CN106407323A - 一种基于差异度空间距离的图片检索方法 - Google Patents
一种基于差异度空间距离的图片检索方法 Download PDFInfo
- Publication number
- CN106407323A CN106407323A CN201610794047.9A CN201610794047A CN106407323A CN 106407323 A CN106407323 A CN 106407323A CN 201610794047 A CN201610794047 A CN 201610794047A CN 106407323 A CN106407323 A CN 106407323A
- Authority
- CN
- China
- Prior art keywords
- picture
- space length
- diversity factor
- factor space
- characteristic quantity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于差异度空间距离的图片检索方法,该方法包括如下步骤:(1)采用特征量识别模型提取待检索的图片的特征量;(2)计算待检索的图片的特征量与待检索的图片库中的每个图片的差异度空间距离值;(3)对计算的差异度空间距离值进行排序并将差异度空间距离值小于设定值的图片作为检索结果并输出。与现有技术相比,本发明图片检索准确率高。
Description
技术领域
本发明涉及一种图片检索方法,尤其是涉及一种基于差异度空间距离的图片检索方法。
背景技术
在很多应用中,基于内容的图片检索(即以图搜图)是重要的一个环节,但是这个问题至今仍然是困难的,原因在于现实中的图片有太多的复杂性:不同的视角、不同的光照强度、不同的背景、不同的色调以及实际图片中可能出现的部分遮挡。
在进行图片检索时寻找两个图片之间的相似度度量是关键部分,不恰当的度量可能导致掩盖关键特征,得不到有用的结果。而正确反映图片差异的度量,会提高准确率,在实际使用场景中也会具有更好的稳定性。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于差异度空间距离的图片检索方法。
本发明的目的可以通过以下技术方案来实现:
一种基于差异度空间距离的图片检索方法,该方法包括如下步骤:
(1)采用特征量识别模型提取待检索的图片的特征量;
(2)计算待检索的图片的特征量与待检索的图片库中的每个图片的差异度空间距离值;
(3)对计算的差异度空间距离值进行排序并将差异度空间距离值小于设定值的图片作为检索结果并输出。
所述的特征量识别模型为深度卷积神经网络特征量识别模型。
所述的图片的特征量包括颜色特征、形状特征和纹理特征。
步骤(2)中的差异度空间距离值通过计算两个图片特征量的余弦相似性得到,具体为:
(201)将两个图片的特征量表示为向量形式,分别为a=(x11,x12,……x1n)以及b=(x21,x22,……x2n),向量中的元素记作xij,xij表示第i个图片的第j个特征量,i=1,2,j=1,2,……n,n为特征量总个数;
(202)求取向量a和b的余弦相似性A作为两个图片的差异度空间距离值,所述的余弦相似性A通过下式计算得到:
步骤(3)计算的差异度空间距离值按照从小到大顺序进行排序,差异度空间距离值越小,两个图片相似度越高。
与现有技术相比,本发明具有如下优点:
(1)采用深度卷积神经网络特征量识别模型对图片特这个量进行识别,识别准确率高,提高后续采用特征量计算差异度空间距离值的准确性;
(2)采用两个图片的余弦相似性作为差异度空间距离值差异度空间距离值,提高度量准确率,使得检索的图片更加准确,在不同的实际应用场景中具有很好的效果。
附图说明
图1为基于差异度空间距离的图片检索方法的流程框图。
图2和图3分别为实施例中的实验结果示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
在Joint Embeddings of Shapes and Images via CNN Image Purification(SIGGRAPH Asia 2015)论文中,作者提出了一种基于高维空间的图片检索方法,其中最重要的部分之一就是高维空间的定义,文章中距离的度量采用的是朴素的欧几里德几何距离,然而稍微分析之后就可以发现这种简单的度量并不是最佳方案。
首先,不同属性明显是不同的,彼此不能替代。例如,二维样本(身高,体重),有三个样本:a(180,50),b(190,50),c(180,60)。那么a与b之间的欧氏距离等于a与c之间的欧氏距离,但是身高的10cm真的等价于体重的10kg吗,因此简单地用欧氏距离来衡量这些样本间的相似度很有问题。同样,图片的不同像素点也是不同的,彼此不可替代。
第二:不同属性值的变化范围是不同的,因而数值变化范围大的属性将显著地影响相似度,所以需要将各属性归一化。例如,加入用向量(字数,影响力因子)来度量论文之间的差异,显然简单的欧式距离会认为字数差别大的文章差异也大,这显然是不合理的。在图片识别中,同样一匹马,在深色和浅色背景中的两张图片,由于背景像素数值的差异,欧式距离会认为这两张图片的距离很大,然而这明显与我们的本意不相符。
本实施例基于差异度空间距离的图片检索方法的流程框图如图1所示,该方法包括如下步骤:
步骤1:采用特征量识别模型提取待检索的图片的特征量;
步骤2:计算待检索的图片的特征量与待检索的图片库中的每个图片的差异度空间距离值;
步骤3:对计算的差异度空间距离值进行排序并将差异度空间距离值小于设定值的图片作为检索结果并输出。
所述的特征量识别模型为深度卷积神经网络特征量识别模型。
所述的图片的特征量包括颜色特征、形状特征和纹理特征。
考虑同一张图片在不同颜色背景之下,像素点的值的变化是无关紧要的,相互之间的关系才是核心的区别,这种区别可以很好地用图片特征量向量的余弦相似性来度量。因此步骤2中的差异度空间距离值通过计算两个图片特征量的余弦相似性得到,具体为:
(201)将两个图片的特征量表示为向量形式,分别为a=(x11,x12,……x1n)以及b=(x21,x22,……x2n),向量中的元素记作xij,xij表示第i个图片的第j个特征量,i=1,2,j=1,2,……n,n为特征量总个数;
(202)求取向量a和b的余弦相似性A作为两个图片的差异度空间距离值,所述的余弦相似性A通过下式计算得到:
步骤3计算的差异度空间距离值按照从小到大顺序进行排序,差异度空间距离值越小,两个图片相似度越高。
采用上述方法进行多次实验,图2和图3为选取的其中两次实验的结果。图2中第一行第一个图片为待检索的图片,其余为检索结果。图3中第一行第一个图片为待检索的图片,其余为检索结果。图片检索准确率为81.3%,准确率较高。
Claims (5)
1.一种基于差异度空间距离的图片检索方法,其特征在于,该方法包括如下步骤:
(1)采用特征量识别模型提取待检索的图片的特征量;
(2)计算待检索的图片的特征量与待检索的图片库中的每个图片的差异度空间距离值;
(3)对计算的差异度空间距离值进行排序并将差异度空间距离值小于设定值的图片作为检索结果并输出。
2.根据权利要求1所述的一种基于差异度空间距离的图片检索方法,其特征在于,所述的特征量识别模型为深度卷积神经网络特征量识别模型。
3.根据权利要求1所述的一种基于差异度空间距离的图片检索方法,其特征在于,所述的图片的特征量包括颜色特征、形状特征和纹理特征。
4.根据权利要求1所述的一种基于差异度空间距离的图片检索方法,其特征在于,步骤(2)中的差异度空间距离值通过计算两个图片特征量的余弦相似性得到,具体为:
(201)将两个图片的特征量表示为向量形式,分别为a=(x11,x12,……x1n)以及b=(x21,x22,……x2n),向量中的元素记作xij,xij表示第i个图片的第j个特征量,i=1,2,j=1,2,……n,n为特征量总个数;
(202)求取向量a和b的余弦相似性A作为两个图片的差异度空间距离值,所述的余弦相似性A通过下式计算得到:
5.根据权利要求4所述的一种基于差异度空间距离的图片检索方法,其特征在于,步骤(3)计算的差异度空间距离值按照从小到大顺序进行排序,差异度空间距离值越小,两个图片相似度越高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610794047.9A CN106407323A (zh) | 2016-08-31 | 2016-08-31 | 一种基于差异度空间距离的图片检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610794047.9A CN106407323A (zh) | 2016-08-31 | 2016-08-31 | 一种基于差异度空间距离的图片检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106407323A true CN106407323A (zh) | 2017-02-15 |
Family
ID=59230841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610794047.9A Pending CN106407323A (zh) | 2016-08-31 | 2016-08-31 | 一种基于差异度空间距离的图片检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106407323A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345531A (zh) * | 2018-10-10 | 2019-02-15 | 四川新网银行股份有限公司 | 一种基于图片识别用户拍摄距离的方法及*** |
WO2020181873A1 (en) * | 2019-03-12 | 2020-09-17 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image retrieval |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576896A (zh) * | 2008-05-09 | 2009-11-11 | 鸿富锦精密工业(深圳)有限公司 | 相似图片检索***及方法 |
CN103473327A (zh) * | 2013-09-13 | 2013-12-25 | 广东图图搜网络科技有限公司 | 图像检索方法与*** |
CN105760390A (zh) * | 2014-12-17 | 2016-07-13 | 富泰华工业(深圳)有限公司 | 图片检索***及方法 |
-
2016
- 2016-08-31 CN CN201610794047.9A patent/CN106407323A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576896A (zh) * | 2008-05-09 | 2009-11-11 | 鸿富锦精密工业(深圳)有限公司 | 相似图片检索***及方法 |
CN103473327A (zh) * | 2013-09-13 | 2013-12-25 | 广东图图搜网络科技有限公司 | 图像检索方法与*** |
CN105760390A (zh) * | 2014-12-17 | 2016-07-13 | 富泰华工业(深圳)有限公司 | 图片检索***及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345531A (zh) * | 2018-10-10 | 2019-02-15 | 四川新网银行股份有限公司 | 一种基于图片识别用户拍摄距离的方法及*** |
CN109345531B (zh) * | 2018-10-10 | 2019-07-30 | 四川新网银行股份有限公司 | 一种基于图片识别用户拍摄距离的方法及*** |
WO2020181873A1 (en) * | 2019-03-12 | 2020-09-17 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image retrieval |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929607B (zh) | 一种城市建筑物施工进度的遥感识别方法和*** | |
CN106548169B (zh) | 基于深度神经网络的模糊文字增强方法及装置 | |
CN103077512B (zh) | 基于主成分析的数字图像的特征提取与匹配方法 | |
CN105809651B (zh) | 基于边缘非相似性对比的图像显著性检测方法 | |
CN108596108B (zh) | 基于三元组语义关系学习的航拍遥感图像变化检测方法 | |
CN107688808A (zh) | 一种快速的自然场景文本检测方法 | |
CN110866079A (zh) | 一种智慧景区实景语义地图的生成与辅助定位方法 | |
CN109544501A (zh) | 一种基于无人机多源图像特征匹配的输电设备缺陷检测方法 | |
CN104850850A (zh) | 一种结合形状和颜色的双目立体视觉图像特征提取方法 | |
CN107958067A (zh) | 一种基于无标注自动特征提取的大规模电商图片检索*** | |
CN103853794B (zh) | 一种基于部件关联的行人检索方法 | |
CN108010123A (zh) | 一种保留拓扑信息的三维点云获取方法 | |
CN110533077A (zh) | 用于高光谱图像分类的形状自适应卷积深度神经网络方法 | |
CN106649663A (zh) | 一种基于紧凑视频表征的视频拷贝检测方法 | |
CN110070106A (zh) | 烟雾检测方法、装置及电子设备 | |
CN109284760A (zh) | 一种基于深度卷积神经网络的家具检测方法及装置 | |
CN107704878A (zh) | 一种基于深度学习的高光谱数据库半自动化建立方法 | |
US11887341B2 (en) | Systems and methods for hue based encoding of a digital image | |
CN105183857A (zh) | 一种自动的图片训练样本提取方法及*** | |
CN112308040A (zh) | 一种基于高清图像的河流排污口检测方法及*** | |
CN106407323A (zh) | 一种基于差异度空间距离的图片检索方法 | |
CN106055636B (zh) | 一种岩石便携智能识别方法 | |
CN110110120B (zh) | 一种基于深度学习的图像检索方法和装置 | |
WO2007004868A1 (en) | Method and apparatus for image characterization | |
CN113139540B (zh) | 背板检测方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170215 |
|
RJ01 | Rejection of invention patent application after publication |