基于图像特征的分类检索方法、系统、介质及设备技术方案

本发明专利技术涉及图像检索技术领域，特别涉及基于图像特征的分类检索方法、系统、介质及设备，其中，一种基于图像特征的分类检索方法，包括提取图像特征；基于分块主色和颜色直方图熵值计算图像间的熵值距离，判断图像的相似度；对图像分解重构；利用极大似然分类方法进行分类检索；本发明专利技术提供的一种基于图像特征的分类检索方法，通过提取不同的图像特征，计算图像间的熵值距离，判断相似度，在对图像分解重构后利用极大似然分类方法进行分类检索，不仅可以提高检索效率，还能能够准确地刻画物体，图像特征不会随图像的颜色、纹理、背景的改变而变化，对于检索再相同背景下的不同颜色的相关物体时，使得图像检索具备良好的效果和稳定性。使得图像检索具备良好的效果和稳定性。使得图像检索具备良好的效果和稳定性。

【技术实现步骤摘要】
基于图像特征的分类检索方法、系统、介质及设备


[0001]本专利技术涉及图像检索
，特别涉及基于图像特征的分类检索方法、系统、介质及设备。

技术介绍

[0002]随着数字影像技术和网络技术的迅速发展，数字图像已经成为一种被广泛使用的媒体形式。相比于文本信息，数字图像更为形象生动、逼真直观，是一种独立性很强的信息载体，所以被迅速地应用于各种领域，如数字图书馆、新闻媒体、医学图像管理、卫星遥感图像、商标版权管理及地理信息系统等。
[0003]基于数字影像技术和网络技术的迅速发展，监测识别系统的信息化的也随之推进，我国图像检索系统建设正逐步由传统的、人工的管理方法，向现代化、信息化、智能化的方向转变，使得图像的技术越来越得到重视，图像中包含的信息已成为人们重要的信息来源。
[0004]为保证图像信息提取的完整性，需要对图像中的特征进行识别，如中国专利申请(公开号为CN110647649A)公开的特征检索方法、装置及存储介质；然而当前图像特征检索方法不能对图像精确检索，大多只能单纯的识别图像上出现的人与车辆，导致无法对图像中出现的个体特征进行识别提取，不能满足复杂图像特征检索要求。

技术实现思路

[0005]为解决上述现有技术中不能对图像精确检索的不足，本专利技术提供的基于图像特征的分类检索方法、系统、介质及设备，不仅可以提高检索效率，还可以实现复杂图像的分类检索。
[0006]本专利技术提供的一种基于图像特征的分类检索方法，包括以下步骤：
[0007]S100：提取图像特征；
[0008]S200：基于分块主色和颜色直方图熵值计算图像间的熵值距离，判断图像的相似度；
[0009]S300：对图像分解重构；
[0010]S400：利用极大似然分类方法进行分类检索。
[0011]进一步地，通过主成分分析方法提取图像特征。
[0012]进一步地，所述图像特征包括颜色特征、纹理特征或形状特征。
[0013]进一步地，所述分块主色包括将图像分成固定若干块，并计算各块主颜色的差值；各块主颜色的差值用以衡量所述图像相似度。
[0014]进一步地，所述熵值距离为所述颜色特征、所述纹理特征和所述形状特征之间的差值，所述熵值距离用以判断所述图像相似度。
[0015]进一步地，利用小波变换方法对图像分解重构，用以将不同所述图像特征之间的相似度差值，转换为物理性波动指标表示。
[0016]进一步地，通过对所述图像相似度筛选和池化，利用极大似然分类方法进行分类检索。
[0017]本专利技术还提供一种基于图像特征的分类检索系统，包括提取模块，用于提取图像特征；判断模块，用于基于分块主色和颜色直方图熵值计算图像间的熵值距离，判断图像的相似度；重构模块，用于对图像分解重构；检索模块，用于根据所述图像相似度，利用极大似然分类方法进行分类检索。
[0018]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机被处理器执行时实现如上任一项所述的一种基于图像特征的分类检索方法。
[0019]本专利技术还提供一种检索设备，包括至少一个处理器、及与所述处理器通信连接的存储器，其中所述存储器存储可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使所述处理器执行如上任一项所述的一种基于图像特征的分类检索方法。
[0020]与现有技术相比，本专利技术提供的一种基于图像特征的分类检索方法，通过提取不同的图像特征，计算图像间的熵值距离，判断相似度，在对图像分解重构后利用极大似然分类方法进行分类检索，不仅可以提高检索效率，还能能够准确地刻画物体，图像特征不会随图像的颜色、纹理、背景的改变而变化，对于检索再相同背景下的不同颜色的相关物体时，使得图像检索具备良好的效果和稳定性。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术提供的基于图像特征的分类检索方法的流程图；
具体实施方式
[0023]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]在本专利技术的描述中，需要说明的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0025]图1为本专利技术提供的分类检索方法的流程图，如图1所示，本专利技术提供的一种基于图像特征的分类检索方法，包括以下步骤：
[0026]S100：提取图像特征并计算图像间的熵值距离；
[0027]S200：基于分块主色和图像的颜色直方图熵值，判断图像相似度；
[0028]S300：对图像分解重构；
[0029]S400：利用极大似然分类方法进行分类检索。
[0030]具体实施时，如图1所示，为实现现代化、信息化及智能化的图片检索系统，根据深度学习的原理，首先，通过主成分分析方法提取图像特征，具体地，从预训练的卷积神经网络(convolutional neural network简称CNN)中提取卷积特征，使用预训练的Faster R-CNN提取图像的全局和局部特征，将预训练CNN卷积层在不同位置的输出作为局部特征,使用词袋法将图像的局部特征编码成一维向量；较佳地，本实施例中词袋法为现有技术中机器学习中信息检索的常见技术手段，在此不再赘述。
[0031]具体地，本实施例中，图像特征包括但不限于图像的颜色特征、纹理特征、形状特征和视觉特征等；提取图像特征时，提取图像具有的图像特征，例如，原图像缺乏纹理特征，则提取颜色特征、形状特征和视觉特征等。
[0032]接着，基于分块主色和颜色直方图熵值，计算图像间的熵值距离，分块主色是指将图像分成若干固定块，计算各块主颜色的差值，各块主颜色的差值可以用来衡量图像的相似度；颜色直方图可以表达图像颜色特征，颜色直方图是对图片进行匹配的依据，基于分块主色距离和颜色直方图熵值，计算图像间的熵值距离；
[0033]具体地，图像间的熵值距离熵值距离为颜色特征、所述纹理特征和所述形状特征之间的差值，熵值距离和各块主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像特征的分类检索方法，其特征在于，包括以下步骤：S100：提取图像特征；S200：基于分块主色和颜色直方图熵值计算图像间的熵值距离，判断图像的相似度；S300：对图像分解重构；S400：利用极大似然分类方法进行分类检索。2.根据权利要求1所述的一种基于图像特征的分类检索方法，其特征在于：通过主成分分析方法提取图像特征。3.根据权利要求2所述的一种基于图像特征的分类检索方法，其特征在于：所述图像特征包括颜色特征、纹理特征或形状特征。4.根据权利要求3所述的一种基于图像特征的分类检索方法，其特征在于：所述分块主色包括将图像分成固定若干块，并计算各块主颜色的差值；各块主颜色的差值用以衡量所述图像相似度。5.根据权利要求4所述的一种基于图像特征的分类检索方法，其特征在于：所述熵值距离为所述颜色特征、所述纹理特征和所述形状特征之间的差值，所述熵值距离用以判断所述图像相似度。6.根据权利要求5所述的一种基于图像特征的分类检索方法，其特征在于：利用小波变换方法对图像分解重...

【专利技术属性】
技术研发人员：余齐齐，陈惠玲，
申请(专利权)人：厦门博海中天信息科技有限公司，
类型：发明
国别省市：