The invention provides a picture retrieval method and a system, relating to the technical field of picture retrieval. In the embodiment of the invention, the feature data first establish images data and extract each picture corresponding to the data processing to get the feature matrix; then according to the picture category and category matrix attribute matrix construction type information, and the characteristics of the data matrix is divided into training and test matrix matrix, then obtain the hash conversion through the hash function; the transfer function of the training and test matrix matrix encoding, and from the training and test matrix encoding matrix encoding selected preset number of picture retrieval form library, finally, from the test series of selected picture code matrix, calculating the distance between the foundation and the hash code hash code of the picture and retrieval in the library a picture of the Hamming, sequentially outputs the retrieval results. The embodiment of the invention can effectively improve the efficiency of image retrieval and reduce the cost of image retrieval.
【技术实现步骤摘要】
本专利技术涉及图片检索
,具体而言,涉及一种图片检索方法和系统。
技术介绍
随着云计算、物联网、移动电话、社交媒体等信息技术的发展,互联网上的数据呈爆炸式的增长,大数据时代已经到来。在大数据时代,如何进行快速的图片检索,是人们关注的重点。其中,哈希学习通过学习图片的二进制代码表示,节省了存储空间,加快了查询速度,在图片相近性检索中被广泛研究。经专利技术人研究发现,传统的哈希学习,需要人们预先标注大量待编码的图片,供哈希学习算法进行预训练,但是,在大数据时代,随着不断涌现的新数据,昂贵的人工标注和耗时的预训练过程阻碍了哈希学习算法在实际图片检索过程中的应用。
技术实现思路
本专利技术旨在改善上述的技术问题。为此,本专利技术提供一种图片检索方法和系统,旨在大数据时代背景下,能够规避昂贵的人工标注过程和预训练过程,提高图片检索效率。本专利技术较佳实施例提供一种图片检索方法,所述方法包括:建立图片数据集,提取所述图片数据集中每一张图片对应的特征数据并处理,以得到特征数据矩阵;根据图片所属种类信息构建描述每一张图片对应的类别种类的类别矩阵和描述每一个类别对应的图片属性信息的类别-属性矩阵;将所述特征数据矩阵划分为训练矩阵和测试矩阵,其中,所述训练矩阵中不包含所述测试矩阵中包括的类别种类;根据所述训练矩阵、类别矩阵和类别-属性矩阵构建目标损失函数,进而求取哈希转换函数;使用所述哈希转换函数分别对所述训练矩阵和测试矩阵进行编码,得到训练编码矩阵和测试编码矩阵;从所述训练编码矩阵和测试编码矩阵中选取预设数量张图片构成检索库,从所述测试编码矩阵中选取图片,并计算该图片的 ...
【技术保护点】
一种图片检索方法,其特征在于,所述方法包括:建立图片数据集,提取所述图片数据集中每一张图片对应的特征数据并处理,以得到特征数据矩阵;根据图片所属种类信息构建描述每一张图片对应的类别种类的类别矩阵和描述每一个类别对应的图片属性信息的类别‑属性矩阵;将所述特征数据矩阵划分为训练矩阵和测试矩阵,其中,所述训练矩阵中不包含所述测试矩阵中包括的类别种类;根据所述训练矩阵、类别矩阵和类别‑属性矩阵构建目标损失函数,进而求取哈希转换函数;使用所述哈希转换函数分别对所述训练矩阵和测试矩阵进行编码,得到训练编码矩阵和测试编码矩阵;从所述训练编码矩阵和测试编码矩阵中选取预设数量张图片构成检索库,从所述测试编码矩阵中选取图片,并计算该图片的哈希码与所述检索库中的图片的哈希码之间的汉明距离,进而根据所述汉明距离的大小顺序,依次输出检索结果。
【技术特征摘要】
1.一种图片检索方法,其特征在于,所述方法包括:建立图片数据集,提取所述图片数据集中每一张图片对应的特征数据并处理,以得到特征数据矩阵;根据图片所属种类信息构建描述每一张图片对应的类别种类的类别矩阵和描述每一个类别对应的图片属性信息的类别-属性矩阵;将所述特征数据矩阵划分为训练矩阵和测试矩阵,其中,所述训练矩阵中不包含所述测试矩阵中包括的类别种类;根据所述训练矩阵、类别矩阵和类别-属性矩阵构建目标损失函数,进而求取哈希转换函数;使用所述哈希转换函数分别对所述训练矩阵和测试矩阵进行编码,得到训练编码矩阵和测试编码矩阵;从所述训练编码矩阵和测试编码矩阵中选取预设数量张图片构成检索库,从所述测试编码矩阵中选取图片,并计算该图片的哈希码与所述检索库中的图片的哈希码之间的汉明距离,进而根据所述汉明距离的大小顺序,依次输出检索结果。2.根据权利要求1所述的图片检索方法,其特征在于,所述构建目标损失函数的步骤包括:构造多层信息表示空间项其中,Xtrain表示图片在特征空间的信息,B表示图片在哈希码空间的信息,S表示图片在属性空间的信息,Ytrain表示图片在类别空间的信息,V和P用于不同空间之间的转换;构造正则项其中,L为Xtrain的拉普拉斯矩阵;将所述多层信息表示空间项与所述正则项相加,得到所述目标损失函数。3.根据权利要求2所述的图片检索方法,其特征在于,所述求取哈希转换函数的步骤为:使用坐标下降法和离散循环坐标下降法,分别对所述目标损失函数中的P、B、V进行迭代优化,从而得到哈希转换函数其中,P为哈希函数。4.根据权利要求1所述的图片检索方法,其特征在于,所述得到特征数据矩阵的步骤包括:对每一张图片的特征数据做归一化处理,得到归一化数据;从所述归一化数据中选取m个锚点,利用m个锚点,再次对所述归一化数据进行处理,处理后的每张图片保存为m维矩阵,作为特征数据矩阵,其中,所述锚点为随机在所述归一化数据中选取的图片。5.根据权利要求4所述的图片检索方法,其特征在于,所述从所述归一化数据中选取m个锚点,利用m个锚点,再次对所述归一化数据进行处理的步骤包括:随机从所述归一化数据中抽取m张图片作为锚点;利用公式将图片的特征数据x转换为矩阵将所述矩阵进行拼接生成特征数据矩阵,其中,δ=1,a1、a2、a3……、am分别对应m个锚点。6.根据权利要求1所述的图片检索方法,其特征在于,提取所述图片数据集中每一张图片对应的特征数据并处理的步骤包...
【专利技术属性】
技术研发人员:杨阳,徐亚辉,沈复民,谢宁,申恒涛,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。