[發明專利]一種數據處理方法及裝置

有效

• 申請號: 201310712257.5
• 申請日: 2013-12-19
• 公開（公告）號: CN104731805B
• 公開（公告）日: 2018-12-07
• 發明（設計）人: 白琳;王鋼;張慧芳;陳昌文;王繼偉
• 申請（專利權）人: 中國移動通信集團廣東有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

本發明提供了一種數據處理方法及裝置，其中，所述方法包括：獲取待檢測圖片的第一特征值和圖片庫中的圖片的第二特征值；根據所述第一特征值和所述第二特征值，獲得所述待檢測圖片與所述圖片庫中的圖片之間的特征距離值；對所述特征距離值進行歸一化處理，獲得歸一化處理結果；根據所述歸一化處理結果，獲得所述待檢測圖片與所述圖片庫中的圖片的相似距離。本發明提供的方案相對簡單，能夠有效定量得到特征間的距離，同時又能夠方便的把多個特征的地位均衡；在對多個特征做歸一化后的值均大于等于0，不同圖片的特征有唯一的不同的歸一化值，保證同樣圖片的距離歸一后為0。通過技術改進提高了相似圖片搜索的質量。

技術領域

本發明涉及圖像圖形中相似距離計算技術領域，特別涉及一種數據處理方法及裝置。

背景技術

現有技術中計算圖像圖形的相似距離多使用如下四種方案：

方案一

現有的使用歸一法計算多特征計算距離的方案。一般都會采用高斯歸一算法，因為高斯歸一效果比較好，一般會使用下面（1-1）公式最終的歸一處理，簡單但降低了搜索的質量。原因是距離小于0的多個距離值都被歸一為0，而大于1的就被處理成1。

特征歸到0到1區間

其中，N_i為每一個特征歸一化后的值。

這個是被大量采用的方案，但有兩個非常明顯的缺點：

從公式（1-1）看出，多張圖片的特征值在歸一時可能因為小于0而被歸成0，這樣的話，不同的圖片距離值變得一樣，這明顯是有問題的，不利于找到最合適的相似圖。同樣大于1的情況也存在類似的問題。同時在邏輯上來說，如果距離為0的話，理想應該就是2張一模一樣的圖片，理想的情況是不同的圖片有不同的距離值。

由上分析得知，這樣沒有經過優化過的算法造成在相似搜索時質量變差，而精確搜索同樣的圖片時會出現多張不同的圖片但距離值都是0。

分析原因：造成的原因是公式（1-1）簡單歸一造成的，小于零的距離值都被歸成0，這樣的話有多張圖片的特征值在歸一時都被歸成0了，這時究竟哪張圖片的距離是最小呢？在相似距離的判斷中，這直接影響相似的排序和質量。簡單地把這一步去掉也不行，這樣的話就會存在負值了，負值的問題在于如果比較的2張圖片是一樣的，那計算出來的距離邏輯上應該為0才對。

方案二

聚類法-通過對多個特征進行聚類，使用K-MEAN等類似的聚類算法，得到相似特征集合。缺點是不方便定量得到精確的特征間的距離，結果粗糙，大多數時候是一個定性的結果。

方案三

直接使用廣義歐氏計算公式進行多特征整合，如下：

其中，w_i是權重。優點是能定量得到特征的距離，但是，多個特征之間的地位不平等，需要進行大量的試驗確定w_i來實現各個特征的平衡或者說是突出某一特征，即平衡各特征間地位的步驟相當復雜，而該步驟對相似度判斷結果影響較大。

方案四

主成分分析法principal component analysis(PCA)

主成分分析也稱主分量分析，旨在利用降維的思想，把多指標轉化為少數幾個綜合指標。主成分分析法簡介-principal component analysis(PCA)主成分分析法是一種數學變換的方法,它把給定的一組相關變量通過線性變換轉成另一組不相關的變量，這些新的變量按照方差依次遞減的順序排列。在數學變換中保持變量的總方差不變，使第一變量具有最大的方差，稱為第一主成分；第二變量的方差次大，并且和第一變量不相關，稱為第二主成分；依次類推。