片指定元素总数量，e表示自然常数。
根据各初选图片与待分析图片的的形状相似度，将其与图片形状相似度设定阈值进行比对，若某初选图片与待分析图片的形状相似度大于或等于图片形状相似度设定阈值，将该初选图片记为进阶图片，进而筛选得到图片数据库中各进阶图片。
本发明实施例根据待分析图片中各内容元素的位置坐标，对各进阶图片的内容元素进行对应提取，得到各初选图片各指定元素，接着从形状轮廓符合度和类别符合度两角度综合评估待分析图片与各初选图片的形状相似度，有助于进一步筛选各进阶图片，确保选出与待分析图片在形状上相似且符合类别要求的图片，有助于提升用户使用体验感。
所述进阶图片空间相似度分析模块，用于分析各进阶图片与待分析图片的空间相似度，据此筛选出图片数据库中的各精选图片。
具体地，所述进阶图片空间相似度分析模块的具体分析过程包括：根据图片数据库中存储的各目标图片的空间特征信息，提取各进阶图片的空间特征信息，得到各进阶图片各指定元素与设定区域的相对方向、坐标夹角和重叠率，将各进阶图片各指定元素与设定区域的相对方向与待分析图片中对应内容元素与设定区域的相对方向进行比对，若相对方向一致，设定空间方向符合度为1，反之设定空间方向符合度为0，得到各进阶图片各指定元素的空间方向符合度，其中/>表示图片数据库中各进阶图片的编号，。
将各进阶图片各指定元素与设定区域的坐标夹角和待分析图片对应内容元素与设定正方形区域的坐标夹角作差，得到各进阶图片各指定元素的空间偏差角度。
同理得到各进阶图片各指定元素的重合率偏差。
分析各进阶图片与待分析图片的的空间相似度，其计算公式为：
，其中/>分别为预设的空间偏差角度、重合率偏差的允许误差。
根据各进阶图片与待分析图片的的空间相似度，将其与图片空间相似度设定阈值进行比对，若某进阶图片与待分析图片的空间相似度大于或等于图片空间相似度设定阈值，将该进阶图片记为精选图片，进而筛选得到图片数据库中各精选图片。
本发明实施例将待分析图片各内容元素与设定区域的的相对方向、坐标夹角和重叠率与各进阶图片各指定元素与设定区域的的相对方向、坐标夹角和重叠率进行对比，获取各进阶图片与待分析图片的空间相似度，筛选出各精选图片，实现图片间内容元素的空间位置的细致化分析，很大程度上提升图片搜索结果的质量和精确度。
所述最优图片筛选模块，用于分析各精选图片与待分析图片的综合匹配度，筛选出最优图片并将其作为待分析图片的搜索结果，在用户终端进行显示。
具体地，所述最优图片筛选模块的具体分析过程为：筛选出各进阶图片与待分析图片的颜色相似度、形状相似度和空间相似度，从各进阶图片与待分析图片的颜色相似度、形状相似度和空间相似度中提取各精选图片与待分析图片的颜色相似度、形状相似度/>和空间相似度/>，其中/>表示图片数据库中各精选图片的编号，，分析各精选图片与待分析图片的综合匹配度，其中/>分别表示预设的颜色相似度、形状相似度和空间相似度对应综合匹配评估的权重占比，筛选出与待分析图片的综合匹配度最大的精选图片作为最优图片。
本发明通过结合各精选图片的颜色、形状和空间相似度计算各精选图片与待分析图片的综合匹配度，确保搜索结果为最符合待分析图片特征和内容的图片，实现用户搜索目的，并提升用户满意度，更进一步优化了图片搜索结果智能筛选管理系统。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (9)
1.一种基于数据分析的图片搜索结果智能筛选管理系统，其特征在于：该系统包括：
图片数据库，用于存储各目标图片及各目标图片的颜色特征信息、形状特征信息和空间特征信息；
待分析图片信息获取模块，用于获取待分析图片的颜色特征信息、形状特征信息和空间特征信息；
目标图片颜色相似度分析模块，用于分析各目标图片与待分析图片的颜色相似度，据此筛选出图片数据库中的各初选图片；
初选图片形状相似度分析模块，用于分析各初选图片与待分析图片的形状相似度，据此筛选出图片数据库中的各进阶图片；
进阶图片空间相似度分析模块，用于分析各进阶图片与待分析图片的空间相似度，据此筛选出图片数据库中的各精选图片；
最优图片筛选模块，用于分析各精选图片与待分析图片的综合匹配度，筛选出最优图片并将其作为待分析图片的搜索结果，在用户终端进行显示。
2.根据权利要求1所述的一种基于数据分析的图片搜索结果智能筛选管理系统，其特征在于：所述颜色特征信息包括颜色直方图向量和图片各单元板块的颜色特征向量；
所述形状特征信息包括各内容元素的类别、形状轮廓和位置坐标；
所述空间特征信息包括各内容元素与设定区域的相对位置信息和重叠率，其中相对位置信息包括相对方向和坐标夹角。
3.根据权利要求2所述的一种基于数据分析的图片搜索结果智能筛选管理系统，其特征在于：所述待分析图片信息获取模块的具体分析过程包括：将待分析图片加载至后台计算机程序中，将图片转换为设定的颜色空间，按照等间隔原则将颜色空间划分为若干个离散的颜色区间，统计各颜色区间内的像素数量，将各颜色区间内的像素数量与待分析图片总像素数量的比值作为各颜色区间的频率，以颜色区间总数目作为特征向量的总维度，以按照从小到大的顺序排列的各颜色区间的频率作为特征向量的各维度特征值，构建特征向量，将其作为待分析图片的颜色直方图向量b；
将待分析图片进行均匀分割得到待分析图片各单元板块，同上述待分析图片的颜色直方图向量获取方法一致，得到待分析图片各单元板块的颜色特征向量，其中j表示图片各单元板块的编号，/>；
对待分析图片进行灰度化处理和降噪操作，识别待分析图片中各内容元素并通过物体分类模型将其归类到预定义的类别中，得到待分析图片中各内容元素的类别，采用边缘检测算法获取待分析图片中各内容元素的形状轮廓，得到待分析图片中各内容元素的形状轮廓对应外接矩形，记为待分析图片中各内容元素的外接矩形，以待分析图片参考点为原点，构建二维直角坐标系，获取待分析图片中各内容元素的外接矩形的各角点坐标，对各角点坐标进行均值计算，得到待分析图片中各内容元素的外接矩形的中心点坐标，将其作为待分析图片中各内容元素的位置坐标，其中i表示待分析图片中各内容元素的编号，；
在待分析图片内以设定位置坐标为中心点，按照设定面积划分正方形区域，记为设定区域，根据待分析图片中各内容元素的位置坐标和外接矩形，获取待分析图片各内容元素与设定区域的相对方向、坐标夹角和重叠率。
4.根据权利要求3所述的一种基于数据分析的图片搜索结果智能筛选管理系统，其特征在于：所述获取待分析图片各内容元素与设定区域的相对方向、坐标夹角和重叠率，其具体过程为：根据待分析图片各内容元素与设定区域的位置坐标，由判定模型得到待分析图片各内容元素与设定区域的相对方向；
由公式得到待分析图片各内容元素与设定区域的坐标夹角；
通过图像处理技术获取待分析图片各内容元素与设定区域的重叠区域，将重叠区域内的像素总数量与设定区域的像素总数量的比值作为待分析图片各内容元素与设定区域的重叠率。
5.根据权利要求3所述的一种基于数据分析的图片搜索结果智能筛选管理系统，其特征在于：所述目标图片颜色相似度分析模块的具体分析过程包括：从图片数据库中提取各目标图片的颜色特征信息，将各目标图片的颜色直方图向量记为，其中w表示图像数据库中各目标图片的编号，/>，将待分析图片和各目标图片的各单元板块颜色特征向量中各维度特征值分别记为/>，其中q表示颜色特征向量中各维度的编号，，由公式/>得到各目标图片与待分析图片的颜色相似度，其中/>表示向量模符号，n表示单元板块总数目。
6.根据权利要求5所述的一种基于数据分析的图片搜索结果智能筛选管理系统，其特征在于：所述目标图片颜色相似度分析模块的具体分析过程还包括：根据各目标图片与待分析图片的颜色相似度，将其与图片颜色相似度设定阈值进行比对，若某目标图片与待分析图片的颜色相似度大于或等于图片颜色相似度设定阈值，将该目标图片记为初选图片，进而筛选得到图片数据库中各初选图片。
7.根据权利要求6所述的一种基于数据分析的图片搜索结果智能筛选管理系统，其特征在于：所述初选图片形状相似度分析模块的具体分析过程包括：根据图片数据库中存储的各目标图片的形状特征信息，获取各初选图片的形状特征信息，根据待分析图片中各内容元素的位置坐标，从各初选图片中提取与待分析图片中各内容元素位置坐标偏差最小的内容元素，将其作为各初选图片中与待分析图片中各内容元素对应的内容元素，记为各初选图片各指定元素；
将各初选图片各指定元素的形状轮廓与其对应待分析图片中的内容元素的形状轮廓进行比对，得到各初选图片各指定元素的形状轮廓符合度，其中/>表示图片数据库中各初选图片的编号，/>，/>表示各指定元素的编号，/>；
将各初选图片各指定元素的类别与其对应的待分析图片中的内容元素的类别进行比对，若类别相同，设定类别符合度为1，反之设定类别符合度为0，得到各初选图片各指定元素的类别符合度；
分析各初选图片与待分析图片的的形状相似度，其计算公式为：，其中/>分别表示预设的类别符合度、形状轮廓符合度对应形状相似评估的权重占比，/>表示初选图片指定元素总数量，e表示自然常数；
根据各初选图片与待分析图片的的形状相似度，将其与图片形状相似度设定阈值进行比对，若某初选图片与待分析图片的形状相似度大于或等于图片形状相似度设定阈值，将该初选图片记为进阶图片，进而筛选得到图片数据库中各进阶图片。
8.根据权利要求7所述的一种基于数据分析的图片搜索结果智能筛选管理系统，其特征在于：所述进阶图片空间相似度分析模块的具体分析过程包括：根据图片数据库中存储的各目标图片的空间特征信息，提取各进阶图片的空间特征信息，得到各进阶图片各指定元素与设定区域的相对方向、坐标夹角和重叠率，将各进阶图片各指定元素与设定区域的相对方向与待分析图片中对应内容元素与设定区域的相对方向进行比对，若相对方向一致，设定空间方向符合度为1，反之设定空间方向符合度为0，得到各进阶图片各指定元素的空间方向符合度，其中/>表示图片数据库中各进阶图片的编号，/>；
将各进阶图片各指定元素与设定区域的坐标夹角和待分析图片对应内容元素与设定正方形区域的坐标夹角作差，得到各进阶图片各指定元素的空间偏差角度；
同理得到各进阶图片各指定元素的重合率偏差；
分析各进阶图片与待分析图片的的空间相似度，其计算公式为：
，其中/>分别为预设的空间偏差角度、重合率偏差的允许误差；
根据各进阶图片与待分析图片的的空间相似度，将其与图片空间相似度设定阈值进行比对，若某进阶图片与待分析图片的空间相似度大于或等于图片空间相似度设定阈值，将该进阶图片记为精选图片，进而筛选得到图片数据库中各精选图片。
9.根据权利要求8所述的一种基于数据分析的图片搜索结果智能筛选管理系统，其特征在于：所述最优图片筛选模块的具体分析过程为：筛选出各进阶图片与待分析图片的颜色相似度、形状相似度和空间相似度，从各进阶图片与待分析图片的颜色相似度、形状相似度和空间相似度中提取各精选图片与待分析图片的颜色相似度、形状相似度/>和空间相似度/>，其中/>表示图片数据库中各精选图片的编号，/>，分析各精选图片与待分析图片的综合匹配度，其中/>分别表示预设的颜色相似度、形状相似度和空间相似度对应综合匹配评估的权重占比，筛选出与待分析图片的综合匹配度最大的精选图片作为最优图片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311006999.6A CN116737982B (zh) | 2023-08-11 | 2023-08-11 | 一种基于数据分析的图片搜索结果智能筛选管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311006999.6A CN116737982B (zh) | 2023-08-11 | 2023-08-11 | 一种基于数据分析的图片搜索结果智能筛选管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116737982A true CN116737982A (zh) | 2023-09-12 |
| CN116737982B CN116737982B (zh) | 2023-10-31 |
Family
ID=87902909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311006999.6A Active CN116737982B (zh) | 2023-08-11 | 2023-08-11 | 一种基于数据分析的图片搜索结果智能筛选管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116737982B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101211341A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 图像智能模式识别搜索方法 |
| CN102426583A (zh) * | 2011-10-10 | 2012-04-25 | 北京工业大学 | 基于图像内容分析的中医舌象检索方法 |
| CN103870569A (zh) * | 2014-03-13 | 2014-06-18 | 北方信息控制集团有限公司 | 一种基于内容的彩色动物图像检索方法与系统 |
| CN105205171A (zh) * | 2015-10-14 | 2015-12-30 | 杭州中威电子股份有限公司 | 基于颜色特征的图像检索方法 |
| US20160132498A1 (en) * | 2013-06-14 | 2016-05-12 | Microsoft Technology Licensing, Llc | Color Sketch Image Searching |
| WO2017000109A1 (zh) * | 2015-06-29 | 2017-01-05 | 北京旷视科技有限公司 | 搜索方法、搜索装置、用户设备和计算机程序产品 |
| CN107958073A (zh) * | 2017-12-07 | 2018-04-24 | 电子科技大学 | 一种基于粒子集群算法优化的彩色图像检索方法 |
| CN109460770A (zh) * | 2018-09-06 | 2019-03-12 | 徐庆 | 图像特征描述符提取方法、装置、计算机设备和存储介质 |
| KR20200099639A (ko) * | 2019-02-14 | 2020-08-25 | 한양대학교 에리카산학협력단 | 분할 이미지 기반 이미지 검색 시스템 및 그 방법 |
| CN115272689A (zh) * | 2022-07-22 | 2022-11-01 | 厦门理工学院 | 基于视图的空间形状识别方法、装置、设备和存储介质 |
| CN115344736A (zh) * | 2022-08-12 | 2022-11-15 | 电子科技大学 | 一种渐进式的图像文本匹配方法 |
-
2023
- 2023-08-11 CN CN202311006999.6A patent/CN116737982B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101211341A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 图像智能模式识别搜索方法 |
| CN102426583A (zh) * | 2011-10-10 | 2012-04-25 | 北京工业大学 | 基于图像内容分析的中医舌象检索方法 |
| US20160132498A1 (en) * | 2013-06-14 | 2016-05-12 | Microsoft Technology Licensing, Llc | Color Sketch Image Searching |
| CN103870569A (zh) * | 2014-03-13 | 2014-06-18 | 北方信息控制集团有限公司 | 一种基于内容的彩色动物图像检索方法与系统 |
| WO2017000109A1 (zh) * | 2015-06-29 | 2017-01-05 | 北京旷视科技有限公司 | 搜索方法、搜索装置、用户设备和计算机程序产品 |
| CN105205171A (zh) * | 2015-10-14 | 2015-12-30 | 杭州中威电子股份有限公司 | 基于颜色特征的图像检索方法 |
| CN107958073A (zh) * | 2017-12-07 | 2018-04-24 | 电子科技大学 | 一种基于粒子集群算法优化的彩色图像检索方法 |
| CN109460770A (zh) * | 2018-09-06 | 2019-03-12 | 徐庆 | 图像特征描述符提取方法、装置、计算机设备和存储介质 |
| KR20200099639A (ko) * | 2019-02-14 | 2020-08-25 | 한양대학교 에리카산학협력단 | 분할 이미지 기반 이미지 검색 시스템 및 그 방법 |
| CN115272689A (zh) * | 2022-07-22 | 2022-11-01 | 厦门理工学院 | 基于视图的空间形状识别方法、装置、设备和存储介质 |
| CN115344736A (zh) * | 2022-08-12 | 2022-11-15 | 电子科技大学 | 一种渐进式的图像文本匹配方法 |
Non-Patent Citations (6)
| Title |
|---|
| BYUNG K. JUNG 等: "Magnetic resonance image retrieval based on contour to centroid triangulation with shape feature similarity", ACM, pages 182 * |
| SUN, XIAOFEI 等: "Image retrieval with hand drawn draft based on saliency detection", PROCEEDINGS OF THE FIRST INTERNATIONAL CONFERENCE ON INFORMATION SCIENCES, MACHINERY, MATERIALS AND ENERGY (ICISMME 2015), pages 177 - 183 * |
| 刘志;潘晓彬;: "基于渲染图像角度结构特征的三维模型检索方法", 计算机科学, no. 2, pages 251 - 255 * |
| 郭庆文;王国胤;张清华;: "多粒度的图像检索方法研究", 计算机科学, no. 01, pages 298 - 301 * |
| 陈雅卿;: "一种基于颜色特征的图像检索方法的设计和实现", 安徽电子信息职业技术学院学报, no. 03, pages 16 - 18 * |
| 骆雪松;卢章平;袁浩;: "基于轮廓图的3D模型渐进式检索方法研究", 情报科学, no. 02, pages 263 - 268 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116737982B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108492343B (zh) | 一种扩充目标识别的训练数据的图像合成方法 | |
| İlsever et al. | Two-dimensional change detection methods: remote sensing applications | |
| Zhang et al. | Detecting and extracting the photo composites using planar homography and graph cut | |
| CN104866616B (zh) | 监控视频目标搜索方法 | |
| KR101548928B1 (ko) | 불변적인 시각적 장면 및 객체 인식 | |
| CN111709313B (zh) | 基于局部和通道组合特征的行人重识别方法 | |
| CN111402224B (zh) | 一种用于电力设备的目标识别方法 | |
| Hussain et al. | Robust pre-processing technique based on saliency detection for content based image retrieval systems | |
| CN114066848B (zh) | 一种fpca外观缺陷视觉检测系统 | |
| CN111275010A (zh) | 一种基于计算机视觉的行人重识别方法 | |
| CN107067037B (zh) | 一种使用llc准则定位图像前景的方法 | |
| CN114463567B (zh) | 一种基于区块链的智慧教育作业大数据防抄袭方法与系统 | |
| CN100397400C (zh) | 图形检索的方法 | |
| Solak et al. | A new method for classifying nuts using image processing and k‐means++ clustering | |
| CN114863464A (zh) | 一种pid图纸图件信息的二阶识别方法 | |
| CN117119253B (zh) | 一种针对目标对象的高质量视频抽帧方法 | |
| CN101118544A (zh) | 一种图像形状轮廓描述符的构造方法 | |
| CN109902690A (zh) | 图像识别技术 | |
| CN116737982B (zh) | 一种基于数据分析的图片搜索结果智能筛选管理系统 | |
| CN112418262A (zh) | 车辆再识别的方法、客户端及系统 | |
| CN116503622A (zh) | 基于计算机视觉图像的数据采集读取方法 | |
| CN112329798B (zh) | 一种基于优化视觉词袋模型的图像场景分类方法 | |
| Hsieh et al. | Region-based image retrieval | |
| CN113128251A (zh) | 一种鱼脸特征检测算法 | |
| CN108763263A (zh) | 一种商标检索方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An intelligent filtering and management system for image search results based on data analysis Granted publication date: 20231031 Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch Pledgor: Tuorui Technology Co.,Ltd. Registration number: Y2024980014392 |