[發明專利]相似圖像聚類方法及裝置、存儲介質、電子設備

有效

• 申請號: 201710994492.4
• 申請日: 2017-10-23
• 公開（公告）號: CN109697451B
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 黃志標;安山;陳宇;貟雯婷;翁志
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本公開是關于一種相似圖像聚類方法、相似圖像聚類裝置、計算機可讀存儲介質及電子設備，涉及圖像處理技術領域，該方法包括：通過卷積神經網絡模型提取多個圖像的圖像特征并對所述圖像特征進行哈希映射；通過強連通分量聚類方法對所述圖像特征進行聚類，以確定聚類類別；為各所述圖像特征提供一類別標識并根據所述類別標識從數據庫中獲取所述相似圖像。本公開可以提高相似圖像聚類效率。

技術領域

本公開涉及圖像處理技術領域，具體而言，涉及一種相似圖像聚類方法、相似圖像聚類裝置、計算機可讀存儲介質以及電子設備。

背景技術

在圖像檢索、圖像的版權保護、視頻智能分析等領域的圖像存儲過程中，經常會出現重復存儲相同或者相似圖像的現象，為了避免該現象的出現，可以對相似圖像進行聚類從而根據聚類結果對相似圖像進行處理。

相關技術中，大多會采用K均值聚類方法、DBSCAN（Density-Based SpatialClustering of Applications with Noise）基于密度的聚類方法或者層次聚類方法對相似圖像進行聚類。其中，K均值聚類方法通過隨機從樣本中選擇初始類中心，通過將當前樣本與多個類中心之間的歐氏距離最小的類中心編號作為樣本所在的類別，然后計算樣本類別對應的集合中特征向量的均值向量并更新當前類別所對應的類中心；DBSCAN聚類方法可以利用每個點很小的鄰域內樣本點的個數來計算該點處的密度確定其周圍的核心點所在類別；層次聚類可以通過將所有樣本各自設為一類作為最底層，并將類別兩兩合并的方法，或者將所有樣本聚為多個類別作為最頂層，并對每個類別樣本進行迭代拆分的方法確定類別數。

上述聚類方法中可能存在以下問題：一、對圖像進行聚類時需要人工事先指定聚類的類別數，準確性較差且效率較低；二、在樣本數目較大、復雜度在特征向量的維數較高會占用大量內存，因此導致內存不足的情況。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種相似圖像聚類方法、相似圖像聚類裝置、計算機可讀存儲介質以及電子設備，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的一個或者多個問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的一個方面，提供一種相似圖像聚類方法，包括：

通過卷積神經網絡模型提取多個圖像的圖像特征并對所述圖像特征進行哈希映射；

通過強連通分量聚類方法對所述圖像特征進行聚類，以確定聚類類別；

為各所述圖像特征提供一類別標識并根據所述類別標識從數據庫中獲取所述相似圖像。

在本公開的一種示例性實施例中，對所述圖像特征進行哈希映射包括：

通過哈希量化編碼方法將各所述圖像的所述圖像特征轉換為二值碼。

在本公開的一種示例性實施例中，通過強連通分量聚類方法對所述圖像特征進行聚類包括：

通過所述二值碼計算多個圖像之間的相似度并對所述二值碼進行排序；

分別以各所述圖像的所述二值碼為頂點構建有向圖；

查找所述有向圖中的所有強連通分量以確定聚類的類別數量。

在本公開的一種示例性實施例中，通過所述二值碼計算多個圖像之間的相似度并對所述二值碼進行排序包括：

計算各所述圖像對應的所述二值碼與一查詢二值碼之間的漢明距離以獲取所述相似度；

對所述二值碼根據所述漢明距離進行排序。