[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)的圖像聚類的方法、裝置與存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201911286423.3
• 申請日: 2019-12-13
• 公開（公告）號: CN111079828B
• 公開（公告）日: 2023-10-20
• 發(fā)明（設(shè)計）人: 贠瑞峰;劉粉香;彭翔;張炎紅
• 申請（專利權(quán)）人: 北京因特睿軟件有限公司
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/74;G06V10/82;G06F16/51;G06F16/583;G06N3/08
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責任公司 11240
• 代理人: 霍文娟

本申請?zhí)峁┝艘环N基于神經(jīng)網(wǎng)絡(luò)的圖像聚類的方法、裝置、存儲介質(zhì)與處理器。該方法包括獲取包括多個圖像的圖像數(shù)據(jù)庫；建立圖像數(shù)據(jù)庫對應(yīng)的哈希列表；利用哈希列表確定圖像相似度模型；根據(jù)圖像相似度模型構(gòu)建聚類數(shù)據(jù)庫，通過獲取圖像數(shù)據(jù)庫，再對所獲取的圖像數(shù)據(jù)庫中的圖像進行處理得到圖像數(shù)據(jù)庫對應(yīng)的哈希列表，通過哈希列表對圖像數(shù)據(jù)庫中的圖像進行初步篩選，根據(jù)篩選出來的圖像再利用哈希列表確定圖像相似度模型，這樣能夠加速聚類的過程，從而提高了獲取聚類數(shù)據(jù)庫的效率，并且，通過哈希列表先進行篩選，去除一些不相關(guān)的圖像，使得圖像聚類效果較好，即可實現(xiàn)較好的圖像聚類效果。

技術(shù)領(lǐng)域

本申請涉及圖像處理領(lǐng)域，具體而言，涉及一種基于神經(jīng)網(wǎng)絡(luò)的圖像聚類的方法、裝置、存儲介質(zhì)與處理器。

背景技術(shù)

圖像處理是人工智能發(fā)展的熱門領(lǐng)域，隨著移動互聯(lián)網(wǎng)的普及以及物聯(lián)網(wǎng)的興起，人們傳統(tǒng)的檢索方式也越來越豐富。目前比較成熟的新興檢索手段是“圖像檢索”。實現(xiàn)大規(guī)模圖像數(shù)據(jù)的高效聚類，是圖像檢索成功的重要保證。

當前公認有效的圖像聚類流程是先對圖片降維，提取低維特征，然后根據(jù)提取的特征進行聚類。特征提取主要有兩個方法：特征工程和神經(jīng)網(wǎng)絡(luò)。特征工程是通過特定公式計算獲取的某些可解釋的圖像特征數(shù)據(jù)，比如拍攝時間，圖像頻率，圖像灰度直方圖等等，特征工程缺點是人工很難尋找有效的特征，而且圖像情況一變，精心調(diào)配的特征也要變，靈活性差。神經(jīng)網(wǎng)絡(luò)是通過神經(jīng)網(wǎng)絡(luò)將圖片變成一個特征向量，而特征向量每個維度的具體含義無法解釋，神經(jīng)網(wǎng)絡(luò)的選擇也是多種多樣。聚類算法目前常用的有“K-means”，“DB-Scan”等，聚類算法的兩個最大挑戰(zhàn)是運算速度和聚類效果。

在背景技術(shù)部分中公開的以上信息只是用來加強對本文所描述技術(shù)的背景技術(shù)的理解，因此，背景技術(shù)中可能包含某些信息，這些信息對于本領(lǐng)域技術(shù)人員來說并未形成在本國已知的現(xiàn)有技術(shù)。

發(fā)明內(nèi)容

本申請的主要目的在于提供一種基于神經(jīng)網(wǎng)絡(luò)的圖像聚類的方法、裝置、存儲介質(zhì)與處理器，以解決現(xiàn)有技術(shù)中圖像聚類較慢的問題。

為了實現(xiàn)上述目的，根據(jù)本申請的一個方面，提供了一種基于神經(jīng)網(wǎng)絡(luò)的圖像聚類的方法，包括：獲取包括多個圖像的圖像數(shù)據(jù)庫；建立所述圖像數(shù)據(jù)庫對應(yīng)的哈希列表；利用所述哈希列表確定圖像相似度模型；根據(jù)所述圖像相似度模型構(gòu)建聚類數(shù)據(jù)庫。

進一步地，建立所述圖像數(shù)據(jù)庫對應(yīng)的哈希列表，包括：對各所述圖像進行預(yù)處理；根據(jù)所述預(yù)處理后的各所述圖像建立所述圖像數(shù)據(jù)庫對應(yīng)的哈希列表。

進一步地，建立所述圖像數(shù)據(jù)庫對應(yīng)的哈希列表，包括：對各所述圖像的各像素點在多個圖像通道上的像素值進行劃分，得到多個劃分區(qū)域，一個所述圖像通道中的相鄰的所述劃分區(qū)域的所述像素值之間有重疊；使用預(yù)定標識分別表示各所述圖像通道的各所述劃分區(qū)域，確定各所述像素點在各所述圖像通道上的標識；根據(jù)各所述像素點在多個所述圖像通道上的多個所述標識，確定各所述像素點的聯(lián)合區(qū)域標識，所述聯(lián)合區(qū)域標識為哈希值；根據(jù)所述聯(lián)合區(qū)域標識建立所述圖像數(shù)據(jù)庫對應(yīng)的哈希列表。

進一步地，在形成各所述像素點的聯(lián)合區(qū)域標識之后，建立所述圖像數(shù)據(jù)庫對應(yīng)的哈希列表，還包括：根據(jù)各所述像素點的所述聯(lián)合區(qū)域標識，確定所述圖像的灰度分布特征；根據(jù)各所述圖像的所述灰度分布特征構(gòu)建所述哈希列表。

進一步地，根據(jù)各所述像素點的所述聯(lián)合區(qū)域標識，確定所述圖像的灰度分布特征，包括：確定各所述圖像中的各所述聯(lián)合區(qū)域標識出現(xiàn)的頻率；根據(jù)所述頻率和所述圖像的像素點總數(shù)確定所述各所述聯(lián)合區(qū)域標識的似然概率；根據(jù)所述圖像的所述似然概率、ID以及所述聯(lián)合區(qū)域標識確定所述圖像的灰度分布特征。

進一步地，在確定所述圖像的灰度分布特征之后，建立所述圖像數(shù)據(jù)庫對應(yīng)的哈希列表，還包括：根據(jù)所述圖像數(shù)據(jù)庫中的各所述圖像的所述灰度分布特征，建立所述圖像數(shù)據(jù)庫對應(yīng)的哈希列表。