CN108875828B - 一种相似图像的快速匹配方法和*** - Google Patents

一种相似图像的快速匹配方法和*** Download PDF

Info

Publication number
CN108875828B
CN108875828B CN201810628618.0A CN201810628618A CN108875828B CN 108875828 B CN108875828 B CN 108875828B CN 201810628618 A CN201810628618 A CN 201810628618A CN 108875828 B CN108875828 B CN 108875828B
Authority
CN
China
Prior art keywords
text
image
matching
images
feature
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.)
Expired - Fee Related
Application number
CN201810628618.0A
Other languages
English (en)
Other versions
CN108875828A (zh
Inventor
赵婕
王宾彦
姚峰林
程凤伟
任晶晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thai Nguyen University
Original Assignee
Thai Nguyen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Thai Nguyen University filed Critical Thai Nguyen University
Priority to CN201810628618.0A priority Critical patent/CN108875828B/zh
Publication of CN108875828A publication Critical patent/CN108875828A/zh
Application granted granted Critical
Publication of CN108875828B publication Critical patent/CN108875828B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及计算机图像检索领域，提出了一种相似图像的快速匹配方法和***，该方法包括后台预处理的步骤和前台匹配的步骤，所述后台预处理的步骤具体包括：S101、提取图像数据库中的各个待检索图像的视觉特征；S102、为图像数据库中的各个待检索图像映射M个文本特征标注；S103、建立以文本标注为索引单位的联合排序索引表F i ，形成图像排序；所述前台匹配的步骤具体包括：S201、接收并提取查询图像O的视觉特征；S202、确定查询图像的文本特征标注；S203、将查询图像的文本特征所对应的联合排序索引表中的图像作为查询图像O的备选匹配图像库；根据匹配数量，输出匹配结果。本发明大大缩小了图像匹配的搜索范围，提高了图像检索的速度。

Description

一种相似图像的快速匹配方法和***
技术领域
本发明涉及计算机图像检索领域，特别涉及一种相似图像的快速匹配方法和***。
背景技术
图像匹配***根据判断图像内容所包含信息的相近似程度，能够在图像数据库中匹配出与所查询图像内容信息相似的图像，实现图像匹配的结果输出。图像匹配***可以用来查找同源图片或者目标对象，随着互联网和图像处理技术的快速发展，使得图像匹配***的实际应用价值日益升高。
图像的匹配特征主要包括文本特征和视觉特征两种。其中，文本特征需要预先进行人工标注，利用文本特征实现图像匹配，可以降低图像相似性的判断难度，但是对于数据量较大的图像匹配***，人工标注的预处理过程是一个难以完成的任务。视觉特征是图像的颜色、纹理、形状等具有直观意义的基本特性，与人类视觉的明度知觉、颜色知觉、形状知觉等直观感知所获取的信息相对应，视觉特征能够直观地表述图像的内容信息，但是与文本特征相比，视觉特征的相似度计算过程所需较长。面对当今互联网上数以千亿计的图像资源，如何快速而有效地实现图像匹配成为图像检索领域面临的一种重要挑战。
发明内容
本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种相似图像的快速匹配方法，通过建立视觉特征与文本特征的索引关系，从而提高图像匹配***的搜索速度。
为了解决上述技术问题，本发明采用的技术方案为：一种相似图像的快速匹配方法，包括后台预处理的步骤和前台匹配的步骤，所述后台预处理的步骤具体包括：
S101、提取图像数据库中的各个待检索图像的视觉特征，得到各个待检索图像的视觉特征矢量VQ；
S102、为图像数据库中的各个待检索图像映射M个文本特征标注，其中，M为大于等于3的正整数；统计文本标注集合T＝{Ti,i∈n}中各个文本特征Ti对应的所有待检索图像，作为以Ti为映射文本特征的备选文本匹配图像，其中，n表示文本标注集合T中的文本特征的数量；
S103、计算以文本特征Ti为映射的各个备选文本匹配图像的视觉特征矢量与该文本特征Ti的量化视觉特征矢量之间的标准化欧式距离，作为备选文本匹配图像与文本特征的相似度；并将相似度值由大到小的顺序，对以文本特征Ti为文本特征标注的所有备选文本匹配图像进行排序，建立联合排序索引表Fi，对文本特征集合T内的所有文本特征进行上述步骤，形成以文本标注为索引单位的图像排序。
所述前台匹配的步骤具体包括：
S201、接收并提取查询图像O的视觉特征，形成查询图像O的视觉特征矢量Vo；
S202、将查询图像的视觉特征矢量与文本标注集合中的各个文本特征进行对比，选取文本标注集合T＝{Ti,i∈n}中与所述查询图像的视觉特征矢量Vo的相对差值最小的文本特征To作为查询图像的文本特征标注；
S203、将文本特征To所对应的联合排序索引表Fo中的图像作为查询图像O的备选匹配图像库；根据匹配数量，输出匹配结果。
所述步骤S102中，所述映射M个文本特征标注的具体方法为：采用K均值聚类算法将待检索图像的视觉特征矢量VQ聚成M个类，找到文本标注集合T＝{Ti,i∈n}中分别与所述M个类内各个像素的视觉特征矢量相对差值最小的M个文本特征，作为待检索图像的文本特征标注；其中，n表示文本标注集合中的文本特征的数量。
所述文本标注集合存储在文本标注数据库中，所述文本标注集合中的各个文本特征Ti用于存放对应的量化视觉特征矢量，所述步骤S102中，找到文本标注集合T＝{Ti,i∈n}中分别与所述M个类内各个像素的视觉特征矢量相对差值最小的M个文本特征的具体方法为：将每个类内的所有像素的视觉特征矢量与文本标注集合T＝{Ti,i∈n}中各个文本特征Ti的量化视觉特征矢量依次求差，将每个类内差值最小的文本特征提取出来，即可以得到与所述M个类一一对应的M个文本特征。
所述步骤S102中，M的取值为5。
本发明还提供了一种相似图像的快速匹配***，包括：后台部件和前台部件，所述后台部件用于图像的预处理工作，其包括：
数据加载模块：提取图像数据库中的各个待检索图像的视觉特征，得到各个待检索图像的视觉特征矢量VQ；
特征映射模块：用于为图像数据库中的各个待检索图像映射M个文本特征标注，其中，M为大于等于3的正整数；还用于统计文本标注集合中各个文本特征Ti对应的所有待检索图像，作为以Ti为映射文本特征的备选文本匹配图像；
联合索引模块：用于计算各个文本特征Ti的备选文本匹配图像的视觉特征矢量与该文本特征Ti的量化视觉特征矢量之间的标准化欧式距离，作为备选文本匹配图像与该文本特征的相似度；还用于将相似度值由大到小的顺序，对以文本特征Ti为文本特征标注的所有备选文本匹配图像进行排序，建立联合排序索引表Fi，形成以文本标注为索引单位的图像排序；
所述前台模块用于输入查询图像以及输出与查询图像匹配的图像，其包括：
输入接收模块：用于接收查询图像O，并提取查询图像O的视觉特征，形成查询图像O的视觉特征矢量Vo；还用于将查询图像的视觉特征矢量与文本标注集合中的各个文本特征进行对比，选取文本标注集合T＝{Ti,i∈n}中与所述查询图像的视觉特征矢量Vo的相对差值最小的文本特征To作为查询图像的文本特征标注；
查询匹配模块：用于向所述联合索引模块发出通信请求，选取文本特征To所对应的联合排序索引表Fo中记录的图像，将其作为查询图像O的备选匹配图像库；
输出匹配模块：用于根据匹配数量，从备选匹配图像库中选取相应数量的图像作为匹配图像输出匹配结果。
所述特征映射模块映射M个文本特征标注的具体方法为：采用K均值聚类算法将待检索图像的视觉特征矢量VQ聚成M个类，找到文本标注集合T＝{Ti,i∈n}中分别与所述M个类内各个像素的视觉特征矢量相对差值最小的M个文本特征，作为待检索图像的文本特征标注；其中，n表示文本标注集合中的文本特征的数量。
所述的一种相似图像的快速匹配***，还包括图像存储单元，所述图像存储单元包括图像数据库和文本标注数据库，所述图像数据库用于存储待检索图像，所述文本标注数据库用于存储文本标注集合，所述文本标注集合中的各个文本特征Ti用于存放对应的量化视觉特征矢量。
本发明与现有技术相比具有以下有益效果：
1、本发明采用后台离线预处理方式，对图像数据库中的待检索图像做数据预处理工作，与前台模块的实时查询操作相结合，可以提高图像匹配***的搜索速度；
2、本发明采用视觉特征与文本特征生成的映射关系，建立文本特征与视觉特征的联合排序索引表，形成以文本标注为索引单位的图像排序，降低图像相似性的判断难度；
3、本发明能够直接从联合排序索引表中搜索相似匹配图像，既可以省略文本特征的人工标注环节，又可以简化图像匹配***的搜索过程，进一步提高了图像匹配***的搜索速度。本发明适用于面向大量图像数据，快速输出与待检索图像所匹配的图像。
附图说明
图1为本发明实施例提出的一种相似图像的快速匹配方法中后台预处理的流程示意图；
图2为本发明实施例提出的一种相似图像的快速匹配方法中前台匹配的流程示意图；
图3为本发明实施例提出的一种相似图像的快速匹配***的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1～2所示，本发明实施例提供了一种相似图像的快速匹配方法，其包括后台预处理的步骤和前台匹配的步骤，如图1所示，所述后台预处理的步骤具体包括：
S101、提取图像数据库中的各个待检索图像的视觉特征，得到各个待检索图像的视觉特征矢量VQ。
S102、为图像数据库中的各个待检索图像映射5个文本特征标注；统计文本标注集合T＝{Ti,i∈n}中各个文本特征Ti对应的所有待检索图像，作为以文本特征Ti为映射的所有备选文本匹配图像，其中，n表示文本标注集合T中的文本特征的数量。
其中，所述映射5个文本特征标注的具体方法为：采用K均值聚类算法将待检索图像的视觉特征矢量VQ聚成5个类，找到文本标注集合T＝{Ti,i∈n}中分别与所述5个类内各个像素的视觉特征矢量相对差值最小的5个文本特征，作为待检索图像的文本特征标注；其中，n表示文本标注集合中的文本特征的数量。Ti是文本标注集合T中任意一个文本特征标注，存放该文本标注的量化视觉特征矢量。
具体地，所述文本标注集合T存储在文本标注数据库中，所述文本标注集合T中的各个文本特征Ti用于存放对应的量化视觉特征矢量，所述步骤S102中，找到文本标注集合T＝{Ti,i∈n}中分别与所述5个类内各个像素的视觉特征矢量相对差值最小的5个文本特征的具体方法为：将5个类中每个类内的所有像素的视觉特征矢量与文本标注集合T＝{Ti,i∈n}中各个文本特征Ti的量化视觉特征矢量依次求差，将每个类内差值最小的文本特征T1 Q、T2 Q、T3 Q、T4 Q和T5 Q提取出来，即可以得到与所述5个类一一对应的5个文本特征。其中T1 Q、T2 Q、T3 Q、T4 Q和T5 Q均包含于文本标注数据库102中存储的文本标注集合T。
此外，进行K均值聚类算法进行分类时，也可以将图像聚成3～4个类，或者聚成5个以上更多的类，具体设置为多少可以根据图像数据库中待检索图像的数量，特性进行选取，本实施例中，进行K均值聚类算法进行分类时优选聚为5类，可以得到较优的匹配速度和匹配效果。
S103、计算以文本特征Ti为映射的各个备选文本匹配图像的视觉特征矢量与该文本特征Ti的量化视觉特征矢量之间的标准化欧式距离，作为备选文本匹配图像与文本特征的相似度；并将相似度值由大到小的顺序，对以文本特征Ti为文本特征标注的所有备选文本匹配图像进行排序，建立联合排序索引表Fi，对文本特征集合T内的所有文本特征进行上述步骤，形成以文本标注为索引单位的图像排序。
其中，文本特征Ti的第l个备选文本匹配图像的视觉特征矢量与该文本特征Ti的量化视觉特征矢量之间的标准化欧式距离的计算公式为：
Figure BDA0001699824630000051
式(1)中，
Figure BDA0001699824630000052
表示以Ti为文本特征标注的第l个备选文本匹配图像的视觉特征矢量，p表示视觉特征矢量的维数，其总数量为q，sp表示第p维度的方差。
所述前台匹配的步骤具体包括：
S201、接收并提取查询图像O的视觉特征，形成查询图像O的视觉特征矢量Vo。
S202、将查询图像的视觉特征矢量与文本标注集合中的各个文本特征进行对比，选取文本标注集合T＝{Ti,i∈n}中与所述查询图像的视觉特征矢量Vo的相对差值最小的文本特征To作为查询图像的文本特征标注。
S203、将文本特征To所对应的联合排序索引表Fo中的图像作为查询图像O的备选匹配图像库；根据匹配数量，输出匹配结果。
本发明实施例中，通过后台预处理的步骤，可以给图像数据库中的待检索图像建立文本特征标注，并根据备选文本匹配图像的视觉特征矢量与该文本特征Ti的量化视觉特征矢量之间的标准化欧式距离的大小，建立以各个文本特征为索引的排序索引表，然后在查询时，只需要给查询图像映射文本特征To，即可以根据对应的排序索引表，快速找到以该文本特征标注的所有待检索图像，大大缩小了图像匹配的搜索范围，提高了检索速度。
如图3所示，本发明实施例还提供了一种相似图像的快速匹配***，包括：后台部件1、前台部件2和图像存储单元3。
所述后台部件1采用离线预处理方式，对图像数据库中的待检索图像Q做数据预处理工作。其主要包括数据加载模块101，特征映射模块102，联合索引模块103，其中，数据加载模块101用于提取图像数据库中的各个待检索图像的视觉特征，得到各个待检索图像的视觉特征矢量VQ；特征映射模块102用于为图像数据库中的各个待检索图像映射M个文本特征标注，其中，M为大于等于3的正整数；还用于统计文本标注集合中各个文本特征Ti对应的所有待检索图像，作为以Ti为映射文本特征的备选文本匹配图像；联合索引模块103：用于计算各个文本特征Ti的备选文本匹配图像的视觉特征矢量与该文本特征Ti的量化视觉特征矢量之间的标准化欧式距离，作为备选文本匹配图像与该文本特征的相似度；还用于将相似度值由大到小的顺序，对以文本特征Ti为文本特征标注的所有备选文本匹配图像进行排序，建立联合排序索引表Fi，形成以文本标注为索引单位的图像排序。
具体地，特征映射模块映射M个文本特征标注的具体方法为：采用K均值聚类算法将待检索图像的视觉特征矢量VQ聚成M个类，找到文本标注集合T＝{Ti,i∈n}中分别与所述M个类内各个像素的视觉特征矢量相对差值最小的M个文本特征，作为待检索图像的文本特征标注；其中，n表示文本标注集合中的文本特征的数量。
所述前台部件2用于接收查询图像O，针对图像存储单元图像数据库中的图像，实时在线查询与图像O相似匹配的图像，并完成匹配结果的输出。其主要包括输入接收模块201，查询匹配模块202和输出匹配模块203；其中，输入接收模块201用于接收查询图像O，并提取查询图像O的视觉特征，形成查询图像O的视觉特征矢量Vo；还用于将查询图像的视觉特征矢量与文本标注集合中的各个文本特征进行对比，选取文本标注集合T＝{Ti,i∈n}中与所述查询图像的视觉特征矢量Vo的相对差值最小的文本特征To作为查询图像的文本特征标注；查询匹配模块202用于向所述联合索引模块发出通信请求，选取文本特征To所对应的联合排序索引表Fo中记录的图像，将其作为查询图像O的备选匹配图像库；输出匹配模块203用于根据匹配数量，从备选匹配图像库中选取相应数量的图像作为匹配图像输出匹配结果。
所述图像存储单元3包括图像数据库301和文本标注数据库302，所述图像数据库301用于存储待检索图像，所述文本标注数据库302用于存储文本标注集合，所述文本标注集合中的各个文本特征Ti用于存放对应的量化视觉特征矢量。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种相似图像的快速匹配方法，其特征在于，包括后台预处理的步骤和前台匹配的步骤，所述后台预处理的步骤具体包括：
S101、提取图像数据库中的各个待检索图像的视觉特征，得到各个待检索图像的视觉特征矢量V Q ；
S102、为图像数据库中的各个待检索图像映射M个文本特征标注，其中，M为大于等于3的正整数；统计文本标注集合
Figure 491128DEST_PATH_IMAGE001
中各个文本特征T i 对应的所有待检索图像，作为以T i 为映射文本特征的备选文本匹配图像，其中，n表示文本标注集合T中的文本特征的数量；
S103、计算以文本特征T i 为映射的各个备选文本匹配图像的视觉特征矢量与该文本特征T i 的量化视觉特征矢量之间的标准化欧式距离，作为备选文本匹配图像与文本特征的相似度；并将相似度值由大到小的顺序，对以文本特征T i 为文本特征标注的所有备选文本匹配图像进行排序，建立联合排序索引表F i ，对文本特征集合T内的所有文本特征进行上述步骤，形成以文本标注为索引单位的图像排序；
所述前台匹配的步骤具体包括：
S201、接收并提取查询图像O的视觉特征，形成查询图像O的视觉特征矢量V o ；
S202、将查询图像的视觉特征矢量与文本标注集合中的各个文本特征进行对比，选取文本标注集合T中与所述查询图像的视觉特征矢量V o 的相对差值最小的文本特征T o 作为查询图像的文本特征标注；
S203、将文本特征T o 所对应的联合排序索引表F o 中的图像作为查询图像O的备选匹配图像库；根据匹配数量，输出匹配结果。
2.根据权利要求1所述的一种相似图像的快速匹配方法，其特征在于，所述步骤S102中，所述映射M个文本特征标注的具体方法为：采用K均值聚类算法将待检索图像的视觉特征矢量V Q 聚成M个类，找到文本标注集合
Figure 407000DEST_PATH_IMAGE002
中分别与所述M个类内各个像素的视觉特征矢量相对差值最小的M个文本特征，作为待检索图像的文本特征标注；其中，n表示文本标注集合中的文本特征的数量。
3.根据权利要求2所述的一种相似图像的快速匹配方法，其特征在于，所述文本标注集合存储在文本标注数据库中，所述文本标注集合中的各个文本特征T i 用于存放对应的量化视觉特征矢量，所述步骤S102中，找到文本标注集合
Figure 485814DEST_PATH_IMAGE003
中分别与所述M个类内各个像素的视觉特征矢量相对差值最小的M个文本特征的具体方法为：将每个类内的所有像素的视觉特征矢量与文本标注集合
Figure 983792DEST_PATH_IMAGE004
中各个文本特征T i 的量化视觉特征矢量依次求差，将每个类内差值最小的文本特征提取出来，即可以得到与所述M个类一一对应的M个文本特征。
4.根据权利要求1所述的一种相似图像的快速匹配方法，其特征在于，所述步骤S102中，M的取值为5。
5.一种相似图像的快速匹配***，其特征在于，包括：后台部件和前台部件，所述后台部件用于图像的预处理工作，其包括：
数据加载模块：提取图像数据库中的各个待检索图像的视觉特征，得到各个待检索图像的视觉特征矢量V Q ；
特征映射模块：用于为图像数据库中的各个待检索图像映射M个文本特征标注，其中，M为大于等于3的正整数；还用于统计文本标注集合中各个文本特征T i 对应的所有待检索图像，作为以T i 为映射文本特征的备选文本匹配图像；
联合索引模块：用于计算各个文本特征T i 的备选文本匹配图像的视觉特征矢量与该文本特征T i 的量化视觉特征矢量之间的标准化欧式距离，作为备选文本匹配图像与该文本特征的相似度；还用于将相似度值由大到小的顺序，对以文本特征T i 为文本特征标注的所有备选文本匹配图像进行排序，建立联合排序索引表F i ，形成以文本标注为索引单位的图像排序；
所述前台部件用于输入查询图像以及输出与查询图像匹配的图像，其包括：
输入接收模块：用于接收查询图像O，并提取查询图像O的视觉特征，形成查询图像O的视觉特征矢量V o ；还用于将查询图像的视觉特征矢量与文本标注集合中的各个文本特征进行对比，选取文本标注集合
Figure 693122DEST_PATH_IMAGE005
中与所述查询图像的视觉特征矢量V o 的相对差值最小的文本特征T o 作为查询图像的文本特征标注；
查询匹配模块：用于向所述联合索引模块发出通信请求，选取文本特征T o 所对应的联合排序索引表F o 中记录的图像，将其作为查询图像O的备选匹配图像库；
输出匹配模块：用于根据匹配数量，从备选匹配图像库中选取相应数量的图像作为匹配图像输出匹配结果。
6.根据权利要求5所述的一种相似图像的快速匹配***，其特征在于，特征映射模块映射M个文本特征标注的具体方法为：采用K均值聚类算法将待检索图像的视觉特征矢量V Q 聚成M个类，找到文本标注集合
Figure 643760DEST_PATH_IMAGE006
中分别与所述M个类内各个像素的视觉特征矢量相对差值最小的M个文本特征，作为待检索图像的文本特征标注；其中，n表示文本标注集合中的文本特征的数量。
7.根据权利要求5所述的一种相似图像的快速匹配***，其特征在于，还包括图像存储单元，所述图像存储单元包括图像数据库和文本标注数据库，所述图像数据库用于存储待检索图像，所述文本标注数据库用于存储文本标注集合，所述文本标注集合中的各个文本特征T i 用于存放对应的量化视觉特征矢量。
CN201810628618.0A 2018-06-19 2018-06-19 一种相似图像的快速匹配方法和*** Expired - Fee Related CN108875828B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810628618.0A CN108875828B (zh) 2018-06-19 2018-06-19 一种相似图像的快速匹配方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810628618.0A CN108875828B (zh) 2018-06-19 2018-06-19 一种相似图像的快速匹配方法和***

Publications (2)

Publication Number Publication Date
CN108875828A CN108875828A (zh) 2018-11-23
CN108875828B true CN108875828B (zh) 2022-01-28

Family

ID=64339716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810628618.0A Expired - Fee Related CN108875828B (zh) 2018-06-19 2018-06-19 一种相似图像的快速匹配方法和***

Country Status (1)

Country Link
CN (1) CN108875828B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111221995B (zh) * 2019-10-10 2023-10-03 南昌市微轲联信息技术有限公司 一种基于大数据和集合理论的序列匹配方法
CN111954000B (zh) * 2020-07-07 2021-04-27 广西交通设计集团有限公司 一种面向高速收费图片集的无损压缩方法
CN111898544B (zh) * 2020-07-31 2023-08-08 腾讯科技（深圳）有限公司 文字图像匹配方法、装置和设备及计算机存储介质
CN113792171B (zh) * 2021-11-15 2022-02-18 西安热工研究院有限公司 基于内存管理的图像检索方法、***、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1920820A (zh) * 2006-09-14 2007-02-28 浙江大学 基于标注重要性次序的图像语义自动标注方法
CN102254043A (zh) * 2011-08-17 2011-11-23 电子科技大学 一种基于语义映射的服装图像检索方法
CN104156433A (zh) * 2014-08-11 2014-11-19 合肥工业大学 一种基于语义映射空间构建的图像检索方法
CN104778281A (zh) * 2015-05-06 2015-07-15 苏州搜客信息技术有限公司 一种基于社区分析的图像索引并行构建方法
CN105045818A (zh) * 2015-06-26 2015-11-11 腾讯科技（深圳）有限公司 一种图片的推荐方法、装置和***
CN105468596A (zh) * 2014-08-12 2016-04-06 腾讯科技（深圳）有限公司 图片检索方法和装置
CN105975643A (zh) * 2016-07-22 2016-09-28 南京维睛视空信息科技有限公司 一种基于文本索引的实时图像检索方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1920820A (zh) * 2006-09-14 2007-02-28 浙江大学 基于标注重要性次序的图像语义自动标注方法
CN102254043A (zh) * 2011-08-17 2011-11-23 电子科技大学 一种基于语义映射的服装图像检索方法
CN104156433A (zh) * 2014-08-11 2014-11-19 合肥工业大学 一种基于语义映射空间构建的图像检索方法
CN105468596A (zh) * 2014-08-12 2016-04-06 腾讯科技（深圳）有限公司 图片检索方法和装置
CN104778281A (zh) * 2015-05-06 2015-07-15 苏州搜客信息技术有限公司 一种基于社区分析的图像索引并行构建方法
CN105045818A (zh) * 2015-06-26 2015-11-11 腾讯科技（深圳）有限公司 一种图片的推荐方法、装置和***
CN105975643A (zh) * 2016-07-22 2016-09-28 南京维睛视空信息科技有限公司 一种基于文本索引的实时图像检索方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
COMBINING TEXTUAL AND VISUAL CLUSTERS FOR SEMANTIC IMAGE RETRIEVAL AND AUTO-ANNOTATION;Erbug Celebi et al;《The 2nd European Workshop on the Integration of Knowledge, Semantics and Digital Media Technology》;20060116;全文 *

Also Published As

Publication number Publication date
CN108875828A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108875828B (zh) 一种相似图像的快速匹配方法和***
US11048966B2 (en) Method and device for comparing similarities of high dimensional features of images
US11328172B2 (en) Method for fine-grained sketch-based scene image retrieval
US20170024384A1 (en) System and method for analyzing and searching imagery
CN104376105B (zh) 一种社会媒体中图像低层视觉特征与文本描述信息的特征融合***及方法
CN103927387A (zh) 图像检索***及其相关方法和装置
US10902053B2 (en) Shape-based graphics search
EP3251051A1 (en) Localization and mapping method
EP3191980A1 (en) Method and apparatus for image retrieval with feature learning
CN112487242A (zh) 用于识别视频的方法、装置、电子设备及可读存储介质
US20240153240A1 (en) Image processing method, apparatus, computing device, and medium
CN108492160A (zh) 信息推荐方法和装置
CN112347284A (zh) 一种组合商标图像检索方法
CN114332889A (zh) 文本图像的文本框排序方法和文本图像的文本框排序装置
US11574004B2 (en) Visual image search using text-based search engines
CN115203408A (zh) 一种多模态试验数据智能标注方法
CN108805214B (zh) 一种基于模糊加权直方图的相似图像匹配方法和***
CN104778272B (zh) 一种基于区域挖掘和空间编码的图像位置估计方法
Liao et al. Multi-scale saliency features fusion model for person re-identification
JP2017219984A (ja) 画像検索システム、画像辞書生成システム、画像処理システム及びプログラム
CN109241327A (zh) 图像检索方法及装置
CN111178409B (zh) 基于大数据矩阵稳定性分析的图像匹配与识别***
Seth et al. A review on content based image retrieval
CN112528905B (zh) 一种图像处理方法、装置及计算机存储介质
CN111859192B (zh) 搜索方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220128

CF01 Termination of patent right due to non-payment of annual fee