CN110737794A - 图像查询方法、***、服务器及存储介质 - Google Patents
图像查询方法、***、服务器及存储介质 Download PDFInfo
- Publication number
- CN110737794A CN110737794A CN201910982552.XA CN201910982552A CN110737794A CN 110737794 A CN110737794 A CN 110737794A CN 201910982552 A CN201910982552 A CN 201910982552A CN 110737794 A CN110737794 A CN 110737794A
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- matching
- static
- dynamic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000003068 static effect Effects 0.000 claims abstract description 103
- 230000015654 memory Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 7
- 241000510091 Quadrula quadrula Species 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282465 Canis Species 0.000 description 1
- 241000238370 Sepia Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- 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
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- 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
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- 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
- G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing 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
本发明实施例公开了一种图像查询方法、***、服务器及存储介质。所述方法包括:输入检索目标图像;获取检索目标图像的第一静态特征和第一动态特征;将第一静态特征和第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果;根据第一匹配结果从源图像中确认检索结果图像。本发明通过提供多种特征的图像查询方法,解决了现有技术中当图像资源为海量数据的时候,图像信息包含的对象信息、对象关联信息以及场景信息往往不能得到充分的体现,检索的准确性较低的技术问题,达到了对图像定位精准、便捷查询的技术效果。
Description
技术领域
本发明实施例涉及图像检索技术,尤其涉及一种图像查询方法、***、服务器及存储介质。
背景技术
目前的图像数据检索一般采取文本检索技术,形成了基于关键字的图像数据检索。该方法需要对图像数据进行注释,将用户用于查询的关键字与数据库中的图像和图片数据进行注释比较匹配来检索相关图像文件。另一种方法主要是通过从图像中分析抽取底层视觉特征来衡量图像之间的相似程度以实现基于内容的检索。
从本质上讲,图像的内容难以用几个关键字进行充分的描述,特别是蕴藏在图像数据中的丰富内容以及内容感知描述难以用文字来描述,而且用户也很难将这些信息线索转化成某种符号形式,而抽取底层视觉特征基本没有考虑图像的语义信息。因此,当图像资源为海量数据的时候,图像信息包含的对象信息、对象关联信息以及场景信息往往不能得到充分的体现,检索的准确性较低。
发明内容
本发明提供一种基于多多特征的图像查询方法、***、服务器及存储介质,以实现对图像的精准查询。
第一方面,本发明实施例提供了一种图像查询方法,包括:
输入检索目标图像;
获取检索目标图像的第一静态特征和第一动态特征;
将第一静态特征和第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果;
根据第一匹配结果从源图像中确认检索结果图像。
进一步的,输入检索目标图像前包括:
获取源图像;
遍历源图像,以获取源图像的第二静态特征和第二动态特征;
根据预设匹配算法,将第二静态特征和第二动态特征与对应的源图像关联后存储至预设数据库中。
进一步的,将第一静态特征和第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果包括:
将第一静态特征和第一动态特征与第二静态特征和第二动态特征根据预设特征权重值进行匹配,以得到匹配度;
根据预设匹配度阈值与匹配度确定第一匹配结果;
若匹配度大于等于预设匹配度阈值,则第一匹配结果为相似;
若匹配度小于预设匹配度阈值,则第一匹配结果为不相似。
进一步的,根据第一匹配结果从源图像中确认检索结果图像包括:
若第一匹配结果为相似,则查询多个图像数据以确定第一静态特征和第一动态特征对应的检索结果图像;
若第一匹配结果为不相似,则对第一静态特征和第一动态特征进行修改以得到第三静态特征和第三动态特征;
根据第三静态特征和第三动态特征重新与预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第二匹配结果。
进一步的,根据第三静态特征和第三动态特征重新与预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第二匹配结果之后包括:
根据第二匹配结果确认检索结果图像。
进一步的,第二静态特征包括图像背景信息和文字信息。
进一步的,第二动态特征包括颜色特征、形状特征和纹理特征
第二方面,本发明实施例还提供一种图像查询***,包括:
输入模块,用于输入检索目标图像;
第一获取模块,用于获取检索目标图像的第一静态特征和第一动态特征;
匹配模块,用于将第一静态特征和第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果;
检索模块,用于根据第一匹配结果从源图像中确认检索结果图像。
第三方面,本发明实施例还提供了一种服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中任一项图像查询方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中任一项图像查询方法的步骤。
本发明通过提供多种特征的图像查询方法,解决了现有技术中当图像资源为海量数据的时候,图像信息包含的对象信息、对象关联信息以及场景信息往往不能得到充分的体现,检索的准确性较低的技术问题,达到了对图像定位精准、便捷查询的技术效果。
附图说明
图1为本发明实施例一提供的一种图像查询方法的流程图;
图2为本发明实施例二提供的一种图像查询方法的流程图;
图3为本发明实施例三提供的一种图像查询***的结构示意图;
图4为本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止,但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外,术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等,但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一获取模块称为第二获取模块,且类似地,可将第二获取模块称为第一获取模块。第一获取模块和第二获取模块两者都是获取模块,但其不是同一获取模块。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
实施例一
图1为本发明实施例一提供的一种图像查询方法的流程图,本实施例可适用于用户或专业人士需要对图像进行检索的情况,该方法可以由主机或处理器来执行,具体包括如下步骤:
步骤S110、输入检索目标图像;
具体的,当用户或工作人员需要对图像进行检索查询时,用户可以根据不同检索环境输入检索目标图像。这里的检索目标图像是指用户或工作人员想检索到的图像。举例来说,当用户使用网页进行图像查询时,若用户需要图片背景为红色的米老鼠的图片时,用户可以在网站的图像检索页面上输入检索目标图像的信息(如检索目标图像的主要内容、关键词、颜色、图像形状等),即用户需要输入红色、米老鼠这些信息或点击相关的分类按键。
步骤S120、获取检索目标图像的第一静态特征和第一动态特征;
具体的,在本实施例中,第一静态特征可以包括检索目标图像的内容关键词和图像文本内容,第一动态特征可以包括检索目标图像的颜色、纹理和形状。
步骤S130、将第一静态特征和第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果;
具体的,预设数据库中源图像的第二静态特征和第二动态特征可以在建立数据库时获取,这里的第二静态特征和第二动态特征都与源图像进行了关联,在本实施例中,第二静态特征可以包括源图像的文字内容和关键词,第二动态特征可以包括源图像的图像背景颜色、图像形状、图像大小以及图像纹理。在本实施例中,第一静态特征与第二静态特征进行匹配,第一动态特征与第二动态特征进行匹配,最终得到第一匹配结果。
步骤S140、根据第一匹配结果从源图像中确认检索结果图像。
具体的,由步骤S130得到第一匹配结果,并根据不同的第一匹配结果确定不同的检索结果图像。在本实施例中,当第一匹配结果为相似时,用户或工作人员可以通过检索查询***在源图像中确认检索结果图像,这里所指的检索结果图像就是第一匹配结果为相似的符合要求的图像;而当第一匹配结果为不相似时,说明用户或工作人员输入的检索目标图像的第一静态特征和第一动态特征在预设数据库中并没有找到相似的符合要求的源图像,这时可以通过修改检索目标图像的第一静态特征和第一动态特征,并重新在预设数据库中进行匹配并根据新的匹配结果来确定检索结果图像。
本发明实施例一的有益效果在于通过静态特征和动态特征结合的图像查询方法,解决了现有技术中当图像资源为海量数据的时候,图像信息包含的对象信息、对象关联信息以及场景信息往往不能得到充分的体现,检索的准确性较低的技术问题,达到了对图像定位精准、便捷的查询的技术效果。
实施例二
本发明实施例二在实施例一的基础上做了进一步的优化。图2为本发明实施例二提供的一种图像查询方法的流程图。如图2所示,本实施例的图像查询方法,包括:
步骤S210、获取源图像;
具体的,本实施例的源图像是指存储在数据库中的原始图像,即接收从业务库中发送过来的经过图片预处理的图像。可以利用Oracle inter Media对源图像进行组织管理,使结构化数据与非结构化数据的存储平台统一,建立一种普遍适用的基于内容的图像数据库检索的数据模型,并根据模型建立图像数据库***。Inter Media是Oracle推出的对Oracle8i多媒体功能的扩充,包括图像(image)、声纹(audio)和视频(video)三部份。InterMedia使用对象类型,类似于JAVA或C++,来描述image、audio和video类型数据,Oracle在这三类对象中定义了许多方法来操作这些数据,如对于image类型数据来说,可以很方便地进行图形格式转换、压缩和拷贝,截取图形的任何一部份等,而这些是普通用于存储大对象的数据类型(line-of-business,lob)所无法比拟的。Java2平台企业版(JAVA 2PlatformEnterprise Edition,J2EE)是一个分布式的服务器应用程序设计环境,运用J2EE技术为开发平台、Oracle inter Media为数据存储平台,利用Oracle inter Media提供的应用程序编程接口(API)接口以及在可编程逻辑(Programmable Logic,PL)/结构化查询语言(Structured Query Language,SQL)中嵌入Java代码对相关接口进行扩展与丰富,实现一个基于浏览器/服务器模式(Browser/Server,B/S)的“静态特征+动态特征”内容检索软件***,B/S是一种网络结构模式,通过J2EE完成数据入库,对图像数据元数据特征的自动抽取、图像的视觉特征的自动提取、自动提取查询示例的特征等。在本实施例中,inter Media可以包括image、audio和video三部份。Inter Media使用对象类型来描述image、audio和video类型数据。如果将图像保存在数据库中,由数据库来统一维护,统一备份,这样就可以简化管理。至于存取速度则涉及到整个***的体系结构,可以通过增加中间层来提高访问速度。
步骤S220、遍历源图像,以获取源图像的第二静态特征和第二动态特征;
具体的,在查询***(这里的查询***可以是基于Oracle inter Media建立的***)接收了从第三方***(这里的第三方***可以是业务库,也可以是其他***的数据库)发送的源图像后,遍历每张源图像,并获取对应每个源图像的第二静态特征和第二动态特征。在本实施例中,第二静态特征可以是源图像的图像文本内容和图像关键词,第二动态特征可以是源图像的图像背景颜色、图像形状和图像纹理。
步骤S230、根据预设匹配算法,将第二静态特征和第二动态特征与对应的源图像关联后存储至预设数据库中;
具体的,预设匹配算法可以是inter Media图像匹配算法,即将多媒体数据静态属性和动态属性联合检索、全图像匹配和区域图像匹配相结合设计并实现一个基于interMedia环境下的智能匹配算法。图像匹配算法是图像及属性的读取、动态特征提取、相似性匹配和评价结果。算法的空间复杂度是算法所耗费存储空间的度量。根据相似性度量函数,将示例特征与数据库中多媒体数据的特征,进行相似性计算,返回满足相似性要求的结果集。***在相似性查询的实现上,考虑到检索需求的不明确可能导致查询结果的不准确,引入由粗到精的匹配策略,同时结合各种图像数据的特点采用相应的数据处理技术,多种技术手段综合运用。只考虑算法执行过程中为局部变量分配的临时存储空间,与数据库中的数据量无关。在本实施例中,通过预设匹配算法将第二静态特征和第二动态特征与对应的源图像关联并存储在预设数据库中后,图像查询***的数据模型才算建立完成。
步骤S240、输入检索目标图像;
具体的,具体的,当用户或工作人员需要对图像进行检索查询时,用户可以根据不同检索环境输入检索目标图像。这里的检索目标图像是指用户或工作人员想检索到的图像。举例来说,当图片处理的工作人员需要使用移动端进行图像查询时,若工作人员需要图形为矩形的某动漫人物(如海贼王、火影忍者中的角色等)的图片时,工作人员可以在网站的图像检索页面上输入检索目标图像的信息(如检索目标图像的主要内容、关键词、颜色、图像形状等),即用户需要输入矩形、动漫人员的名字(如路飞、鸣人、佐助等)这些信息或点击相关的分类按键。
步骤S250、获取检索目标图像的第一静态特征和第一动态特征;
具体的,在本实施例中,第一静态特征可以包括检索目标图像的内容关键词和图像文本内容,第一动态特征可以包括检索目标图像的颜色、纹理和形状。
步骤S260、将第一静态特征和第一动态特征与第二静态特征和第二动态特征根据预设特征权重值进行匹配,以得到匹配度;
具体的,根据预设特征权重值对预设数据库中的每个源图像进行第二静态特征和第二动态特征的量化,得到每个源图像相对于第一静态特征和第一动态特征的匹配度。举例来说,当用户或工作人员输入的检索目标图像为“红色+矩形+有纹理+枫叶”时,即检索目标图像的第一静态特征为枫叶,第一动态特征为红色、矩形和有纹理,遍历预设数据库中的每个源图像,并根据特征权重值将“红色+矩形+有纹理+枫叶”这些特征量化,如源图像的第二静态特征为枫叶,第二动态特征为绿色+矩形+有纹理,那么源图像中枫叶、矩形和有纹理这三个特征将按照不同的特征权重值进行计算,从而得出该源图像相对于第一静态特征和第一动态特征的匹配度。
步骤S270、根据预设匹配度阈值与匹配度确定第一匹配结果;
具体的,可以预先在图像查询***中设置匹配度阈值,这种匹配度阈值用于判断源图像与检索目标图像的相似度。
步骤S281、若匹配度大于等于预设匹配度阈值,则第一匹配结果为相似;
步骤S282、若匹配度小于预设匹配度阈值,则第一匹配结果为不相似;
步骤S291、若第一匹配结果为相似,则查询多个图像数据以确定第一静态特征和第一动态特征对应的检索结果图像;
具体的,当第一匹配结果为相似时,也就是说或源图像与用户或工作人员一开始输入的检索目标图像相似,这时将第一匹配结果为相似的所有源图像确定为第一静态特征和第一动态特征对应的检索结果图像。
步骤S292、若第一匹配结果为不相似,则对第一静态特征和第一动态特征进行修改以得到第三静态特征和第三动态特征;
具体的,当第一匹配结果为不相似时,对第一静态特征和第一动态特征进行修改,如当用户输入的第一静态特征为宠物狗,第一动态特征为有纹理和白色时,若第一匹配结果为不相似,则用户可以修改第一静态特征为犬类动物,第一动态特征为白色,然后再重新将修改后的第一静态特征(即第三静态特征)和修改后的第一动态特征(即第三动态特征)与源图像的第二静态特征和第二动态特征进行匹配。
步骤S310、根据第三静态特征和第三动态特征重新与预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第二匹配结果;
步骤S320、根据第二匹配结果确认检索结果图像。
具体的,在得到第三静态特征和第三动态特征后,可以按照步骤S260-步骤S292中相同的方法将第三静态特征和第三动态特征与第二静态特征和第二动态特征进行匹配,得到第二匹配结果,并根据第二匹配结果是相似还是不相似来确定检索结果图像。
在本实施例中,第二静态特征可以包括图像背景信息和文字信息。
在本实施例中,第二动态特征可以包括颜色特征、形状特征和纹理特征。
本发明实施例二的有益效果在于通过静态特征和动态特征结合的图像查询方法,将图像的底层特征、文本内容和潜义内容都与对应的图像关联,解决了现有技术中当图像资源为海量数据的时候,图像信息包含的对象信息、对象关联信息以及场景信息往往不能得到充分的体现,检索的准确性较低的技术问题,达到了对图像定位精准、便捷的查询的技术效果。
实施例三
图3为本发明实施例三提供的一种图像查询***的结构示意图。如图3所示,本实施例中的图像查询***300包括:
输入模块310,用于输入检索目标图像;
第一获取模块320,用于获取检索目标图像的第一静态特征和第一动态特征;
匹配模块330,用于将第一静态特征和第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果;
检索模块340,用于根据第一匹配结果从源图像中确认检索结果图像。
在本实施例中,图像查询***300还包括:
第二获取模块350,用于获取源图像;
遍历模块360,用于遍历源图像,以获取源图像的第二静态特征和第二动态特征;
关联模块370,用于根据预设匹配算法,将第二静态特征和第二动态特征与对应的源图像关联后存储至预设数据库中。
在本实施例中,匹配模块330包括:
第一匹配单元,用于将第一静态特征和第一动态特征与第二静态特征和第二动态特征根据预设特征权重值进行匹配,以得到匹配度;
仲裁单元,用于根据预设匹配度阈值与匹配度确定第一匹配结果;
第一判断单元,用于若匹配度大于等于预设匹配度阈值,则第一匹配结果为相似;
第二判断单元,用于若匹配度小于预设匹配度阈值,则第一匹配结果为不相似。
在本实施例中,检索模块340包括:
第一检索单元,用于若第一匹配结果为相似,则查询多个图像数据以确定第一静态特征和第一动态特征对应的检索结果图像;
修改单元,用于若第一匹配结果为不相似,则对第一静态特征和第一动态特征进行修改以得到第三静态特征和第三动态特征;
第二匹配单元,用于根据第三静态特征和第三动态特征重新与预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第二匹配结果。
在本实施例中,检索模块340还包括:
第二检索单元,用于根据第二匹配结果确认检索结果图像。
在本实施例中,第二静态特征包括图像背景信息和文字信息。
在本实施中,第二动态特征包括颜色特征、形状特征和纹理特征。
本发明实施例所提供的图像查询***可执行本发明任意实施例所提供的图像查询方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种服务器的结构示意图,如图4所示,该服务器包括处理器410、存储器420、输入装置430和输出装置440;服务器中处理器410的数量可以是一个或多个,图4中以一个处理器410为例;服务器中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器410作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的图像查询***对应的程序指令/模块(例如,图像查询***中的输入模块、第一获取模块、匹配模块、检索模块、第二获取模块、遍历模块和关联模块)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述的图像查询方法。
也即:
输入检索目标图像;
获取检索目标图像的第一静态特征和第一动态特征;
将第一静态特征和第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果;
根据第一匹配结果从源图像中确认检索结果图像。
存储器420可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与服务器的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种图像查询方法,该方法包括:
输入检索目标图像;
获取检索目标图像的第一静态特征和第一动态特征;
将第一静态特征和第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果;
根据第一匹配结果从源图像中确认检索结果图像。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的图像查询方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
值得注意的是,上述图像查询***的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种图像查询方法,其特征在于,包括:
输入检索目标图像;
获取所述检索目标图像的第一静态特征和第一动态特征;
将所述第一静态特征和所述第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果;
根据所述第一匹配结果从所述源图像中确认检索结果图像。
2.根据权利要求1所述的一种图像查询方法,其特征在于,所述输入检索目标图像前包括:
获取所述源图像;
遍历所述源图像,以获取所述源图像的第二静态特征和第二动态特征;
根据预设匹配算法,将所述第二静态特征和第二动态特征与对应的所述源图像关联后存储至所述预设数据库中。
3.根据权利要求1所述的一种图像查询方法,其特征在于,所述将所述第一静态特征和第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果包括:
将所述第一静态特征和第一动态特征与所述第二静态特征和第二动态特征根据预设特征权重值进行匹配,以得到匹配度;
根据预设匹配度阈值与所述匹配度确定第一匹配结果;
若所述匹配度大于等于所述预设匹配度阈值,则第一匹配结果为相似;
若所述匹配度小于所述预设匹配度阈值,则第一匹配结果为不相似。
4.根据权利要求3所述的一种图像查询方法,其特征在于,所述根据所述第一匹配结果从所述源图像中确认检索结果图像包括:
若所述第一匹配结果为相似,则查询所述多个图像数据以确定所述第一静态特征和第一动态特征对应的检索结果图像;
若所述第一匹配结果为不相似,则对所述第一静态特征和第一动态特征进行修改以得到第三静态特征和第三动态特征;
根据所述第三静态特征和第三动态特征重新与所述预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第二匹配结果。
5.根据权利要求4所述的一种图像查询方法,其特征在于,所述根据所述第三静态特征和第三动态特征重新与所述预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第二匹配结果之后包括:
根据所述第二匹配结果确认检索结果图像。
6.根据权利要求1所述的一种图像查询方法,其特征在于,所述第二静态特征包括图像背景信息和文字信息。
7.根据权利要求1所述的一种图像查询方法,其特征在于,所述第二动态特征包括颜色特征、形状特征和纹理特征。
8.一种图像查询***,其特征在于,包括:
输入模块,用于输入检索目标图像;
第一获取模块,用于获取所述检索目标图像的第一静态特征和第一动态特征;
匹配模块,用于将所述第一静态特征和所述第一动态特征和预设数据库中源图像的第二静态特征和第二动态特征进行匹配以得到第一匹配结果;
检索模块,用于根据所述第一匹配结果从所述源图像中确认检索结果图像。
9.一种服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述图像查询方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被所述处理器执行时实现权利要求1-7中任一项所述图像查询方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982552.XA CN110737794A (zh) | 2019-10-16 | 2019-10-16 | 图像查询方法、***、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982552.XA CN110737794A (zh) | 2019-10-16 | 2019-10-16 | 图像查询方法、***、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110737794A true CN110737794A (zh) | 2020-01-31 |
Family
ID=69268980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910982552.XA Pending CN110737794A (zh) | 2019-10-16 | 2019-10-16 | 图像查询方法、***、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737794A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428070A (zh) * | 2020-03-25 | 2020-07-17 | 南方科技大学 | 眼科案例的检索方法、装置、服务器及存储介质 |
CN117576425A (zh) * | 2024-01-17 | 2024-02-20 | 南京掌控网络科技有限公司 | 一种窜拍图像检测的方法和*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006323474A (ja) * | 2005-05-17 | 2006-11-30 | Yuichiro Matsuda | 情報検索システム、情報教育システム及びその方法 |
CN101211341A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 图像智能模式识别搜索方法 |
CN101458695A (zh) * | 2008-12-18 | 2009-06-17 | 西交利物浦大学 | 基于关键词和内容特征的混合图片索引构建和查询方法及其应用 |
CN101710334A (zh) * | 2009-12-04 | 2010-05-19 | 大连理工大学 | 基于图像哈希的大规模图像库检索方法 |
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*** |
-
2019
- 2019-10-16 CN CN201910982552.XA patent/CN110737794A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006323474A (ja) * | 2005-05-17 | 2006-11-30 | Yuichiro Matsuda | 情報検索システム、情報教育システム及びその方法 |
CN101211341A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 图像智能模式识别搜索方法 |
CN101458695A (zh) * | 2008-12-18 | 2009-06-17 | 西交利物浦大学 | 基于关键词和内容特征的混合图片索引构建和查询方法及其应用 |
CN101710334A (zh) * | 2009-12-04 | 2010-05-19 | 大连理工大学 | 基于图像哈希的大规模图像库检索方法 |
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*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111428070A (zh) * | 2020-03-25 | 2020-07-17 | 南方科技大学 | 眼科案例的检索方法、装置、服务器及存储介质 |
CN117576425A (zh) * | 2024-01-17 | 2024-02-20 | 南京掌控网络科技有限公司 | 一种窜拍图像检测的方法和*** |
CN117576425B (zh) * | 2024-01-17 | 2024-04-16 | 南京掌控网络科技有限公司 | 一种窜拍图像检测的方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10885100B2 (en) | Thumbnail-based image sharing method and terminal | |
US11461392B2 (en) | Providing relevant cover frame in response to a video search query | |
US10725981B1 (en) | Analyzing big data | |
US8983197B2 (en) | Object tag metadata and image search | |
US8560517B2 (en) | Object retrieval using visual query context | |
US9361320B1 (en) | Modeling big data | |
US8868569B2 (en) | Methods for detecting and removing duplicates in video search results | |
US20140046944A1 (en) | Shape based picture search | |
CN116188821B (zh) | 版权检测方法、***、电子设备和存储介质 | |
CN112019820B (zh) | 界面生成方法和装置 | |
CN109564566B (zh) | 对调用应用的发现以用于控制文件水化行为 | |
KR101777238B1 (ko) | 영상 트렌드 검출 및 큐레이션을 위한 방법 및 시스템 | |
JP6932360B2 (ja) | オブジェクト検索方法、装置およびサーバ | |
WO2023236257A1 (zh) | 文档搜索平台、搜索方法、装置、电子设备及存储介质 | |
CN110737794A (zh) | 图像查询方法、***、服务器及存储介质 | |
CN112836124A (zh) | 一种画像数据获取方法、装置、电子设备及存储介质 | |
US20180314698A1 (en) | Media sharing based on identified physical objects | |
CN111368128A (zh) | 目标图片的识别方法、装置和计算机可读存储介质 | |
WO2019085591A1 (zh) | 智能硬件设备、磁盘数据智能处理方法和存储介质 | |
JP6140835B2 (ja) | 情報検索システムおよび情報検索方法 | |
US9659041B2 (en) | Model for capturing audit trail data with reduced probability of loss of critical data | |
WO2019100234A1 (zh) | 实现信息互动的方法和装置 | |
KR20190106107A (ko) | 위치정보와 촬영자세를 이용한 스마트 영상의 가상현실 서비스 기술 | |
CN108009233B (zh) | 一种图像还原方法、装置、计算机设备及存储介质 | |
CN107741992B (zh) | 会议记录的网络存储方法、装置、智能平板和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200131 |
|
RJ01 | Rejection of invention patent application after publication |