一种图像压缩方法、装置、服务器及存储介质制造方法及图纸

本发明专利技术公开了一种图像压缩方法、装置、服务器及存储介质，该方法包括：对m个样本图像提取多个关键点，每个所述关键点包括长度为n的向量；对所述关键点进行聚类以获得的多个聚类簇中心，使用所述多个聚类簇中心定义聚类像素矩阵；基于所述关键点和所述多个聚类簇中心的距离对所述关键点所属的所述m个样本图像进行聚类，以获得图像聚类矩阵；根据所述聚类像素矩阵和所述图像聚类矩阵生成图像压缩矩阵以定义m个样本图像压缩后的m个目标图像，每个所述目标图像包括长度为n的向量。本发明专利技术的技术方案实现了实现便于图像检索以及检索中的相关性水平标注以提高检索质量。

【技术实现步骤摘要】
一种图像压缩方法、装置、服务器及存储介质
本专利技术实施例涉及图像识别技术，尤其涉及一种图像压缩方法、装置、服务器及存储介质。
技术介绍
随着成像技术的发展，眼科数字影像已成为眼科学的主要数据，这一趋势驱动着眼科影像检索系统的建设，以辅助医生临床决策。近年来，在医学影像领域，以深度卷积网络(CNN)为代表的深度学习算法在眼科影像的疾病分类和病灶分割上获得了优异性能，在提取纹理、颜色、形态等特征上超过传统分类器如支持向量机(SVM)、随机森林(RF)等，加速了眼科影像检索系统的发展。但目前眼科影像的数据集都为分类、分割、检测任务而采集，这些数据集用在检索任务时，只能进行相关性标签的有监督训练，而不能进行相关性水平的有监督训练。
技术实现思路
本专利技术提供一种图像压缩方法、装置、服务器及存储介质，以实现便于图像检索以及检索中的相关性水平标注以提高检索质量。第一方面，本专利技术实施例提供了一种图像压缩方法，包括：对m个样本图像提取多个关键点，每个所述关键点包括长度为n的向量；对所述关键点进行聚类以获得的多本文档来自技高网...

【技术保护点】
1.一种图像压缩方法，其特征在于，包括：/n对m个样本图像提取多个关键点，每个所述关键点包括长度为n的向量；/n对所述关键点进行聚类以获得的多个聚类簇中心，使用所述多个聚类簇中心定义聚类像素矩阵；/n基于所述关键点和所述多个聚类簇中心的距离对所述关键点所属的所述m个样本图像进行聚类，以获得图像聚类矩阵；/n根据所述聚类像素矩阵和所述图像聚类矩阵生成图像压缩矩阵以定义m个样本图像压缩后的m个目标图像，每个所述目标图像包括长度为n的向量。/n

【技术特征摘要】
1.一种图像压缩方法，其特征在于，包括：
对m个样本图像提取多个关键点，每个所述关键点包括长度为n的向量；
对所述关键点进行聚类以获得的多个聚类簇中心，使用所述多个聚类簇中心定义聚类像素矩阵；
基于所述关键点和所述多个聚类簇中心的距离对所述关键点所属的所述m个样本图像进行聚类，以获得图像聚类矩阵；
根据所述聚类像素矩阵和所述图像聚类矩阵生成图像压缩矩阵以定义m个样本图像压缩后的m个目标图像，每个所述目标图像包括长度为n的向量。


2.根据权利要求1所述的图像压缩方法，其特征在于，所述对m个样本图像提取多个关键点包括：
对所述m个样本图像进行预处理以转换成m个灰度图像；
对所述m个灰度图像提取所述关键点。


3.根据权利要求2所述的图像压缩方法，其特征在于，所述对所述m个样本图像进行预处理以转换成m个灰度图像包括：
采用中值滤波法对所述m个样本图像进行去噪处理；
将进行去噪处理后的所述m个样本图像由RGB色度空间转换成m个灰度图像。


4.根据权利要求2所述的图像压缩方法，其特征在于，所述对所述m个灰度图像提取所述关键点包括：
将所述灰度图像经过高斯函数卷积和降采样获得高斯金字塔图像；
将相邻两层的所述高斯金字塔图像相减获得高斯差分图像，并在所述高斯差分图像上检测所述关键点，并根据邻域像素确定所述关键点的主方向，所述主方向为所述关键点基于像素的特征向量的方向。


5.根据权利要求4所述的图像压缩方法，其特征在于，所述对所述关键点进行聚类以获得的多个聚类簇中心，使用所述多个聚类簇中心定义聚类像素矩阵包括：
使用所述高斯金字塔图像的顶层图像进行Kmeans聚类以计算出多个聚类簇中心；
通过计算所述关键点与所述聚类簇中心的距离对所述关键点进行归类以生成所述聚类像素矩阵。

【专利技术属性】
技术研发人员：方建生，刘江，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：广东;44