[發明專利]一種同源圖片檢索的方法

有效

• 申請號: 201710384823.2
• 申請日: 2017-05-26
• 公開（公告）號: CN107193979B
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 馬良莊;蔡毅;朱奕
• 申請（專利權）人: 成都掌中全景信息技術有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583
• 代理公司: 成都華風專利事務所(普通合伙) 51223
• 代理人: 徐豐

本發明公開了一種同源圖片檢索的方法，包括：建立特征提取模型，再根據特征提取模型建立名稱變量型特征提取模型；對該變量型特征提取模型依次輸入兩張圖片進行調整，獲得優化后的名稱變量型特征提取模型，然后，根據多次獲取兩張原始圖片的名稱變量型特征向量，獲取他們之間的差異性；歸納出兩張圖片屬于同源圖片時，差異性所滿足的預設條件；建立每張原始圖片與對應的名稱變量型特征向量之間的索引庫；對優化后的名稱變量型特征提取模型輸入任意一張圖時，根據獲得的對應的名稱變量型特征向量以及兩張圖片的名稱變量型特征向量的差異性所滿足的預設條件，在索引庫中查找與之對應的原始圖片，能夠快速、精確、有效的檢索同源圖片。

技術領域

本發明涉及圖片檢索技術領域，尤其涉及一種同源圖片檢索的方法。

背景技術

同源圖片是指在同一平臺上有相同來源的圖片，例如一張原圖經過拍照之后得到圖片都屬于同源圖片，以及對原圖作模糊、縮放、旋轉、明暗、透視、色差、遮擋等處理之后的圖片都屬于同源圖片。

互聯網時代，大量的數據都是有用戶自己根據需求產生的，同一數據源進入互聯網之后，用戶會根據自己的需求，對原始數據源進行處理，從而產生大量的新的數據，例如，某網友在互聯網上傳一張圖片，圖片傳播的過程中會經過不同用戶的各種處理、變換、壓縮、PS等操作，從而產生大量的類似的圖片。基于此再做同源圖片檢索的時候，就無法應用簡單的圖片特征，如現有的MD5等查找同源圖片，而只能使用基于圖片內容相似度的匹配。

目前同源圖片識別的技術主要有圖片相似度識別。文字標簽、基于水印技術等、大多數圖片相似度的技術都是使用SIFT等技術實現，該方法運算量大而且對于同源圖片識別準確率不高，主要因為SIFT等方法都是基于模糊匹配，對邊緣光滑的目標無法準確提取特征點，不能保證圖片確切相似，更無法保證是同源圖片。而基于文字標簽的技術更是一種比較簡單的技術，文字標簽工作量大而且很難跨平臺實現，同時也會因為用戶操作丟失文字標簽，因此，在互聯網大數據時代這些傳統的技術很難實現精確快速的同源圖片檢索。

因此，現有的同源圖片檢索存在檢索準確性差的技術問題。

發明內容

本發明主要解決的技術問題是現有同源圖片存在檢索準確性差的技術問題，因而提供一種同源圖片檢索的方法，能夠快速、精確、有效的檢索同源圖片。

為解決上述技術問題，本發明采用的一個技術方案是：提供一種同源圖片檢索的方法，包括如下內容：

建立特征提取模型；

建立名稱變量型特征提取模型,具體為：對所述特征提取模型依次輸入兩張圖片，并根據所述特征提取模型獲取的兩個特征向量，分別對應獲取兩張圖片的名稱變量型特征向量，所述兩張圖片具體為同源圖片或非同源圖片；

基于第一損失函數訓練并調整所述名稱變量型特征提取模型的參數，獲得優化后的名稱變量型特征提取模型；

對所述優化后的名稱變量型特征提取模型再依次輸入兩張圖片，獲取所述兩張圖片的名稱變量型特征向量之間的差異性；

基于多次獲取的兩張圖片的差異性，歸納出兩張圖片屬于同源圖片時，所述差異性所滿足的預設條件；

基于所述優化后的名稱變量型特征提取模型，獲得數據庫中每張原始圖片所對應的名稱變量型特征向量，建立每張原始圖片與名稱變量型特征向量的對應關系形成的索引庫；

對所述優化后的名稱變量型特征提取模型輸入任意一張圖時，根據獲得的對應的名稱變量型特征向量以及兩張圖片的名稱變量型特征向量的差異性所滿足的預設條件，在所述索引庫中查找與之對應的原始圖片。