[發(fā)明專利]一種圖片地理定位方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010897189.4
• 申請(qǐng)日: 2020-08-31
• 公開（公告）號(hào): CN112015937A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 馬明清;袁文;李漢青;袁武;凌輝
• 申請(qǐng)（專利權(quán)）人: 核工業(yè)北京地質(zhì)研究院;中國科學(xué)院地理科學(xué)與資源研究所
• 主分類號(hào): G06F16/55
• 分類號(hào): G06F16/55;G06F16/587;G06K9/62
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 楊媛媛

本發(fā)明涉及一種圖片地理定位方法及系統(tǒng)。該方法包括：獲取地理圖片數(shù)據(jù)庫；地理圖片數(shù)據(jù)庫中的地理圖片包括位置信息；利用圖片分類模型對(duì)圖片數(shù)據(jù)庫中的地理圖片進(jìn)行分類，得到每個(gè)地理圖片的分類向量；分類向量為地理圖片屬于每個(gè)分類類別的概率值組成的向量；根據(jù)地理圖片的分類向量，計(jì)算地理圖片數(shù)據(jù)庫中任意兩個(gè)地理圖片之間的相似度；根據(jù)地理圖片之間的相似度，采用啟發(fā)式密度聚類算法對(duì)地理圖片數(shù)據(jù)庫的地理圖片進(jìn)行聚類分析，得到多個(gè)聚類簇；獲取輸入圖片與各個(gè)聚類簇之間的距離；將距離最小值對(duì)應(yīng)的聚類簇確定為輸入圖片的目標(biāo)簇；根據(jù)目標(biāo)簇中地理圖片的位置信息，確定輸入圖片的位置信息。本發(fā)明可以提高地理定位的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，特別是涉及一種圖片地理定位方法及系統(tǒng)。

背景技術(shù)

隨著圖片分享網(wǎng)站的興起與發(fā)展，互聯(lián)網(wǎng)上積累了海量地理圖片(地理圖片指帶有地理標(biāo)簽或者地理位置信息的圖片)，由于地理圖片蘊(yùn)含著豐富的地理信息，其成為重要的VGI(Volunteered Geographic Information)信息源之一。地理圖片數(shù)據(jù)具有時(shí)效性強(qiáng)、更新快、成本低的優(yōu)勢(shì)，具有巨大的應(yīng)用價(jià)值與研究?jī)r(jià)值，被廣泛應(yīng)用于旅游景點(diǎn)發(fā)現(xiàn)、旅游路線規(guī)劃、城市景觀評(píng)價(jià)等領(lǐng)域。

但目前互聯(lián)網(wǎng)上存在的海量圖片中，地理圖片占比相對(duì)較低，絕大多數(shù)圖片缺乏地理信息，無法滿足眾多領(lǐng)域中的科研需求和商業(yè)需求。圖片地理定位是指根據(jù)目標(biāo)圖片內(nèi)容進(jìn)行挖掘分析，推斷其地理位置信息。借助于圖片地理定位技術(shù)，能夠有效紓解地理圖片匱乏的問題，為大量圖片賦予地理位置信息，提升其使用價(jià)值。

目前已有的圖片地理定位方法主要是通過提取圖片的顏色特征、直方圖特征、紋理特征、幾何特征等生成圖片的描述向量，然后結(jié)合各種方法來推斷目標(biāo)圖片的地理位置，主要有以下幾種方法：

方法一、基于圖片特征，利用K-NN算法在圖片庫中搜索出與目標(biāo)圖片最相似的K張圖片，來推斷目標(biāo)圖片的位置或其位置概率地圖；

方法二、將圖片特征與文本標(biāo)簽相結(jié)合，采用Mean-Shift算法或KNN算法推斷圖片的地理位置。

上述方法均未考慮區(qū)域內(nèi)部差異性，未能有效利用區(qū)域性特征，而是直接計(jì)算點(diǎn)與點(diǎn)之間的相似度，易受到異常點(diǎn)的影響，導(dǎo)致定位精度較低且計(jì)算量較大，不能滿足實(shí)際需求。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種圖片地理定位方法及系統(tǒng)，以提高地理定位的精度。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種圖片地理定位方法，包括：

獲取地理圖片數(shù)據(jù)庫；所述地理圖片數(shù)據(jù)庫中的地理圖片包括位置信息；

利用圖片分類模型對(duì)所述圖片數(shù)據(jù)庫中的地理圖片進(jìn)行分類，得到每個(gè)地理圖片的分類向量；所述分類向量為所述地理圖片屬于每個(gè)分類類別的概率值組成的向量；

根據(jù)所述地理圖片的分類向量，計(jì)算所述地理圖片數(shù)據(jù)庫中任意兩個(gè)地理圖片之間的相似度；

根據(jù)所述地理圖片之間的相似度，采用啟發(fā)式密度聚類算法對(duì)所述地理圖片數(shù)據(jù)庫的地理圖片進(jìn)行聚類分析，得到多個(gè)聚類簇；每個(gè)聚類簇包括多張地理圖片；

獲取輸入圖片與各個(gè)聚類簇之間的距離；

將距離最小值對(duì)應(yīng)的聚類簇確定為所述輸入圖片的目標(biāo)簇；

根據(jù)所述目標(biāo)簇中地理圖片的位置信息，確定所述輸入圖片的位置信息。

可選的，所述獲取地理圖片數(shù)據(jù)庫，具體包括：

基于爬蟲技術(shù)抓取互聯(lián)網(wǎng)圖片分享網(wǎng)站上的地理圖片，得到圖片集；

對(duì)所述圖片集中的地理圖片進(jìn)行預(yù)處理，并刪除與地理位置無關(guān)聯(lián)的地理圖片，得到所述地理圖片數(shù)據(jù)庫。