一种图像检索方法和系统技术方案

本发明专利技术公开了一种图像检索方法和系统，涉及图像识别领域。该方法包括：通过预设图像处理方法获得待检索图像的全局特征，根据全局特征检索出包含全局特征的全局图像集，通过预设方法对图像集进行筛选，获得满足筛选条件的备选图像集，通过ORB算法提取备选图像集中图像的所有关键点特征，根据每一个关键点特征的特征向量计算关键点特征之间的距离，当关键点特征之间的距离满足第一预设条件时，则将包含关键点特征的图像作为目标图像，通过图像的全局特征进行粗筛，根据图像的关键点特征查找到最相似的目标图像，相比较现有方案，本方案能够准确快速的从巨大的图像数据库中检索出用户需要的图片，提高了图片检索的准确率。提高了图片检索的准确率。提高了图片检索的准确率。

【技术实现步骤摘要】
一种图像检索方法和系统


[0001]本专利技术涉及图像识别领域，尤其涉及一种图像检索方法和系统。

技术介绍

[0002]随着各种社交网络的兴起，网络中图片，视频数据每天都以惊人的速度增长，逐渐形成强大的图像检索数据库。针对这些具有丰富信息的海量图片，如何准确快速的从巨大的图像数据库中检索出用户需要的图片，成为信息检索领域有挑战性的一个研究方向。
[0003]背景是风控领域有些图片无法归属到某个具体分类，比如某张画本身没问题，但是这张画是由一个涉政的人物画的，所以也需要拦截。因此需要用到图像检索的方法，比如将这张有问题的画加入检索库，线上每一张图片都会与这张画做一个距离匹配，达到阈值的表示线上的这张图片与该画相似，需要进行拦截。
[0004]现有的方法通常提取一个全局特征，比如上面说到的画，这张画里面有个标志违规了需要拦截，只用全局特征会召回很多画，但是有可能只有一张是需要拦截的，其余的画只是某些部分相似，并没有违规标志。

技术实现思路

[0005]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种图像检索方法和系统。
[0006]本专利技术解决上述技术问题的技术方案如下：
[0007]一种图像检索方法，包括：
[0008]S1，通过预设图像处理方法获得待检索图像的全局特征；
[0009]S2，根据所述全局特征检索出包含所述全局特征的全局图像集；
[0010]S3，通过预设方法对所述全局图像集进行筛选，获得满足筛选条件的备选图像集；
>[0011]S4，通过ORB算法提取所述备选图像集中图像的所有关键点特征；
[0012]S5，根据每一个所述关键点特征的特征向量计算关键点特征之间的距离；
[0013]S6，当所述关键点特征之间的距离满足第一预设条件时，则将包含所述关键点特征的图像作为目标图像。
[0014]本专利技术的有益效果是：本方案通过图像的全局特征进行粗筛，根据图像的关键点特征查找到最相似的目标图像，相比较现有方案，本申请能够从具有丰富信息的海量图片数据库中，准确快速的从巨大的图像数据库中检索出用户需要的图片，提高了图片检索的准确率。
[0015]进一步地，所述S1具体包括：
[0016]经过卷积神经网络的卷积层提取待检索图像的特征图；
[0017]再通过池化层获得所述特征图的全局特征。
[0018]采用上述进一步方案的有益效果是：本方案通过提取全局特征能快速检索到包含全局特征的所有图片。
[0019]进一步地，所述S2具体包括：
[0020]将所述全局特征的全局特征向量输入检索库中；
[0021]根据所述全局特征向量对线上数据进行检索，获得多个包含所述全局特征向量的图像，将包含所述全局特征向量的图像合并成所述全局图像集。
[0022]采用上述进一步方案的有益效果是：本方案通过全局特征对海量图片信息进行粗筛，因为通过关键点特征信息直接对海量图片信息进行特征提取和匹配比较比较耗时，通过全局特征进行粗筛，可以有效提升检索效率。
[0023]进一步地，所述S3具体包括：
[0024]根据所述全局特征的全局特征向量计算所述待检索图像与所述全局图像集中图像的向量距离；
[0025]将所述向量距离满足第二预设条件的图像合并成所述备选图像集。
[0026]采用上述进一步方案的有益效果是：本方案通过提取图像的关键点特征，该关键点特征具有尺度不变性、旋转不变性的特性、这些点能够表示整张图片最有代表性的点，不会受旋转平移以及各种增强的影响，通过这些关键点特征能够精准匹配到目标图像，大大提高识别精度。
[0027]进一步地，还包括：根据所述目标图像的关键点特征数量和待检索图像的关键点特征数量计算图像的匹配比例。
[0028]本专利技术解决上述技术问题的另一种技术方案如下：
[0029]一种图像检索系统，包括：全局特征提取模块、检索模块、筛选模块、关键点特征提取模块、相似度计算模块和目标图像获取模块；
[0030]所述全局特征提取模块用于通过预设图像处理方法获得待检索图像的全局特征；
[0031]所述检索模块用于根据所述全局特征检索出包含所述全局特征的全局图像集；
[0032]所述筛选模块用于通过预设方法对所述图像集进行筛选，获得满足筛选条件的备选图像集；
[0033]所述关键点特征提取模块用于通过ORB算法提取所述备选图像集中图像的所有关键点特征；
[0034]所述相似度计算模块用于根据每一个所述关键点特征的特征向量计算关键点特征之间的距离；
[0035]所述目标图像获取模块用于当所述关键点特征之间的距离满足第一预设条件时，则将包含所述关键点特征的图像作为目标图像。
[0036]本专利技术的有益效果是：本方案通过图像的全局特征进行粗筛，根据图像的关键点特征查找到最相似的目标图像，相比较现有方案，本申请能够从具有丰富信息的海量图片数据库中，准确快速的从巨大的图像数据库中检索出用户需要的图片，提高了图片检索的准确率。
[0037]进一步地，所述全局特征提取模块具体用于经过卷积神经网络的卷积层提取待检索图像的特征图；通过池化层获得所述特征图的全局特征。
[0038]采用上述进一步方案的有益效果是：本方案通过提取全局特征能快速检索到包含全局特征的所有图片。
[0039]进一步地，所述检索模块具体用于将所述全局特征的全局特征向量输入检索库
中；
[0040]根据所述全局特征向量对线上数据进行检索，获得多个包含所述全局特征向量的图像，将包含所述全局特征向量的图像合并成所述全局图像集。
[0041]采用上述进一步方案的有益效果是：本方案通过全局特征对海量图片信息进行粗筛，因为通过关键点特征信息直接对海量图片信息进行特征提取和匹配比较比较耗时，通过全局特征进行粗筛，可以有效提升检索效率。
[0042]进一步地，所述筛选模块具体用于根据所述全局特征的全局特征向量计算所述待检索图像与所述全局图像集中图像的向量距离；
[0043]将所述向量距离满足第二预设条件的图像合并成所述备选图像集。
[0044]采用上述进一步方案的有益效果是：本方案通过提取图像的关键点特征，这些点能够表示整张图片最有代表性的点，不会受旋转平移以及各种增强的影响，通过这些关键点特征能够精准匹配到目标图像，大大提高识别精度。
[0045]进一步地，还包括：匹配比例计算模块，用于根据所述目标图像的关键点特征数量和待检索图像的关键点特征数量计算图像的匹配比例。
[0046]本专利技术附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术实践了解到。
附图说明
[0047]图1为本专利技术的实施例提供的一种图像检索方法的流程示意图；
[0048]图2为本专利技术的实施例提供的一种图像检索系统的结构框图；
[0049]图3为本专利技术的其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检索方法，其特征在于，包括：S1，通过预设图像处理方法获得待检索图像的全局特征；S2，根据所述全局特征检索出包含所述全局特征的全局图像集；S3，通过预设方法对所述全局图像集进行筛选，获得满足筛选条件的备选图像集；S4，通过ORB算法提取所述备选图像集中图像的所有关键点特征；S5，根据每一个所述关键点特征的特征向量计算关键点特征之间的距离；S6，当所述关键点特征之间的距离满足第一预设条件时，则将包含所述关键点特征的图像作为目标图像。2.根据权利要求1所述的一种图像检索方法，其特征在于，所述S1具体包括：经过卷积神经网络的卷积层提取待检索图像的特征图；再通过池化层获得所述特征图的全局特征。3.根据权利要求1或2所述的一种图像检索方法，其特征在于，所述S2具体包括：将所述全局特征的全局特征向量输入检索库中；根据所述全局特征向量对线上数据进行检索，获得多个包含所述全局特征向量的图像，将包含所述全局特征向量的图像合并成所述全局图像集。4.根据权利要求1或2所述的一种图像检索方法，其特征在于，所述S3具体包括：根据所述全局特征的全局特征向量计算所述待检索图像与所述全局图像集中图像的向量距离；将所述向量距离满足第二预设条件的图像合并成所述备选图像集。5.根据权利要求1所述的一种图像检索方法，其特征在于，还包括：根据所述目标图像的关键点特征数量和待检索图像的关键点特征数量计算图像的匹配比例。6.一种图像检索系统，其特征在于，包括：全局特征提取模块、检索模块、筛选模块、关键点特征提取模块、相似度计算模块和目标图像获...

【专利技术属性】
技术研发人员：李天培，唐会军，刘拴林，梁堃，陈建，
申请(专利权)人：北京数美时代科技有限公司，
类型：发明
国别省市：