一種圖像檢索方法及服務(wù)器技術(shù)

本發(fā)明專利技術(shù)公開了一種圖像檢索方法。預(yù)先根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層，當(dāng)接收到待查詢圖像時(shí)，根據(jù)待查詢圖像的對(duì)比特征提取第一數(shù)量的子特征，將各聚類層中與對(duì)應(yīng)的子特征距離接近的聚類設(shè)置為特殊聚類，根據(jù)特殊聚類以及各圖像在各聚類層中所對(duì)應(yīng)的聚類篩選候選圖像，最后根據(jù)待查詢圖像的對(duì)比特征對(duì)候選圖像的原始特征進(jìn)行線性搜索，以確定與待查詢圖像相似的圖像。從而能夠在確保檢索精度的情況下大幅減少原始特征線性搜索范圍，顯著地降低了線性搜索耗時(shí)，有效提高檢索效率。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種圖像檢索方法及服務(wù)器
本專利技術(shù)涉及通信
，特別涉及一種圖像檢索方法。本專利技術(shù)同時(shí)還涉及一種服務(wù)器。
技術(shù)介紹
基于內(nèi)容的圖像檢索是根據(jù)圖像的視覺內(nèi)容檢索圖像的技術(shù)，主要包括特征提取和特征相似性匹配兩個(gè)過(guò)程。由于技術(shù)日臻成熟，圖像檢索技術(shù)在人臉比對(duì)、車輛搜索等“以圖搜圖”等領(lǐng)域有著越來(lái)越廣泛的應(yīng)用。隨著海量圖像數(shù)據(jù)的采集與分析，圖像數(shù)據(jù)庫(kù)規(guī)模也越來(lái)越龐大，對(duì)檢索效率提出越來(lái)越高的要求。為了加快圖像檢索的速度，現(xiàn)有技術(shù)中通常將特征空間分解為多個(gè)低維子空間的笛卡爾乘積，然后單獨(dú)地對(duì)每一個(gè)子空間進(jìn)行量化，利用量化空間的非對(duì)稱距離進(jìn)行相似性搜索。或者是該方式在提取圖像特征之后對(duì)特征數(shù)據(jù)庫(kù)中的進(jìn)行近鄰檢索。專利技術(shù)人在實(shí)現(xiàn)本申請(qǐng)的過(guò)程中發(fā)現(xiàn)，上述現(xiàn)有技術(shù)分別存在以下缺點(diǎn)：對(duì)于利用特征量化后的非對(duì)稱距離進(jìn)行相似性比較的方案會(huì)一定程度增加相似距離誤差，影響相似性排序，導(dǎo)致最相似圖像排序未被檢索出來(lái)；而在提取圖像特征之后對(duì)特征數(shù)據(jù)庫(kù)中的進(jìn)行近鄰檢索的方案對(duì)誤操作過(guò)程要求較高。由此可見，如何在保證檢索精度的前提下提高圖像檢索速度，成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)提供了一種圖像檢索方法，用以解決現(xiàn)有技術(shù)中無(wú)法在保證精度的同時(shí)對(duì)圖像進(jìn)行快速檢索的問題，該方法應(yīng)用于圖像檢索服務(wù)器，包括如下步驟：根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層，各所述聚類層所包含第二數(shù)量的聚類，所述聚類層根據(jù)所述原始特征的排名在閾值之前的特征值所對(duì)應(yīng)的正交特征依次分解生成，所述特征值和所述正交特征由所述原始特征在經(jīng)過(guò)指定方式的處理后生成；當(dāng)接收到待查詢圖像時(shí)，根據(jù)所述待查詢圖像的對(duì)比特征提取所述第一數(shù)量的子特征，所述子特征根據(jù)所述對(duì)比特征中特征值排名在所述閾值之前的對(duì)比特征依次分解生成，各所述子特征與各所述聚類層在層次順序上一一對(duì)應(yīng)；將各所述聚類層中與對(duì)應(yīng)的所述子特征距離接近的聚類設(shè)置為特殊聚類；根據(jù)所述特殊聚類以及各所述圖像在各所述聚類層中所對(duì)應(yīng)的聚類篩選候選圖像；根據(jù)所述待查詢圖像的對(duì)比特征對(duì)所述候選圖像的原始特征進(jìn)行線性搜索，以確定與所述待查詢圖像相似的圖像。優(yōu)選的，根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層，具體為：提取所述圖像庫(kù)中所有圖像的原始特征，并對(duì)所述原始特征進(jìn)行PCA分析，以生成所述特征值和所述正交特征；獲取排名在所述閾值之前的特征值所對(duì)應(yīng)的正交特征；將所述正交特征空間按順序分解為所述第一數(shù)量的子空間；對(duì)應(yīng)于各所述子空間通過(guò)聚類生成所述第二數(shù)量的聚類，并將所述聚類后的所述子空間作為所述聚類層。優(yōu)選的，將各所述聚類層中與對(duì)應(yīng)的所述子特征距離接近的聚類設(shè)置為特殊聚類，具體為：按照層次順序獲取各所述子特征與對(duì)應(yīng)的聚類層中各個(gè)聚類的距離關(guān)系，并按照從近到遠(yuǎn)的順序?qū)λ鼍嚯x關(guān)系進(jìn)行排序；生成所述子特征與所述聚類的距離關(guān)系映射表，并按照所述排序結(jié)果將排名在指定數(shù)量之內(nèi)的表項(xiàng)的取值置1；其中，所述指定數(shù)量根據(jù)所述第二數(shù)量以及預(yù)設(shè)的精度生成。優(yōu)選的，在根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層之后，還包括：將各所述圖像在各所述聚類層中所對(duì)應(yīng)的聚類進(jìn)行映射，并根據(jù)映射結(jié)果生成與各所述圖像對(duì)應(yīng)的多維索引，所述多維索引的維度與所述第一數(shù)量一致。優(yōu)選的，根據(jù)所述特殊聚類以及各所述圖像在各所述聚類層中所對(duì)應(yīng)的聚類篩選候選圖像，具體為：將所述圖像的多維索引作為索引值，在所述距離關(guān)系映射表中分別查詢與所述索引值對(duì)應(yīng)的表項(xiàng)的取值；根據(jù)所述查詢結(jié)果生成與所述圖像對(duì)應(yīng)的多維距離關(guān)系向量；若所述多維距離關(guān)系向量中1值所占的比例大于比例閾值，將所述圖像作為所述候選圖像。相應(yīng)的，本申請(qǐng)還提出了一種圖像檢索服務(wù)器，包括：生成模塊，根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層，各所述聚類層所包含第二數(shù)量的聚類，所述聚類層根據(jù)所述原始特征的排名在閾值之前的特征值所對(duì)應(yīng)的正交特征依次分解生成，所述特征值和所述正交特征由所述原始特征在經(jīng)過(guò)指定方式的處理后生成；提取模塊，根據(jù)所述待查詢圖像的對(duì)比特征提取所述第一數(shù)量的子特征，所述子特征根據(jù)所述對(duì)比特征中特征值排名在所述閾值之前的對(duì)比特征依次分解生成，各所述子特征與各所述聚類層在層次順序上一一對(duì)應(yīng)；設(shè)置模塊，將各所述聚類層中與對(duì)應(yīng)的所述子特征距離接近的聚類設(shè)置為特殊聚類；篩選模塊，根據(jù)所述特殊聚類以及各所述圖像在各所述聚類層中所對(duì)應(yīng)的聚類篩選候選圖像；搜索模塊，根據(jù)所述待查詢圖像的對(duì)比特征對(duì)所述候選圖像的原始特征進(jìn)行線性搜索，以確定與所述待查詢圖像相似的圖像。優(yōu)選的，所述生成模塊具體用于：提取所述圖像庫(kù)中所有圖像的原始特征，并對(duì)所述原始特征進(jìn)行PCA分析，以生成所述特征值和所述正交特征；獲取排名在所述閾值之前的特征值所對(duì)應(yīng)的正交特征；將所述正交特征空間按順序分解為所述第一數(shù)量的子空間；對(duì)應(yīng)于各所述子空間通過(guò)聚類生成所述第二數(shù)量的聚類，并將所述聚類后的所述子空間作為所述聚類層。優(yōu)選的，所述設(shè)置模塊具體用于：按照層次順序獲取各所述子特征與對(duì)應(yīng)的聚類層中各個(gè)聚類的距離關(guān)系，并按照從近到遠(yuǎn)的順序?qū)λ鼍嚯x關(guān)系進(jìn)行排序；生成所述子特征與所述聚類的距離關(guān)系映射表，并按照所述排序結(jié)果將排名在指定數(shù)量之內(nèi)的表項(xiàng)的取值置1；其中，所述指定數(shù)量根據(jù)所述第二數(shù)量以及預(yù)設(shè)的精度生成。優(yōu)選的，還包括：映射模塊，將各所述圖像在各所述聚類層中所對(duì)應(yīng)的聚類進(jìn)行映射，并根據(jù)映射結(jié)果生成與各所述圖像對(duì)應(yīng)的多維索引，所述多維索引的維度與所述第一數(shù)量一致。優(yōu)選的，所述篩選模塊具體用于：將所述圖像的多維索引作為索引值，在所述距離關(guān)系映射表中分別查詢與所述索引值對(duì)應(yīng)的表項(xiàng)的取值；根據(jù)所述查詢結(jié)果生成與所述圖像對(duì)應(yīng)的多維距離關(guān)系向量；若所述多維距離關(guān)系向量中1值所占的比例大于比例閾值，將所述圖像作為所述候選圖像。由此可見，通過(guò)應(yīng)用本申請(qǐng)的技術(shù)方案，預(yù)先根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層，當(dāng)接收到待查詢圖像時(shí)，根據(jù)待查詢圖像的對(duì)比特征提取第一數(shù)量的子特征，將各聚類層中與對(duì)應(yīng)的子特征距離接近的聚類設(shè)置為特殊聚類，根據(jù)特殊聚類以及各圖像在各聚類層中所對(duì)應(yīng)的聚類篩選候選圖像，最后根據(jù)待查詢圖像的對(duì)比特征對(duì)候選圖像的原始特征進(jìn)行線性搜索，以確定與待查詢圖像相似的圖像。從而能夠在確保檢索精度的情況下大幅減少原始特征線性搜索范圍，顯著地降低了線性搜索耗時(shí)，有效提高檢索效率。附圖說(shuō)明圖1為本申請(qǐng)?zhí)岢龅囊环N圖像檢索方法的流程示意圖；圖2為本申請(qǐng)具體實(shí)施例所提出的一種圖像檢索方法的整體流程圖；圖3為本申請(qǐng)具體實(shí)施例中多層kmeans聚類的流程示意圖；圖4為本申請(qǐng)具體實(shí)施例中距離關(guān)系映射流程示意圖；圖5為本申請(qǐng)?zhí)岢龅囊环N圖像檢索設(shè)備的結(jié)構(gòu)示意圖。具體實(shí)施方式如
技術(shù)介紹
所述，現(xiàn)有技術(shù)中針對(duì)圖像檢索所提出的加速方案存在著精度下降或是操作過(guò)程過(guò)高的缺陷。有鑒于此，本申請(qǐng)?zhí)岢隽艘环N圖像檢索方法，通過(guò)聚類技術(shù)快速篩選相似圖像子集，減少特征比對(duì)次數(shù)，從而有效提高檢索效率。如圖1所示，為本申請(qǐng)?zhí)岢龅囊环N圖像檢索方法的流程示意圖，包括如下步驟：S101，根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層，各所述聚類層所包含第二數(shù)量的聚類，所述聚類層根據(jù)所述原始特征的排名在閾值之前的特征值所對(duì)應(yīng)的正交特征依次分解生成，所述特征值和所述正交本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種圖像檢索方法，應(yīng)用于圖像檢索服務(wù)器，其特征在于，包括：根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層，各所述聚類層所包含第二數(shù)量的聚類，所述聚類層根據(jù)所述原始特征的排名在閾值之前的特征值所對(duì)應(yīng)的正交特征依次分解生成，所述特征值和所述正交特征由所述原始特征在經(jīng)過(guò)指定方式的處理后生成；當(dāng)接收到待查詢圖像時(shí)，根據(jù)所述待查詢圖像的對(duì)比特征提取所述第一數(shù)量的子特征，所述子特征根據(jù)所述對(duì)比特征中特征值排名在所述閾值之前的對(duì)比特征依次分解生成，各所述子特征與各所述聚類層在層次順序上一一對(duì)應(yīng)；將各所述聚類層中與對(duì)應(yīng)的所述子特征距離接近的聚類設(shè)置為特殊聚類；根據(jù)所述特殊聚類以及各所述圖像在各所述聚類層中所對(duì)應(yīng)的聚類篩選候選圖像；根據(jù)所述待查詢圖像的對(duì)比特征對(duì)所述候選圖像的原始特征進(jìn)行線性搜索，以確定與所述待查詢圖像相似的圖像。

【技術(shù)特征摘要】
1.一種圖像檢索方法，應(yīng)用于圖像檢索服務(wù)器，其特征在于，包括：根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層，各所述聚類層所包含第二數(shù)量的聚類，所述聚類層根據(jù)所述原始特征的排名在閾值之前的特征值所對(duì)應(yīng)的正交特征依次分解生成，所述特征值和所述正交特征由所述原始特征在經(jīng)過(guò)指定方式的處理后生成；當(dāng)接收到待查詢圖像時(shí)，根據(jù)所述待查詢圖像的對(duì)比特征提取所述第一數(shù)量的子特征，所述子特征根據(jù)所述對(duì)比特征中特征值排名在所述閾值之前的對(duì)比特征依次分解生成，各所述子特征與各所述聚類層在層次順序上一一對(duì)應(yīng)；將各所述聚類層中與對(duì)應(yīng)的所述子特征距離接近的聚類設(shè)置為特殊聚類；根據(jù)所述特殊聚類以及各所述圖像在各所述聚類層中所對(duì)應(yīng)的聚類篩選候選圖像；根據(jù)所述待查詢圖像的對(duì)比特征對(duì)所述候選圖像的原始特征進(jìn)行線性搜索，以確定與所述待查詢圖像相似的圖像。2.如權(quán)利要求1所述的方法，其特征在于，根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層，具體為：提取所述圖像庫(kù)中所有圖像的原始特征，并對(duì)所述原始特征進(jìn)行PCA分析，以生成所述特征值和所述正交特征；獲取排名在所述閾值之前的特征值所對(duì)應(yīng)的正交特征；將所述正交特征空間按順序分解為所述第一數(shù)量的子空間；對(duì)應(yīng)于各所述子空間通過(guò)聚類生成所述第二數(shù)量的聚類，并將所述聚類后的所述子空間作為所述聚類層。3.如權(quán)利要求1或2任一項(xiàng)所述的方法，其特征在于，將各所述聚類層中與對(duì)應(yīng)的所述子特征距離接近的聚類設(shè)置為特殊聚類，具體為：按照層次順序獲取各所述子特征與對(duì)應(yīng)的聚類層中各個(gè)聚類的距離關(guān)系，并按照從近到遠(yuǎn)的順序?qū)λ鼍嚯x關(guān)系進(jìn)行排序；生成所述子特征與所述聚類的距離關(guān)系映射表，并按照所述排序結(jié)果將排名在指定數(shù)量之內(nèi)的表項(xiàng)的取值置1；其中，所述指定數(shù)量根據(jù)所述第二數(shù)量以及預(yù)設(shè)的精度生成。4.如權(quán)利要求3所述的方法，其特征在于，在根據(jù)圖像庫(kù)中所有圖像的原始特征生成第一數(shù)量的聚類層之后，還包括：將各所述圖像在各所述聚類層中所對(duì)應(yīng)的聚類進(jìn)行映射，并根據(jù)映射結(jié)果生成與各所述圖像對(duì)應(yīng)的多維索引，所述多維索引的維度與所述第一數(shù)量一致。5.如權(quán)利要求4所述的方法，其特征在于，根據(jù)所述特殊聚類以及各所述圖像在各所述聚類層中所對(duì)應(yīng)的聚類篩選候選圖像，具體為：將所述圖像的多維索引作為索引值，在所述距離關(guān)系映射表中分別查詢與所述索引值對(duì)應(yīng)的表項(xiàng)的取值；根據(jù)所述查詢結(jié)果生成與所述圖像對(duì)應(yīng)的多維距...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：胡來(lái)豐，
申請(qǐng)(專利權(quán))人：浙江宇視科技有限公司，
類型：發(fā)明
國(guó)別省市：浙江,33