[發(fā)明專利]基于小世界網(wǎng)絡(luò)的圖像檢索方法、裝置、計(jì)算設(shè)備及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811131785.0
• 申請(qǐng)日: 2018-09-27
• 公開（公告）號(hào): CN109408659B
• 公開（公告）日: 2021-07-02
• 發(fā)明（設(shè)計(jì)）人: 盧溜
• 申請(qǐng)（專利權(quán)）人: 廣州慧睿思通信息科技有限公司
• 主分類號(hào): G06F16/583
• 分類號(hào): G06F16/583;G06K9/62;G06N20/00
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李君

1.一種基于小世界網(wǎng)絡(luò)的圖像檢索方法，其特征在于，所述方法包括：

創(chuàng)建圖像庫；

提取圖像庫內(nèi)每張圖像的局部特征，具體為：將圖像庫內(nèi)的圖像統(tǒng)一轉(zhuǎn)換為灰度形式，根據(jù)每張圖像的特征，選擇圖像局部特征算法，提取每張圖像的局部特征點(diǎn)和對(duì)應(yīng)的特征值；

對(duì)圖像庫內(nèi)每張圖像的局部特征進(jìn)行學(xué)習(xí)，得到學(xué)習(xí)字典；

通過學(xué)習(xí)字典對(duì)圖像庫內(nèi)每張圖像的局部特征進(jìn)行稀疏處理，生成圖像庫內(nèi)每張圖像的特征向量，構(gòu)建該特征向量的小世界網(wǎng)絡(luò)；

提取目標(biāo)圖像的局部特征；

將目標(biāo)圖像的局部特征與小世界網(wǎng)絡(luò)中的圖像特征進(jìn)行匹配，具體為：根據(jù)學(xué)習(xí)字典，將目標(biāo)圖像的局部特征生成目標(biāo)特征向量；選取任一圖像特征作為小世界網(wǎng)絡(luò)的檢索起點(diǎn)，根據(jù)貪心算法在小世界網(wǎng)絡(luò)中尋找相似圖像的最短路徑，將目標(biāo)特征向量與檢索路徑中的特征向量進(jìn)行運(yùn)算，求出目標(biāo)圖像的局部特征和檢索路徑中的圖像特征之間的相似性度量；

根據(jù)匹配結(jié)果，篩選出圖像庫內(nèi)滿足相似度閾值條件的圖像和/或?qū)D像庫內(nèi)的圖像按照相似性度量從高到低進(jìn)行排序。

2.根據(jù)權(quán)利要求1所述的圖像檢索方法，其特征在于，所述對(duì)圖像庫內(nèi)每張圖像的局部特征進(jìn)行學(xué)習(xí)，得到學(xué)習(xí)字典，具體為：

采用聚類算法對(duì)圖像庫內(nèi)每張圖像的局部特征進(jìn)行學(xué)習(xí)，將圖像庫內(nèi)每張圖像的局部特征分為指定類別，并迭代學(xué)習(xí)出各個(gè)類別的中心，將各個(gè)類別的中心作為學(xué)習(xí)字典。

3.根據(jù)權(quán)利要求1所述的圖像檢索方法，其特征在于，所述通過學(xué)習(xí)字典對(duì)圖像庫內(nèi)每張圖像的局部特征進(jìn)行稀疏處理，生成圖像庫內(nèi)每張圖像的特征向量，構(gòu)建該特征向量的小世界網(wǎng)絡(luò)，具體包括：

根據(jù)學(xué)習(xí)字典，計(jì)算圖像庫內(nèi)每張圖像的局部特征在各個(gè)類別中心出現(xiàn)的頻率，得到每張圖像對(duì)應(yīng)的頻率向量，將該頻率向量作為特征向量；

按照小世界網(wǎng)絡(luò)的規(guī)則，構(gòu)建與學(xué)習(xí)字典、特征向量相應(yīng)的數(shù)據(jù)結(jié)構(gòu)，將學(xué)習(xí)字典和特征向量按照該數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)在數(shù)據(jù)庫中，構(gòu)建該特征向量的小世界網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的圖像檢索方法，其特征在于，所述創(chuàng)建圖像庫，具體包括：

獲取多張圖像；

檢測(cè)獲取圖像的分辨率；

當(dāng)存在分辨率大于預(yù)定分辨率值的圖像時(shí)，降低該圖像的分辨率，獲得大小符合要求的圖像；

根據(jù)所有大小符合要求的圖像，創(chuàng)建圖像庫。

5.一種基于小世界網(wǎng)絡(luò)的圖像檢索裝置，其特征在于，所述裝置包括：

圖像庫創(chuàng)建模塊，用于創(chuàng)建圖像庫；

第一特征提取模塊，用于提取圖像庫內(nèi)每張圖像的局部特征，具體為：將圖像庫內(nèi)的圖像統(tǒng)一轉(zhuǎn)換為灰度形式，根據(jù)每張圖像的特征，選擇圖像局部特征算法，提取每張圖像的局部特征點(diǎn)和對(duì)應(yīng)的特征值；

學(xué)習(xí)模塊，用于對(duì)圖像庫內(nèi)每張圖像的局部特征進(jìn)行學(xué)習(xí)，得到學(xué)習(xí)字典；

小世界網(wǎng)絡(luò)構(gòu)建模塊，用于通過學(xué)習(xí)字典對(duì)圖像庫內(nèi)每張圖像的局部特征進(jìn)行稀疏處理，生成圖像庫內(nèi)每張圖像的特征向量，構(gòu)建該特征向量的小世界網(wǎng)絡(luò)；

第二特征提取模塊，用于提取目標(biāo)圖像的局部特征；

特征匹配模塊，用于將目標(biāo)圖像的局部特征與小世界網(wǎng)絡(luò)中的圖像特征進(jìn)行匹配，具體為：根據(jù)學(xué)習(xí)字典，將目標(biāo)圖像的局部特征生成目標(biāo)特征向量，選取任一圖像特征作為小世界網(wǎng)絡(luò)的檢索起點(diǎn)，根據(jù)貪心算法在小世界網(wǎng)絡(luò)中尋找相似圖像的最短路徑，將目標(biāo)特征向量與檢索路徑中的特征向量進(jìn)行運(yùn)算，求出目標(biāo)圖像的局部特征和檢索路徑中的圖像特征之間的相似性度量；

相似度判斷模塊，用于根據(jù)匹配結(jié)果，篩選出圖像庫內(nèi)滿足相似度閾值條件的圖像和/或?qū)D像庫內(nèi)的圖像按照相似性度量從高到低進(jìn)行排序。

6.根據(jù)權(quán)利要求5所述的圖像檢索裝置，其特征在于，所述小世界網(wǎng)絡(luò)構(gòu)建模塊，具體包括：

特征向量計(jì)算單元，用于根據(jù)學(xué)習(xí)字典，計(jì)算圖像庫內(nèi)每張圖像的局部特征在各個(gè)類別中心出現(xiàn)的頻率，得到每張圖像對(duì)應(yīng)的頻率向量，將該頻率向量作為特征向量；

構(gòu)建單元，用于按照小世界網(wǎng)絡(luò)的規(guī)則，構(gòu)建與學(xué)習(xí)字典、特征向量相應(yīng)的數(shù)據(jù)結(jié)構(gòu)，將學(xué)習(xí)字典和特征向量按照該數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)在數(shù)據(jù)庫中，構(gòu)建該特征向量的小世界網(wǎng)絡(luò)。