An image representation method and a server are disclosed in the application implementation method. Including the image representation method: obtain the image matrix target image in a predetermined color space corresponding to the set; the image matrix set for dimensionality reduction, get at least one dimension reduction matrix set; according to the first drop dimension matrix, second dimensional matrix set dimension matrix and third dimensional two-dimensional coordinates with the same the elements of the matrix operation according to the preset algorithm, the screening matrix output of the dimension reduction matrix of the corresponding set; screening matrix based on the dimension reduction matrix set corresponding to the reduction of the matrix set to filter data, get at least one representation matrix of the target image set; among them, the characterization of matrices the first set includes the characterization matrix, second matrix characterization and third matrix characterization. The image representation method and server provided by this application can reduce the computation workload of obtaining the representation data of the target image.
【技术实现步骤摘要】
图像表征方法和服务器
本申请涉及计算机
,特别涉及一种图像表征方法和服务器。
技术介绍
随着计算机技术的发展,图像已经成为一种重要的信息承载形式。图像的表征一般是指获取该图像的表征数据,并使用所述表征数据表征该图像的过程,其中,所述表征数据一般为能够表达该图像所蕴含颜色、纹理和形状等信息的数据。图像的表征在图像检索、图像拼接、目标检测与识别、机器人场景定位和视频内容分析等领域均有广阔的应用。例如,在图像搜索领域,在接收到包含目标图像的查询请求后,通常需要获取目标图像的表征数据,并将所述目标图像的表征数据与图像表征数据库中每个图像的表征数据进行比对,以返回所述图像表征数据中的与所述查询请求相匹配的图像。现有技术中,图像表征方法一般如下:使用预设的图像分割算法对目标图像进行分割处理,以从所述目标图像中获取感兴趣目标所在的目标区域,使用预设的数据提取算法从所述目标区域中提取能够表达该目标区域所蕴含颜色、纹理和形状等信息的数据,并将提取的数据作为所述目标图像的表征数据。其中,所述图像分割算法可以包括罗伯茨(Roberts)算法和索贝儿(Sobel)算法等,所述数据提取算法可以包括傅里叶(Fourier)变换算法和小波变换算法等。在实现本申请过程中,专利技术人发现现有技术中至少存在如下问题:上述现有技术中,在获取目标图像的表征数据时,通常需要使用预设的图像分割算法对所述目标图像进行分割处理,以从所述目标图像中获取感兴趣目标所在的目标区域。但是,图像分割算法通常具有较高的运算复杂度。因此,上述现有技术中的方法,在获取目标图像的表征数据时会产生较大的运算工作量,给 ...
【技术保护点】
一种服务器,其特征在于,包括:存储器和处理器;所述存储器,用于存储程序指令;所述处理器通过执行所述程序指令实现的功能包括:获取目标图像在预定色彩空间对应的图像矩阵集,所述图像矩阵集至少包括第一维矩阵、第二维矩阵以及第三维矩阵;将所述图像矩阵集进行降维处理,得到至少一个降维矩阵集,其中,每个所述降维矩阵集包括与所述第一维矩阵对应的第一降维矩阵、与所述第二维矩阵对应的第二降维矩阵、以及与所述第三维矩阵对应的第三降维矩阵;将所述降维矩阵集的第一降维矩阵、第二降维矩阵、以及第三降维矩阵中具有相同二维坐标的元素按照所述存储器中的预设算法进行运算,输出所述降维矩阵集对应的筛选矩阵;基于所述降维矩阵集对应的筛选矩阵,对所述降维矩阵集进行数据筛选,得到所述目标图像的至少一个表征矩阵集;其中,所述表征矩阵集包括第一表征矩阵、第二表征矩阵和第三表征矩阵。
【技术特征摘要】
1.一种服务器,其特征在于,包括:存储器和处理器;所述存储器,用于存储程序指令;所述处理器通过执行所述程序指令实现的功能包括:获取目标图像在预定色彩空间对应的图像矩阵集,所述图像矩阵集至少包括第一维矩阵、第二维矩阵以及第三维矩阵;将所述图像矩阵集进行降维处理,得到至少一个降维矩阵集,其中,每个所述降维矩阵集包括与所述第一维矩阵对应的第一降维矩阵、与所述第二维矩阵对应的第二降维矩阵、以及与所述第三维矩阵对应的第三降维矩阵;将所述降维矩阵集的第一降维矩阵、第二降维矩阵、以及第三降维矩阵中具有相同二维坐标的元素按照所述存储器中的预设算法进行运算,输出所述降维矩阵集对应的筛选矩阵;基于所述降维矩阵集对应的筛选矩阵,对所述降维矩阵集进行数据筛选,得到所述目标图像的至少一个表征矩阵集;其中,所述表征矩阵集包括第一表征矩阵、第二表征矩阵和第三表征矩阵。2.一种图像表征方法,其特征在于,包括:获取目标图像在预定色彩空间对应的图像矩阵集,所述图像矩阵集至少包括第一维矩阵、第二维矩阵以及第三维矩阵;将所述图像矩阵集进行降维处理,得到至少一个降维矩阵集,其中,所述降维矩阵集包括与所述第一维矩阵对应的第一降维矩阵、与所述第二维矩阵对应的第二降维矩阵、以及与所述第三维矩阵对应的第三降维矩阵;根据所述降维矩阵集的第一降维矩阵、第二降维矩阵、以及第三降维矩阵中具有相同二维坐标的元素按照预设算法进行运算,输出所述降维矩阵集对应的筛选矩阵;基于所述降维矩阵集对应的筛选矩阵,对所述降维矩阵集进行数据筛选,得到所述目标图像的至少一个表征矩阵集;其中,所述表征矩阵集包括第一表征矩阵、第二表征矩阵和第三表征矩阵。3.如权利要求2所述的方法,其特征在于,所述第一维矩阵、所述第二维矩阵和所述第三维矩阵分别对应所述预定色彩空间的一个颜色通道。4.如权利要求2所述的方法,其特征在于,在对图像矩阵集进行降维处理的步骤中,包括:将所述图像矩阵集与至少一个第一层卷积矩阵集,进行卷积运算;其中,每个所述第一层卷积矩阵集采用历史数据构建。5.如权利要求4所述的方法,其特征在于,每个所述第一层卷积矩阵集包括第一卷积矩阵、第二卷积矩阵和第三卷积矩阵;在进行卷积运算的步骤中包括:分别将每个所述第一层卷积矩阵集的第一卷积矩阵与所述第一维矩阵进行卷积运算,将得到的运算结果作为对应降维矩阵集中的第一降维矩阵;分别将每个所述第一层卷积矩阵集的第二卷积矩阵与所述第二维矩阵进行卷积运算,将得到的运算结果作为对应降维矩阵集中的第二降维矩阵;分别将每个所述第一层卷积矩阵集的第三卷积矩阵与所述第三维矩阵进行卷积运算,将得到的运算结果作为对应降维矩阵集中的第三降维矩阵。6.如权利要求5所述的方法,其特征在于,在对图像矩阵集进行降维处理的步骤中,还包括:将所述图像矩阵集与至少一个第一层卷积矩阵集进行卷积运算的结果,与第二级卷积矩阵集进行卷积运算。7.如权利要求6所述的方法,其特征在于,每个所述第二级卷积矩阵集包括第四卷积矩阵、第五卷积矩阵和第六卷积矩阵;在与第二级卷积矩阵集进行卷积运算的步骤中包括:分别将每个所述第一层卷积矩阵集中第一卷积矩阵的运算结果,与对应第二层卷积矩阵集的第四卷积矩阵进行卷积运算;分别将每个所述第一层卷积矩阵集中第二卷积矩阵的运算结果,与对应第二层卷积矩阵集的第五卷积矩阵进行卷积运算;分别将每个所述第一层卷积矩阵集中第三卷积矩阵的运算结果,与对应第二层卷积矩阵集的第六卷积矩阵进行卷积运算。8.如权利要求4所述的方法,其特征在于,所述进行降维处理的步骤,还包括:分别将每个所述第一层卷积矩阵集中第一卷积矩阵的运算结果,进行分块映射处理;分别将每个所述第一层卷积矩阵集中第二卷积矩阵的运算结果,进行分块映射处理;分别将每个所述第一层卷积矩阵集中第三卷积矩阵的运算结果,进行分块映射处理。9.如权利要求8所述的方法,其特征在于,对于每个所述第一层卷积矩阵集,将该第一层卷积矩阵集中第一卷积矩阵的运算结果...
【专利技术属性】
技术研发人员:李昊,孙修宇,刘巍,潘攀,华先胜,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛,KY
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。