[發明專利]一種基于特征分類的圖像查詢方法

有效

• 申請號: 202011367078.9
• 申請日: 2020-11-30
• 公開（公告）號: CN112182262B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 馬勇;錢輝;李輝;李漢曦;戴夢軒;趙家樂;郭詩輝
• 申請（專利權）人: 江西師范大學
• 主分類號: G06F16/51
• 分類號: G06F16/51;G06F16/583;G06F16/55;G06F21/62
• 代理公司: 南昌金軒知識產權代理有限公司 36129
• 代理人: 孫文偉

本發明公開了一種基于特征分類的圖像查詢方法，包括：提取圖像所有者上傳的初始圖像的編碼特征及圖像特征并儲存在數據庫中；提取用戶上傳的查詢圖像的編碼特征及圖像特征；比對初始圖像和查詢圖像的編碼特征，得到第一查詢結果；對比初始圖像和查詢圖像的圖像特征，得到圖像相似度數據；結合第一查詢結果及圖像相似度數據，通過特征分類器得到分類結果；用決策樹對分類結果進行處理，得到第二查詢結果；將第二查詢結果所對應的初始圖像作為最終查詢結果返回給用戶。通過上述方式，本發明能夠實現面向海量圖像數據的安全快速檢索與匹配，并且能保證結果的準確性，對客戶端計算開銷進一步遷移至云端和提升圖像數據安全檢索效率起到了關鍵作用。

技術領域

本發明涉及互聯網技術領域，特別是涉及一種基于特征分類的圖像查詢方法。

背景技術

圖像數據是一種特殊的數據形式，也是日常生活中使用最普遍的數據形式之一，在醫療、教育、居民信息管理、設計、社交等領域有著廣泛使用。為了存儲這些圖像數據，構建的圖像數據庫規模都很龐大，鑒于圖像數據的特殊性，通常使用圖像的特征對圖像進行查詢。當我們提取到圖像的特征之后，圖像就可以通過多維的特征向量來表示。對高維數據的比較、計算是安全近似最近鄰查詢中最為重要的元計算，是提升高維數據上近似最近鄰查詢效率的有效手段。現有的研究中，重點針對低維結構化數據和特定度量方法進行了相關研究，存在從低維到高維推廣困難、維數災難現象影響大、缺乏普適性等現實弊端，不能高效實現高維數據近似性的安全度量，也不適用于面向海量圖像數據的安全快速檢索與匹配。因此，普適、高效的高維數據近似性安全度量機制是一個重要的問題，此問題的解決對客戶端計算開銷進一步遷移至云端和提升圖像數據安全快速檢索效率至關重要。

現有的近似最近鄰查詢方法主要存在安全模型脆弱、查詢效率低下、面臨維數災難三方面的主要弊端。公告號為CN 103810252 B，名稱為基于群稀疏特征選擇的圖像檢索方法的專利文獻，提出了對圖像相似對特征及不相似對特征形成特征矩陣的方案，該方案能夠提高基于內容圖像檢索的準確性；但由于查詢時對完整圖像庫進行查詢，存在查詢效率低下的問題。公告號為CN 111125416 A，名稱為一種基于多特征融合的圖像檢索方法的專利文獻，提出了對全局特征及局部特征分別提取再融合進行查詢的方案，該方案充分提取圖像的特征點，提高檢索的準確度，但存在數據量較大時系統負擔過重等問題。

名詞解釋：

PHA：感知哈希，采用的是DCT（離散余弦變換）來降低頻率的方法，可以獲得相較于AHA更精確的結果。

DHA：差異值哈希，基于漸變實現，在速度上優于PHA，在精確度上優于AHA。

AHA：平均哈希，基于比較灰度圖每個像素與平均值實現，最適用于縮略圖，放大圖搜索。

PCA：主成分分析方法，主要思想是將n維特征映射到k維上，這k維是全新的正交特征也被稱為主成分，是在原有n維特征的基礎上重新構造出來的k維特征。

LBP：局部二值模式，是一種用來描述圖像局部紋理特征的算子；具有旋轉不變性和灰度不變性等優點，用于圖像的局部紋理特征提取。

SVD：奇異值分解，對任意M*N的矩陣，找到一組正交基使得經過它變換后還是正交基。

LDA：一種文檔主題生成模型，一個三層貝葉斯概率模型，包含詞、主題和文檔三層結構。

Resnet：殘差網絡，通過引入一個恒等快捷連接(identity shortcutconnection)的結構,直接跳過一個或多個層來解決CNN（卷積神經網絡）隨著網絡的加深，訓練集準確率下降的問題。

Resnet101：包含101層網絡的Resnet變體。

K-MEANS聚類：將一組N個樣本的特征矩陣X劃分為K個無交集的簇，直觀上來看是簇是一組一組聚集在一起的數據，在一個簇中的數據就認為是同一類，簇就是聚類的結果表現。