一种船只检索方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种船只检索方法、装置、电子设备及存储介质。该方法包括：获取待检索船只影像；利用预先构建的神经网络模型对待检索船只影像进行船只位置识别，提取船只特征向量；基于特征向量将待检索船只与预先构建的特征数据库进行比对，计算待检索船只与特征数据库中船只的第一相似度；选择相似度大于第一预设阈值的船只，得到预检索结果；从识别的船只位置处截取局部影像；将局部影像遍历预检索结果中的每一张船只影像，计算局部影像与预检索结果中的每一张船只影像中与局部影像相同大小区域的第二相似度；当存在第二相似度达到第二预设阈值的目标船只时，确定待检索船只为目标船只。通过实施该方法，提高了船只检索的准确性。

【技术实现步骤摘要】
一种船只检索方法、装置、电子设备及存储介质
本专利技术涉及图像处理领域，具体涉及一种船只检索方法、装置、电子设备及存储介质。
技术介绍
随着观测技术的进步，可获取的影像数据量正在以惊人的速度增长。同时，数据日益多元化，数据获取数度更快，获取周期更短，时效性也更强。然而，与数据获取方面的快速发展不同，现有的数据处理技术还远远不能达到要求，从而导致了很多数据的浪费，不能充分利用数据的价值。研究如何从海量的数据中准确地获取有效的目标信息，检索出需要的图像，有利于数据库的高效利用。然而，当前许多图像中地物复杂且覆盖范围广，船只作为小型地物，具有特征信息相对较少，检索十分困难。现有技术中，船只图像检索通常是计算待检索船只与数据库中的船只的相似度，以该相似度来确定出待检索船只身份，然而，在实际处理中，由于船只影像只能拍摄到船只的局部影像，在进行特征比对和相似度计算时，往往为了综合和局部影像的影响，会将相似度阈值相应地下调，这使得船只影响检索时，检索结果中会存在较大的噪音，导致检索结果不准确。因此研究如何从海量船只图像数据中准确的对船只的身份进行识别，仍然是一个亟待解决的问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种船只检索方法、装置、电子设备及存储介质，以解决现有技术中船只检索准确性低的技术问题。根据第一方面，本专利技术实施例提供了一种船只检索方法，包括如下步骤：获取待检索船只影像；利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，提取所述待检索船只的特征向量；基于所述特征向量将所述待检索船只与预先构建的特征数据库进行比对，计算所述待检索船只与所述特征数据库中船只的第一相似度，其中，所述特征数据库中存有船只特征向量及其与船只的对应关系；选择相似度大于第一预设阈值的船只，得到预检索结果；从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像；将所述局部影像遍历所述预检索结果中的每一张船只影像，计算所述局部影像与所述预检索结果中的每一张船只影像中与所述局部影像相同大小的区域的第二相似度；当所述预检索结果存在所述第二相似度达到第二预设阈值的目标船只时，确定所述待检索船只为所述目标船只。本专利技术实施例提供的船只检索方法，先基于船只影像对船只位置进行识别，并提取船只特征向量，利用提取的特征向量与预先构建的特征数据库进行比对，根据第一预设阈值与第一相似度比对结果得到初步检索结果；然后截取确定的船只位置处的局部影像，用截取的局部影像历遍初步检索结果中的所有船只影像，根据第二预设阈值与第二相似度比对结果得到最终检索结果的目标船只，确定待检索船只为最终检索结果中的目标船只，完成船只检索。初步结果是现有技术中常用的特征检索步骤，但是只能粗略的得到检索结果，不排其中包含其他不是待检索船只的船只影像，因此，本专利技术实施例在现有技术上进一步对初步检索结果中利用局部影像的特征比对，并根据局部影像的图像熵的不同设定了不同的第二预设阈值，对初步检索结果进一步筛选得到最终的检索结果，由此得到的检索结果是经过了两次筛选的结果，提高了船只检索的准确性，基本上排除了其它干扰选项，便可以将该最终结果的目标船只确定为待检索船只。结合第一方面，在第一方面第一实施例中，所述从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像，包括：确定所要截取的局部影像的目标框；以所述目标框的大小从所述待检索船只影像上进行遍历，计算每个目标框位置的图像熵；以在所述船只位置的最大图像熵的目标框所在区域，截取得到所述局部影像。本专利技术实施例提供的船只检索方法，在对船只局部影像的截取过程中，选择包含最大的图像熵的局部影像作为截取对象，具体截取方法为：首先确定截取局部影像目标框的大小，然后以该目标框的大小在待检索船只影像上进行历遍，并且计算没有目标框经过的位置的图像熵，对比所有位置的图像熵的大小，选择最大的图像熵的位置进行截取。选取包含最大图像熵的位置作为局部影像，是为了在足够多的图像熵的情况下，与检索结果中的船只影像图片比对时能够更加精准的进行匹配，相较于初始通过待检索船只的特征向量与特征数据库中的船只影像的大范围的对比，锁定了足够多的图像熵，也就意味着包含足够多的船只信息特征量，能够实现每个船只信息特征量与预检索结果船只影像中与截取局部影像相同大小的区域的精准比对，这个时候便能够进一步地对预检索结果进行筛选，确定最大相似度的目标船只为待检索船只。结合第一方面第一实施例，在第一方面第二实施例中，在以在所述船只位置的最大图像熵的目标框所在区域，截取得到所述局部影像之后，还包括：对所述局部影像进行背景图像识别，得到所述背景图像；从所述局部影像中去除所述背景图像。本专利技术实施例提供的船只检索方法，在截取局部影像之后，还采用了背景消除法对截取的局部影像进行干扰噪音消除，保证截取的局部影像中的图像都是有效的船只特征信息，保证后续与预检索结果进行比对时能够实现精度的比对，提高了船只检索的准确性。在截取局部影像时，是通过历遍待检索船只影像得到的，在此之前并没有对待检索船只影像进行背景噪声干扰消除，基于此待检索船只影像截取的局部影像不排除含有其他干扰信息，采用背景消除法对截取的局部影像进行去噪，由此得到的局部影像中的特征信息便只有有效的船只特征信息。结合第一方面，在第一方面第三实施例中，所述第二预设阈值大于所述第一预设阈值。本专利技术实施例提供的船只检索方法，对第一预设阈值和第二预设阈值进行设定时，将第二预设阈值的设定大于第一阈值，如此可以保证二次筛选的有效实施，同时也能够保证进一步地对船只进行精准检索，提供了船只检索的准确性。第一预设阈值和第二预设阈值的差主要在对比影像种中含有的图像熵的不同，第一预设阈值基础下的船只比对采用的是待检索船只影像中的全部船只特征信息，图像熵的值比较低，与之比对的也是特征数据库中船只影像的所有船只特征信息，这是因为特征信息的分布不均匀，比对相似度不会特别高，所需要的限定的阈值也就不需要太大；第二阈值基础下的船只比对采用的是经过去噪之后的船只局部影像，有效的船只特征信息量会极大程度的提高，图像熵也就随之提高，这也就意味着只有与之高度相似的船只影像才会是目标船只。结合第一方面，在第一方面第四实施例中，所述利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置之前，还包括：获取多个船只影像；根据所述多个船只影像的船只类型进行分类，并对所有船只影像上的船只位置进行标注，得到用于训练模型的船只影像样本集；利用所述船只影像样本集对初始神经网络模型进行训练，得到用于检测船只影像上船只位置的神经网络模型。结合第一方面，在第一方面第五实施例中，利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，包括：将所述船只影像分割为多个第一区域；计算所述多个第一区域每个相邻区域的相似度；将相似度最高的两个第一区域合并，得到至少一个第二区域；计算所述第二区域和与其相邻的其它第一区域的相似度；将所述第二区域与相似度最高的第一区域进行合并，得到第三区域；重复上述步骤，直到完成所有第一区域的合并，得本文档来自技高网...

【技术保护点】
1.一种船只检索方法，其特征在于，包括如下步骤：/n获取待检索船只影像；/n利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，提取所述待检索船只的特征向量；/n基于所述特征向量将所述待检索船只与预先构建的特征数据库进行比对，计算所述待检索船只与所述特征数据库中船只的第一相似度，其中，所述特征数据库中存有船只特征向量及其与船只的对应关系；/n选择相似度大于第一预设阈值的船只，得到预检索结果；/n从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像；/n将所述局部影像遍历所述预检索结果中的每一张船只影像，计算所述局部影像与所述预检索结果中的每一张船只影像中与所述局部影像相同大小的区域的第二相似度；/n当所述预检索结果存在所述第二相似度达到第二预设阈值的目标船只时，确定所述待检索船只为所述目标船只。/n

【技术特征摘要】
1.一种船只检索方法，其特征在于，包括如下步骤：
获取待检索船只影像；
利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，提取所述待检索船只的特征向量；
基于所述特征向量将所述待检索船只与预先构建的特征数据库进行比对，计算所述待检索船只与所述特征数据库中船只的第一相似度，其中，所述特征数据库中存有船只特征向量及其与船只的对应关系；
选择相似度大于第一预设阈值的船只，得到预检索结果；
从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像；
将所述局部影像遍历所述预检索结果中的每一张船只影像，计算所述局部影像与所述预检索结果中的每一张船只影像中与所述局部影像相同大小的区域的第二相似度；
当所述预检索结果存在所述第二相似度达到第二预设阈值的目标船只时，确定所述待检索船只为所述目标船只。


2.根据权利要求1所述的船只检索方法，其特征在于，所述从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像，包括：
确定所要截取的局部影像的目标框；
以所述目标框的大小从所述待检索船只影像上进行遍历，计算每个目标框位置的图像熵；
以在所述船只位置的最大图像熵的目标框所在区域，截取得到所述局部影像。


3.根据权利要求2所述的船只检索方法，其特征在于，在以在所述船只位置的最大图像熵的目标框所在区域，截取得到所述局部影像之后，还包括：
对所述局部影像进行背景图像识别，得到所述背景图像；
从所述局部影像中去除所述背景图像。


4.根据权利要求1所述的船只检索方法，其特征在于，所述第二预设阈值大于所述第一预设阈值。


5.根据权利要求1所述的船只检索方法，其特征在于，所述利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置之前，还包括：
获取多个船只影像；
根据所述多个船只影像的船只类型进行分类，并对所有船只影像上的船只位置进行标注，得到用于训练模型的船只影像样本集；
利用所述船只影像样本集对初始神经网络模型进行训练，得到用于检测船只影像上船只位置的神经网络模型。


...

【专利技术属性】
技术研发人员：邓练兵，卢振兴，朱俊，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44