一种图像处理方法、装置、设备及存储介质制造方法及图纸

一种图像处理方法、装置、设备及存储介质，该方法包括：获取待处理图像，所述待处理图像包括第一图像和第二图像；利用特征提取模型对所述第一图像和所述第二图像进行处理，以得到所述第一图像的多个特征编码和所述第二图像的多个特征编码，其中，所述特征提取模型是在对预训练得到的初始模型新增多个隐藏层之后，通过对新增隐藏层后的初始模型进行训练得到的；基于所述第一图像的多个特征编码和所述第二图像的多个特征编码，确定所述第一图像和所述第二图像之间的相似度。通过本申请实施例，可以同时提取图像的高维抽象特征和低维细节特征，并提升图像相似度计算的效率和准确度。并提升图像相似度计算的效率和准确度。并提升图像相似度计算的效率和准确度。

【技术实现步骤摘要】
一种图像处理方法、装置、设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种图像处理方法、装置、设备及存储介质。

技术介绍

[0002]随着互联网技术的飞速发展，多媒体数据量急速增长，尤其是图像数据作为最主要的信息承载方式，如何在这些海量的图像中准确的查询出相似图像，已经成为研究的热点。
[0003]在查询相似图像的过程中，需要计算两张图像的相似度，这往往依赖于表征图像的图像特征的好坏，但传统的特征提取方法，如尺度不变特征变换(Scale
‑
invariant feature transform，SIFT)特征、颜色直方图特征、方向梯度直方图(Histogram of Oriented Gradient,HOG)特征等图像特征，只能获取图像细节特征的差异，而深度学习方法虽能获取图像的抽象特征(如形状轮廓的概括特征)或者具体特征(如颜色纹路的细节特征)，但提取到的图像特征较为单一，且表示图像特征的参数过多容易导致计算速度缓慢。

技术实现思路

[0004]本专利技术实施例提供了一种图像处理方法、装置、设备及存储介质，可以同时提取图像的高维抽象特征和低维细节特征，并提升图像相似度计算的效率和准确度。
[0005]一方面，本专利技术实施例提供了一种图像处理方法，所述方法包括：
[0006]获取待处理图像，所述待处理图像包括第一图像和第二图像；
[0007]利用特征提取模型对所述第一图像和所述第二图像进行处理，以得到所述第一图像的多个特征编码和所述第二图像的多个特征编码，其中，所述特征提取模型是在对预训练得到的初始模型新增多个隐藏层之后，通过对新增隐藏层后的初始模型进行训练得到的；
[0008]基于所述第一图像的多个特征编码和所述第二图像的多个特征编码，确定所述第一图像和所述第二图像之间的相似度。
[0009]另一方面，本专利技术实施例提供了一种图像处理装置，所述装置包括：
[0010]获取模块，用于获取待处理图像，所述待处理图像包括第一图像和第二图像；
[0011]处理模块，用于利用特征提取模型对所述第一图像和所述第二图像进行处理，以得到所述第一图像的多个特征编码和所述第二图像的多个特征编码，其中，所述特征提取模型是在对预训练得到的初始模型新增多个隐藏层之后，通过对新增隐藏层后的初始模型进行训练得到的；
[0012]所述处理模块，还用于基于所述第一图像的多个特征编码和所述第二图像的多个特征编码，确定所述第一图像和所述第二图像之间的相似度。
[0013]相应地，本专利技术实施例提供了一种计算机设备，该设备包括处理器、通信接口和存储器，所述处理器、所述通信接口和所述存储器相互连接，其中，所述存储器存储有可执行
程序代码，所述处理器用于调用所述可执行程序代码，执行上述任一可能实现方式所述的图像处理方法。
[0014]相应地，本专利技术实施例提供了一种计算机可读存储介质，存储有计算机程序，所述处理器执行上述任一可能实现方式所述的图像处理方法所涉及的程序。
[0015]相应地，本专利技术实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一可能实现方式所述的图像处理方法。
[0016]本专利技术实施例中，通过特征提取模型对第一图像和第二图像进行处理，可以得到第一图像的多个特征编码和第二图像的多个特征编码，从而根据第一图像的多个特征编码和第二图像的多个特征编码计算相似度，其中，每张特征编码是通过新增隐藏层输出的图像特征得到的，可以同时提取图像的高维抽象特征和低维细节特征，同时针对直接比较图像特征导致计算速度缓慢的问题，本专利技术通过对获取到的图像特征进行编码，可以减少图像特征的参数，从而提升图像相似度计算的效率和准确度。
附图说明
[0017]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本申请实施例提供的一种图像处理系统的架构示意图；
[0019]图2为本申请实施例提供的一种图像处理方法的流程示意图；
[0020]图3为本申请实施例提供的一种模型训练的示意图；
[0021]图4为本申请实施例提供的一种图像特征提取的示意图；
[0022]图5为本申请实施例提供的一种获取图像相似度的示意图；
[0023]图6是本专利技术实施例提供的一种图像处理装置的结构示意图；
[0024]图7是本专利技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0025]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0026]需要说明的是，本申请实施例中所涉及到的“第一”、“第二”等描述仅用于描述目的，而不能理解为指示或者暗示其相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”的技术特征可以明示或者隐含的包括至少一个该特征。
[0027]本申请实施例中的图像处理方法，可以应用于一些常见的图像检索任务或图像排重任务中，下面列举部分应用场景。
[0028]例如，终端设备可以将需要比较相似度的图像发送给服务器，服务器在接收到终端设备发送的图像后，可以将图像输入本申请提出的特征提取模型中，提取图像的多个图
像特征，并对多个图像特征进行哈希编码以获取图像的特征编码，利用图像的特征编码与图像库中保存的图像的特征编码计算相似度，从而可以根据相似度执行图像排重或图像检索任务，如当终端发送的图像与图像库中的图像的相似度大于等于预设值时，可以判定图像在图像库中，为图像库中的重复图像或相似图像，如终端发送的图像类型是“柯基犬”，则从图像库中查询所有包含“柯基犬”的图像。
[0029]请参阅图1，图1是本申请实施例提供的一种图像处理系统的架构示意图，该图像处理系统包括终端设备101和服务器102。终端设备101与服务器102之间通过网络连接，比如，通过无线网络连接等。终端设备101也称为终端(Terminal)、用户设备(user equipment,UE)、接入终端、用户单元、移动设备、用户终端、无线通信设备、用户代理或用户装置。终端设备可以是智能电视、具有无线通信功能的手持设备(例如智能手机、平板电脑)、计算设备(例如个人电脑(personal computer,PC)、车载设备、可穿戴设备或者其他智能装置等，但并不局限于此。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取待处理图像，所述待处理图像包括第一图像和第二图像；利用特征提取模型对所述第一图像和所述第二图像进行处理，以得到所述第一图像的多个特征编码和所述第二图像的多个特征编码，其中，所述特征提取模型是在对预训练得到的初始模型新增多个隐藏层之后，通过对新增隐藏层后的初始模型进行训练得到的；基于所述第一图像的多个特征编码和所述第二图像的多个特征编码，确定所述第一图像和所述第二图像之间的相似度。2.根据权利要求1所述的方法，其特征在于，利用特征提取模型对所述第一图像和所述第二图像进行处理，以得到所述第一图像的多个特征编码和所述第二图像的多个特征编码，包括：利用特征提取模型对所述第一图像和所述第二图像进行处理，获取所述特征提取模型中新增的所述多个隐藏层输出的所述第一图像的多个图像特征和所述第二图像的多个图像特征；对所述第一图像的多个图像特征分别进行哈希编码，得到所述第一图像的多个特征编码；对所述第二图像的多个图像特征分别进行哈希编码，得到所述第二图像的多个特征编码。3.根据权利要求1或2所述的方法，其特征在于，所述利用特征提取模型对所述第一图像和所述第二图像进行处理，以得到所述第一图像的多个特征编码和所述第二图像的多个特征编码之前，所述方法还包括：利用第一训练样本集以及所述第一训练样本集包括的每个训练样本的类别标签，对原始模型进行预训练得到初始模型；在所述初始模型中的神经网络的多个指定位置处嵌入多个隐藏层，所述多个隐藏层之间互不相邻；利用第二训练样本集以及所述第二训练样本集包括的每个训练样本的类别标签，对嵌入隐藏层的初始模型进行训练，得到特征提取模型。4.根据权利要求3所述的方法，其特征在于，所述对所述第一图像的多个图像特征分别进行哈希编码，得到所述第一图像的多个特征编码，包括：针对所述第一图像的多个图像特征中的任一图像特征，对所述任一图像特征进行压缩处理得到对应的多个特征值；根据所述多个特征值确定所述任一图像特征的图像特征均值；获取所述多个特征值中的每个特征值和所述图像特征均值之间的差值；根据所述差值确定二进制数列，并将所述二进制数列作为所述任一图像特征的特征编码...

【专利技术属性】
技术研发人员：舒畅，
申请(专利权)人：数网金融有限公司，
类型：发明
国别省市：