CN108491543A - 图像检索方法、图像存储方法及图像检索*** - Google Patents

Abstract

本发明公开了一种图像检索方法、图像存储方法及图像检索***，在检索服务集群的各个节点存储图像特征数据，将输入图像的特征数据分发到各个节点，由各个节点分别独立从本地存储的图像特征数据中进行匹配，与现有技术中到数据库中遍历获取特征数据进行匹配的方法相比，减少了从数据库中遍历获取特征数据的耗时，相比可以提高检索速度。

Description

图像检索方法、图像存储方法及图像检索***

技术领域

本发明涉及图像检索技术领域，特别是涉及一种图像检索方法以及图像存储方法。本发明还涉及一种图像检索***。

背景技术

随着计算机技术、互联网网络技术以及多媒体技术的飞速发展和进步，网络上的各类信息资源日益丰富，尤其是直观形象的多媒体信息备受人们的青睐。全球范围内的数字图像正在以惊人的速度增长，如何在浩瀚的图像库中方便、快捷、准确地查询及检索到用户所需的或者感兴趣的图片，成为多媒体信息检索领域研究的热点。

目前，图像检索按照描述图像内容的方式可以分为两类，一类是基于文本的图像检索(Text Based Image Retrieval，TBIR)，另一类是基于内容的图像检索(ContentBased Image Retrieval，CBIR)。

其中，基于文本的图像检索是利用文本标注的方式对图像的内容进行描述，从而为每幅图像形成描述本图像内容的关键词，比如图像中的物体、场景等，这种方式可以是人工标注方式，也可以通过图像识别技术进行半自动标注。在进行检索时，用户可以根据自己的需求提供查询关键字，检索***根据用户提供的查询关键字查找出标注有该查询关键字的图片，最后将查询到的结果返回给用户。这种基于文本描述的图像检索方法查准率相对高，但其所存在的缺陷也是非常明显的，它需要人工介入标注过程，使得其只适用于小规模的图像数据，在大规模图像数据上要完成这一过程需要耗费大量的人力与财力，非常不实用。

而基于内容的图像检索是利用计算机对图像进行分析，建立图像特征矢量并存入数据库，在查询图像时，使用相同的特征提取方法对查询图像提取特征，得到查询向量，然后在某种相似性度量准则下计算查询向量与数据库中存储特征矢量的相似性大小，最后按照相似性大小进行排序并顺序输出对应图片。基于内容的图像检索技术将图像内容的表达和相似性度量交给计算机进行自动处理，克服了采用文本进行图像检索所面临的缺陷，并且充分发挥了计算机长于计算的优势，与基于文本的图像检索方法相比大大提高了检索效率。

请参考图1所示，基于内容的图像检索主要包括以下三个过程：

第一部分为图像特征的提取。对要存储的图像提取特征关系到图像检索***的检索精度，对于海量用户实时产生的图片，需要对图片进行预处理，获取图像的特征数据。

第二部分为图像特征的存储。提取到图像特征之后是存储过程，包括存储图像本身和存储图像的特征数据。

第三部分为图像的检索匹配过程。当***接收到用户发起的检索请求后，首先按照相同的图像特征提取方法，提取输入图像的特征，然后根据提取的图像特征到数据库中匹配，最后将检索出的满足条件的特征数据对应的图像输出。

现有技术中，在存储过程将原始图像和提取的图像特征一起存储，在检索匹配阶段从数据库中遍历获取已存储的图像特征进行匹配，在整个检索过程中，从数据库中遍历获取图像特征数据与图像特征之间的匹配计算相比相当耗时，因此降低了图像检索速度。

发明内容

本发明的目的是提供一种图像检索方法及图像存储方法，与现有技术相比提高了图像的检索速度。本发明还提供一种图像检索***。

为实现上述目的，本发明提供如下技术方案：

一种图像检索方法，包括：

对输入的目标图像提取特征数据，并将提取到的特征数据分发到检索服务集群的各个节点；

每一所述节点将接收到的特征数据与本地存储的图像特征数据进行匹配，并将检索出的相似度满足条件的图像特征数据返回；

根据各所述节点返回的图像特征数据，从数据库中获取对应的原始图像并输出。

可选地，还包括：利用训练好的识别模型对所述目标图像进行学习，得到所述目标图像的分类代码，将所述分类代码同所述特征数据一起分发到所述检索服务集群的各个节点；

所述每一所述节点将接收到的特征数据与本地存储的图像特征数据进行匹配包括：

每一所述节点根据所述目标图像的分类代码，从本地与所述分类代码对应的文件中读取图像特征数据，将所述目标图像的特征数据与读取的图像特征数据进行匹配。

可选地，所述根据各所述节点返回的图像特征数据，从数据库中获取对应的原始图像并输出包括：

将各所述节点返回的图像特征数据，按照相似度从高到低依次排序，并从数据库中获取与检索出的图像特征数据对应的原始图像，并输出。

一种图像存储方法，包括：

将输入的图像存储到数据库中；

检索服务集群的节点从所述数据库获取输入的图像，提取所述图像的特征数据；

所述节点将提取到的特征数据存储到本地。

可选地，还包括：所述节点利用训练好的识别模型对所述图像进行学习，得到所述图像的分类代码；

所述节点将提取到的特征数据存储到本地包括：

所述节点根据得到的所述分类代码，将提取到的特征数据存储到本地与所述分类代码对应的文件中。

一种图像检索***，包括预处理模块、获取模块和包括若干节点的检索服务集群；

所述预处理模块用于对输入的目标图像提取特征数据，并将提取到的特征数据分发到检索服务集群的各个节点；

所述节点包括检索子模块，所述检索子模块用于将接收到的特征数据与本地存储的图像特征数据进行匹配，并将检索出的相似度满足条件的图像特征数据返回；

所述获取模块用于根据各所述节点返回的图像特征数据，从数据库中获取对应的原始图像并输出。

可选地，所述预处理模块还用于利用训练好的识别模型对所述目标图像进行学习，得到所述目标图像的分类代码，将所述分类代码同所述特征数据一起分发到所述检索服务集群的各个节点；

所述检索子模块具体用于根据所述目标图像的分类代码，从本地与所述分类代码对应的文件中读取图像特征数据，将所述目标图像的特征数据与读取的图像特征数据进行匹配。

可选地，所述获取模块具体用于将各所述节点返回的图像特征数据，按照相似度从高到低依次排序，并从数据库中获取与检索出的图像特征数据对应的原始图像，并输出。

可选地，还包括数据库，用于将输入的图像存储；

所述节点还包括：

预处理子模块，用于从所述数据库获取输入的图像，提取所述图像的特征数据；

存储子模块，用于将提取到的特征数据存储到本地。

可选地，所述预处理子模块还用于利用训练好的识别模型对所述图像进行学习，得到所述图像的分类代码；

所述存储子模块还用于根据得到的所述分类代码，将提取到的特征数据存储到本地与所述分类代码对应的文件中。

由上述技术方案可知，本发明所提供的图像检索方法，在检索服务集群的各个节点存储图像特征数据，将输入图像的特征数据分发到各个节点，由各个节点分别独立从本地存储的图像特征数据中进行匹配，与现有技术中到数据库中遍历获取特征数据进行匹配的方法相比，减少了从数据库中遍历获取特征数据的耗时，相比可以提高检索速度。

本发明所提供的图像存储方法，检索服务集群的节点对输入的图像提取特征，将图像和图像的特征数据分开存储，原始图像存储到数据库中，将特征数据存储在各个节点，这样使得在图像检索时各个节点可分别独立从本地存储的图像特征数据中进行匹配，与现有技术中到数据库中遍历获取特征数据进行匹配的方法相比，减少了从数据库中遍历获取特征数据的耗时，相比可以提高检索速度。

本发明所提供的图像检索***，能够达到上述有益效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为基于内容的图像检索方法的过程示意图；

图2为本发明实施例提供的一种图像检索方法的流程图；

图3为本发明又一实施例提供的一种图像检索方法的流程图；

图4为本发明实施例提供的一种图像存储方法的流程图；

图5为本发明又一实施例提供的一种图像存储方法的流程图；

图6为本发明实施例提供的一种图像检索***的示意图；

图7为本发明又一实施例提供的一种图像检索***的示意图；

图8为图7所示图像检索***中节点的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

请参考图2，本发明实施例提供的一种图像检索方法，包括以下步骤：

S10：对输入的目标图像提取特征数据，并将提取到的特征数据分发到检索服务集群的各个节点。

本实施例图像检索方法应用于以图搜图，即根据用户输入的已知图片，从图像数据库中查找相似图片。

本步骤中，对用户输入的目标图像进行处理，提取目标图像的特征数据。对目标图像提取特征的方法采用与存储图像时采用的相同图像特征提取方法。

示例性的，在具体实施时可对图像计算CEDD(Color and Edge DirectivityDescriptor)特征，CEDD特征是一种表示图像颜色和纹理的特征，提取CEDD特征具有抽取特征速度快、特征描述符占用空间小的优势。可以理解的是，本步骤中提取图像特征并不限于采用上述方法，在本发明其它实施方式中也可采用其它提取图像特征的方法，也均在本发明保护范围内。

在提取到目标图像的特征数据后，将特征数据分发到检索服务集群的各个节点。所述检索服务集群包括若干节点，每一节点上存储有图像特征数据。

S11：每一所述节点将接收到的特征数据与本地存储的图像特征数据进行匹配，并将检索出的相似度满足条件的图像特征数据返回。

每一节点根据接收到的目标图像的特征数据，从本地存储中读取图像特征数据，将目标图像的特征数据与读取的图像特征数据进行匹配，检索出相似度满足条件的图像特征数据，

在具体实施时，可以根据目标图像的相关参数从本地存储中找对应文件，而后从对应文件中读取图像特征数据。示例性的，图像的相关参数可以是图像日期，根据目标图像的日期查找与该日期对应的文件，从对应文件中读取图像特征数据，有助于提高检索效率。

本方法中，可以将符合一定条件的图像特征数据缓存在节点服务器的内存中，节点根据目标图像的特征数据可以优先读取内存中的图像特征数据进行匹配，在节点服务器内存足够大的情况下，在内存中可缓存的特征数据量是巨大的，可以进一步提高检索速度及检索效率。

S12：根据各所述节点返回的图像特征数据，从数据库中获取对应的原始图像并输出。

在具体实施时，在每一节点的本地存储中，与图像特征数据对应会存储原始图像的存储地址。本步骤中，根据各节点检索出的图像特征数据，根据对应的原始图像存储地址，从数据库中获取原始图像。

具体的，本步骤中将各节点返回的图像特征数据，按照相似度从高到低依次排序，并从数据库中获取与检索出的图像特征数据对应的原始图像，并输出。

本实施例图像检索方法，在检索服务集群的各个节点存储图像特征数据，将输入图像的特征数据分发到各个节点，由各个节点分别独立从本地存储的图像特征数据中进行匹配，与现有技术中到数据库中遍历获取特征数据进行匹配的方法相比，减少了从数据库中遍历获取特征数据的耗时，相比可以提高检索速度。

请参考图3，本发明又一实施例提供一种图像检索方法，包括以下步骤：

S20：对输入的目标图像提取特征数据，并利用训练好的识别模型对所述目标图像进行学习，得到所述目标图像的分类代码，将提取到的特征数据和所述分类代码分发到检索服务集群的各个节点。

对用户输入的目标图像，对目标图像提取特征数据。对目标图像提取图像特征的方法可参考上一实施例中步骤S10具体描述。

本步骤中，还利用训练好的识别模型对图像进行学习，识别图像包含的物体信息，生成对应的分类代码，作为标签以指示图像包含的物体信息。

所述识别模型预先训练得到，具体可以采用基于深度学习的图像物体识别方法，首先利用包含大量带标签图像的图像数据集，经过一定时间的训练后，得出一个识别模型。运用所得到的识别模型可以将输入图像中标定的物体识别出，在实际应用中识别物体的种类可以人为设定，可根据不同的应用场合设置不同方案，只要更新训练库的内容和标签即可。

S21：每一所述节点根据所述目标图像的分类代码，从本地与所述分类代码对应的文件中读取图像特征数据，将所述目标图像的特征数据与读取的图像特征数据进行匹配，并将检索出的相似度满足条件的图像特征数据返回。

在每一节点中，根据目标图像的分类代码从本地查找到与该分类代码对应的文件，从对应文件中读取图像特征数据，将目标图像的特征数据与读取的图像特征数据进行匹配，检索出相似度满足条件的图像特征数据。

在具体实施时，可以根据分类代码并结合目标图像的相关参数从本地存储中找对应文件，而后从对应文件中读取图像特征数据。

S22：根据各所述节点返回的图像特征数据，从数据库中获取对应的原始图像并输出。

在具体实施时，在每一节点的本地存储中，与图像特征数据对应会存储原始图像的存储地址。本步骤中，根据各节点检索出的图像特征数据，根据对应的原始图像存储地址，从数据库中获取原始图像。

具体的，本步骤中将各节点返回的图像特征数据，按照相似度从高到低依次排序，并从数据库中获取与检索出的图像特征数据对应的原始图像，并输出。

本实施例图像检索方法，在提取目标图像的特征数据同时，对目标图像进行学习得到指示目标图像分类的分类代码，各节点只从本地对应分类的文件中读取图像特征数据进行匹配，不需要对所有文件查找，不仅可以提高图像检索精度，还可以进一步提高图像检索速度。

相应的请参考图4，本发明实施例还提供一种图像存储方法，包括以下步骤：

S30：将输入的图像存储到数据库中。

对于用户应用实时产生的图像，存储到数据库中。在实际应用中对输入的图像数据可先进行合法性检查，若图像满足要求则将图像存储到数据库中。

示例性的，可采用分布式的、面向列的开源数据库(HBase)，HBase数据库具有可以实现高性能的并发读写操作的优点，同时还会对数据进行透明切分，使得图像存储具有可伸缩性和扩展性。

S31：检索服务集群的节点从所述数据库获取输入的图像，提取所述图像的特征数据。

所述检索服务集群包括若干节点，各节点平均地分别从数据库获取输入的图像。

节点从数据库获取到图像后，对图像进行处理，提取图像的特征数据。示例性的，在具体实施时可对图像计算CEDD(Color and Edge Directivity Descriptor)特征，CEDD特征是一种表示图像颜色和纹理的特征，提取CEDD特征具有抽取特征速度快、特征描述符占用空间小的优势。可以理解的是，本步骤中提取图像特征并不限于采用上述方法，在本发明其它实施方式中也可采用其它提取图像特征的方法，也均在本发明保护范围内。

S32：所述节点将提取到的特征数据存储到本地。

在具体实施时，节点对提取的特征数据以及原始图像的存储地址格式化以及二进制化，将特征数据以及原始图像的存储地址写入到本地文件中。

优选的，可根据图像的相关参数查找到对应文件，将特征数据以及原始图像的存储地址写入到对应文件中。示例性的，图像的相关参数可以是图像日期，根据图像的日期将数据写入到日期对应的文件中，这样在图像检索阶段有助于提高检索速度。

由于提取的特征数据容量非常小，对节点本地服务器磁盘占用空间非常小，在存储时在单个文件中可以存储大量的特征数据，使得在图像检索时读取一次就可以把大量数据读取到服务器内存中。

优选的，在单个文件中尽量写入多的图像特征数据，这样在检索时一次读取能够获取大量的图像特征数据，可以充分发挥服务器的IO性能。

检索服务集群的各个节点均匀地从数据库中获取图像，由各个节点存储图像特征数据，存储的图像特征数据是唯一的。

本实施例图像存储方法，将图像和图像的特征数据分开存储，原始图像存储到数据库中，而将特征数据存储在各个节点，这样使得在图像检索时各个节点可分别独立从本地存储的图像特征数据中进行匹配，与现有技术中到数据库中遍历获取特征数据进行匹配的方法相比，减少了从数据库中遍历获取特征数据的耗时，相比可以提高检索速度。

请参考图5，本发明又一实施例提供一种图像存储方法，包括以下步骤：

S40：将输入的图像存储到数据库中。

对于用户应用实时产生的图像，存储到数据库中。在实际应用中对输入的图像数据可先进行合法性检查，若图像满足要求则将图像存储到数据库中。本步骤的具体实施方式可参考上一实施例中步骤S30具体描述。

S41：检索服务集群的节点从所述数据库获取输入的图像，提取所述图像的特征数据，并利用训练好的识别模型对所述图像进行学习，得到所述图像的分类代码。

所述检索服务集群包括若干节点，各节点平均地分别从数据库获取输入的图像。

节点从数据库获取到图像后，对图像进行处理，提取图像的特征数据。对图像提取特征数据的方法可参考上一实施例中步骤S31的具体描述。

同时，节点利用训练好的识别模型对所述图像进行学习，识别图像包含的物体信息，生成对应的分类代码，作为标签以指示图像包含的物体信息。

所述识别模型由预先训练得到，具体可以采用基于深度学习的图像物体识别方法，首先利用包含大量带标签图像的图像数据集，经过一定时间的训练后，得出一个识别模型。运用所得到的识别模型可以将输入图像中标定的物体识别出，在实际应用中识别物体的种类可以人为设定，可根据不同的应用场合设置不同方案，只要更新训练库的内容和标签即可。

S42：所述节点根据得到的所述分类代码，将提取到的特征数据存储到本地与所述分类代码对应的文件中。

在具体实施时，节点对提取的特征数据以及原始图像的存储地址格式化，进一步根据分类代码从本地查找到与该分类代码对应的文件，将特征数据和原始图像的存储地址写入到对应文件中。

在具体实施时，可以根据分类代码并结合图像的相关参数从本地存储中找对应文件，而后将提取的特征数据和原始图像的存储地址写入到对应文件中。示例性的，图像的相关参数可以是图像日期，根据图像的分类代码以及日期将数据写入到对应的文件中，这样在图像检索阶段有助于提高检索速度。

优选的，在单个文件中尽量写入多的图像特征数据，这样在检索时一次读取能够获取大量的图像特征数据，可以充分发挥服务器的IO性能。

本实施例图像存储方法，检索服务集群的节点对输入的图像提取特征，同时对图像进行学习得到指示图像分类的分类代码，根据图像的分类代码将图像的特征数据分类存储到对应文件中，这样使得在检索图像时节点只从本地对应分类的文件中读取图像特征数据进行匹配，不需要对所有文件查找，不仅可以提高图像检索精度，还可以进一步提高图像检索速度。

相应的，请参考图6，本发明实施例还提供一种图像检索***，包括预处理模块50、获取模块52和包括若干节点51的检索服务集群；

所述预处理模块50用于对输入的目标图像提取特征数据，并将提取到的特征数据分发到检索服务集群的各个节点51；

所述节点51包括检索子模块510，所述检索子模块510用于将接收到的特征数据与本地存储的图像特征数据进行匹配，并将检索出的相似度满足条件的图像特征数据返回；

所述获取模块52用于根据各所述节点51返回的图像特征数据，从数据库中获取对应的原始图像并输出。

可以看出，本实施例图像检索***，在检索服务集群的各个节点存储图像特征数据，将输入图像的特征数据分发到各个节点，由各个节点分别独立从本地存储的图像特征数据中进行匹配，与现有技术中到数据库中遍历获取特征数据进行匹配的方法相比，减少了从数据库中遍历获取特征数据的耗时，相比可以提高检索速度。

进一步的，本实施例图像检索***中，所述预处理模块50还用于利用训练好的识别模型对所述目标图像进行学习，得到所述目标图像的分类代码，将所述分类代码同所述特征数据一起分发到所述检索服务集群的各个节点51。

所述检索子模块510具体用于根据所述目标图像的分类代码，从本地与所述分类代码对应的文件中读取图像特征数据，将所述目标图像的特征数据与读取的图像特征数据进行匹配。

本实施例图像检索***，在提取目标图像的特征数据同时，对目标图像进行学习得到指示目标图像分类的分类代码，各节点只从本地对应分类的文件中读取图像特征数据进行匹配，不需要对所有文件查找，不仅可以提高图像检索精度，还可以进一步提高图像检索速度。

具体的，本实施例图像检索***中，所述获取模块52具体用于将各所述节点51返回的图像特征数据，按照相似度从高到低依次排序，并从数据库中获取与检索出的图像特征数据对应的原始图像，并输出。

进一步的请参考图7和图8，本发明又一实施例提供一种图像检索***，包括预处理模块60、获取模块62、包括若干节点61的检索服务集群以及数据库63。

所述预处理模块60用于对输入的目标图像提取特征数据，并将提取到的特征数据分发到检索服务集群的各个节点61。

所述节点61包括检索子模块610，所述检索子模块610用于将接收到的特征数据与本地存储的图像特征数据进行匹配，并将检索出的相似度满足条件的图像特征数据返回。

所述获取模块62用于根据各所述节点61返回的图像特征数据，从数据库63中获取对应的原始图像并输出。

数据库63用于将输入的图像存储。

所述节点61还包括：

预处理子模块611，用于从所述数据库获取输入的图像，提取所述图像的特征数据。

存储子模块612，用于将提取到的特征数据存储到本地。

本实施例图像检索***，将图像和图像的特征数据分开存储，原始图像存储到数据库中，而将特征数据存储在各个节点，在图像检索时各个节点可分别独立从本地存储的图像特征数据中进行匹配，与现有技术中到数据库中遍历获取特征数据进行匹配的方法相比，减少了从数据库中遍历获取特征数据的耗时，相比可以提高检索速度。

进一步具体的，所述预处理子模块610还用于利用训练好的识别模型对所述图像进行学习，得到所述图像的分类代码；

所述存储子模块612还用于根据得到的所述分类代码，将提取到的特征数据存储到本地与所述分类代码对应的文件中。

因此本实施例图像检索***，检索服务集群的节点对输入的图像提取特征，同时对图像进行学习得到指示图像分类的分类代码，根据图像的分类代码将图像的特征数据分类存储到对应文件中，在检索图像时节点只从本地对应分类的文件中读取图像特征数据进行匹配，不需要对所有文件查找，不仅可以提高图像检索精度，还可以进一步提高图像检索速度。

本实施例图像检索***采用分布式设计，检索服务集群各个节点之间相互独立工作，图像的特征数据被合理、均匀地分布在集群中，在实际应用中，可以根据***负载的大小来灵活配置，具有良好的伸缩性。

以上对本发明所提供的图像检索方法、图像存储方法及图像检索***进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种图像检索方法，其特征在于，包括：

对输入的目标图像提取特征数据，并将提取到的特征数据分发到检索服务集群的各个节点；

每一所述节点将接收到的特征数据与本地存储的图像特征数据进行匹配，并将检索出的相似度满足条件的图像特征数据返回；

根据各所述节点返回的图像特征数据，从数据库中获取对应的原始图像并输出。

2.根据权利要求1所述的图像检索方法，其特征在于，还包括：利用训练好的识别模型对所述目标图像进行学习，得到所述目标图像的分类代码，将所述分类代码同所述特征数据一起分发到所述检索服务集群的各个节点；

所述每一所述节点将接收到的特征数据与本地存储的图像特征数据进行匹配包括：

每一所述节点根据所述目标图像的分类代码，从本地与所述分类代码对应的文件中读取图像特征数据，将所述目标图像的特征数据与读取的图像特征数据进行匹配。

3.根据权利要求1或者2所述的图像检索方法，其特征在于，所述根据各所述节点返回的图像特征数据，从数据库中获取对应的原始图像并输出包括：

将各所述节点返回的图像特征数据，按照相似度从高到低依次排序，并从数据库中获取与检索出的图像特征数据对应的原始图像，并输出。

4.一种图像存储方法，其特征在于，包括：

将输入的图像存储到数据库中；

检索服务集群的节点从所述数据库获取输入的图像，提取所述图像的特征数据；

所述节点将提取到的特征数据存储到本地。

5.根据权利要求4所述的图像存储方法，其特征在于，还包括：所述节点利用训练好的识别模型对所述图像进行学习，得到所述图像的分类代码；

所述节点将提取到的特征数据存储到本地包括：

所述节点根据得到的所述分类代码，将提取到的特征数据存储到本地与所述分类代码对应的文件中。

6.一种图像检索***，其特征在于，包括预处理模块、获取模块和包括若干节点的检索服务集群；

所述预处理模块用于对输入的目标图像提取特征数据，并将提取到的特征数据分发到检索服务集群的各个节点；

所述节点包括检索子模块，所述检索子模块用于将接收到的特征数据与本地存储的图像特征数据进行匹配，并将检索出的相似度满足条件的图像特征数据返回；

所述获取模块用于根据各所述节点返回的图像特征数据，从数据库中获取对应的原始图像并输出。

7.根据权利要求6所述的图像检索***，其特征在于，所述预处理模块还用于利用训练好的识别模型对所述目标图像进行学习，得到所述目标图像的分类代码，将所述分类代码同所述特征数据一起分发到所述检索服务集群的各个节点；

所述检索子模块具体用于根据所述目标图像的分类代码，从本地与所述分类代码对应的文件中读取图像特征数据，将所述目标图像的特征数据与读取的图像特征数据进行匹配。

8.根据权利要求6所述的图像检索***，其特征在于，所述获取模块具体用于将各所述节点返回的图像特征数据，按照相似度从高到低依次排序，并从数据库中获取与检索出的图像特征数据对应的原始图像，并输出。

9.根据权利要求6-8任一项所述的图像检索***，其特征在于，还包括数据库，用于将输入的图像存储；

所述节点还包括：

预处理子模块，用于从所述数据库获取输入的图像，提取所述图像的特征数据；

存储子模块，用于将提取到的特征数据存储到本地。

10.根据权利要求9所述的图像检索***，其特征在于，所述预处理子模块还用于利用训练好的识别模型对所述图像进行学习，得到所述图像的分类代码；

所述存储子模块还用于根据得到的所述分类代码，将提取到的特征数据存储到本地与所述分类代码对应的文件中。