[發明專利]基于小世界網絡的圖像檢索方法、裝置、計算設備及介質

有效

• 申請號: 201811131785.0
• 申請日: 2018-09-27
• 公開（公告）號: CN109408659B
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 盧溜
• 申請（專利權）人: 廣州慧睿思通信息科技有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/62;G06N20/00
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李君

本發明公開了一種基于小世界網絡的圖像檢索方法、裝置、計算設備及介質，所述方法包括：創建圖像庫；提取圖像庫內每張圖像的局部特征；對圖像庫內每張圖像的局部特征進行學習，得到學習字典；根據學習字典，生成圖像庫內每張圖像的特征向量，構建該特征向量的小世界網絡；提取目標圖像的局部特征；將目標圖像的局部特征與小世界網絡中的圖像特征進行匹配；根據匹配結果，篩選出圖像庫內滿足相似度閾值條件的圖像和/或將圖像庫內的圖像按照相似性度量從高到低進行排序。本發明采用機器學習得到學習字典，并根據學習字典構建具有圖像特征的小世界網絡，以小世界網絡為圖像檢索模型，極大地提高了圖像檢索的處理效率和準確率，增大了業務吞吐量。

技術領域

本發明涉及一種圖像檢索方法，尤其是一種基于小世界網絡的圖像檢索方法、裝置、計算設備及介質，屬于圖像檢索領域。

背景技術

長期以來，公檢法部門對證據圖像的分類和查找還停留在人工處理階段，而由于證據圖像文字居多且差別較小的原因，當圖像庫的數據量較大的時候，人工處理不僅消耗大量的人力和時間，而且容易出現誤判的情況。

隨著人工智能技術的發展和硬件算力的提升，機器學習算法在圖像處理領域取得了廣泛的應用，證據圖像通常是文檔掃描得到，文字居多且存在噪聲和偏移同時圖像間的區別主要是局部文字的不同，在利用機器學習算法進行檢索時應該區別于傳統的圖像類圖像，要求其突出圖像局部信息的同時具有較好的魯棒性。

因此，如何將機器學習算法延展后應用于證據圖像的檢索，以提高證據圖像檢索的速度和準確率，是業界需要探索的方向。

發明內容

本發明的第一個目的是為了解決上述現有技術的缺陷，提供了一種基于小世界網絡的圖像檢索方法，該方法采用機器學習得到學習字典，并根據學習字典構建具有圖像特征的小世界網絡，以小世界網絡為圖像檢索模型，極大地提高了圖像檢索的處理效率和準確率，增大了業務吞吐量。

本發明的第二個目的在于提供一種基于小世界網絡的圖像檢索裝置。

本發明的第三個目的在于提供一種計算設備。

本發明的第四個目的在于提供一種存儲介質。

本發明的第一個目的可以通過采取如下技術方案達到：

一種基于小世界網絡的圖像檢索方法，所述方法包括：

創建圖像庫；

提取圖像庫內每張圖像的局部特征；

對圖像庫內每張圖像的局部特征進行學習，得到學習字典；

根據學習字典，生成圖像庫內每張圖像的特征向量，構建該特征向量的小世界網絡；

提取目標圖像的局部特征；

將目標圖像的局部特征與小世界網絡中的圖像特征進行匹配；

根據匹配結果，篩選出圖像庫內滿足相似度閾值條件的圖像和/或將圖像庫內的圖像按照相似性度量從高到低進行排序。

進一步的，所述提取圖像庫內每張圖像的局部特征，具體為：

將圖像庫內的每張圖像轉換為灰度形式，采用圖像局部特征算法提取每張圖像的局部特征點和對應的特征值。

進一步的，所述對圖像庫內每張圖像的局部特征進行學習，得到學習字典，具體為：

采用聚類算法對圖像庫內每張圖像的局部特征進行學習，將圖像庫內每張圖像的局部特征分為指定類別，并迭代學習出各個類別的中心，將各個類別的中心作為學習字典。

進一步的，所述根據學習字典，生成圖像庫內每張圖像的特征向量，構建該特征向量的小世界網絡，具體包括：