本公开的实施例涉及一种用于搜索图像的方法、计算设备和存储介质。根据该方法,确定待检索图像的分类信息;确定待检索图像的第一特征信息,第一特征信息为局部特征信息和全局特征信息中的一个;基于索引库,检索图像资料库中与待检索图像的分类信息匹配的第一图像列表,第一图像列表中的每一第一图像具有第一排序分数;基于索引库,检索第一图像列表中与待检索图像的第一特征信息匹配的第二图像列表,第二图像列表中的每一第二图像具有第二排序分数;以及确定最终的搜索结果,包括基于每一第二图像的第一排序分数和第二排序分数对第二图像列表进行排序,并将经排序的第二图像列表确定为最终的搜索结果。由此,能够提高图像的搜索精度。的搜索精度。的搜索精度。
【技术实现步骤摘要】
用于搜索图像的方法、计算设备和存储介质
[0001]本公开的实施例总体涉及信息搜索领域,并且更具体地涉及一种用于搜索图像的方法、计算设备和存储介质。
技术介绍
[0002]随着技术的发展,图像搜索已得到了越来越广泛的应用与发展。医学图像由于其对于疾病诊断的辅助作用,因此医学图像搜索更是具有非常重要的意义。
[0003]目前,大部分医学图像搜索系统主要利用例如基于网络模型的图像检索技术和基于图像视觉特征的图像检索技术之类的通用图像搜索技术。
[0004]基于网络模型的图像检索技术主要通过端到端的训练学习图像的特征因子,然后再根据待检索图像进行分类,来检索出相似结果,或者不直接训练网络模型,而是训练一个模型特征,然后通过例如K
‑
近邻算法(KNN)找出相似结果集合。但是,这种方案需要收集大量的样本图像才能训练出一个相对可用的网络模型或模型特征。然而,对于绝大多数搜索引擎场景而言,往往很难收集到足够多的样本图像来进行前述训练。尤其是在医学领域,由于医学图像的保密性,往往仅有相关的医生才能获取有关的医学图像,因此可用的资源更为有限。由此,使得通过这种方法训练得到的网络模型往往检索精度不够理想。
[0005]基于图像视觉特征的图像搜索技术主要包括提取图像的视觉特征信息,然后通过复杂的特征计算公式构建图像索引信息,然后再通过距离相似度计算公式得出匹配度。然而,该方法可能会导致图像内在深层语义信息丢失,从而导致无法得到令人满意的检索结果。
[0006]由此,有必要提供一种用于搜索图像的技术,使得可以提高图像(尤其是医学图像)的搜索精度,进而提高用户的体验度。
技术实现思路
[0007]针对上述问题,本公开提供了一种用于搜索图像的方法和设备,使得有助于提高图像(尤其是医学图像)的搜索精度,进而提高用户的体验度。
[0008]根据本公开的第一方面,提供了一种用于搜索图像的方法,包括:确定待检索图像的分类信息;确定所述待检索图像的第一特征信息,所述第一特征信息为局部特征信息和全局特征信息中的一个;基于索引库,检索图像资料库中与所述待检索图像的分类信息匹配的第一图像列表,所述第一图像列表中的每一第一图像具有第一排序分数,所述索引库被配置成通过倒排索引将所述图像资料库中的每一图像的分类信息与所述图像绑定,并通过正排索引将所述图像资料库中的每一图像的第一特征信息与所述图像绑定;基于所述索引库,检索所述第一图像列表中与所述待检索图像的第一特征信息匹配的第二图像列表,所述第二图像列表中的每一第二图像具有第二排序分数;以及确定最终的搜索结果,确定最终的搜索结果包括基于每一第二图像的第一排序分数和第二排序分数对所述第二图像列表进行排序,并将经排序的第二图像列表确定为最终的搜索结果。
[0009]根据本公开的第二方面,提供了一种计算设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开的第一方面的方法。
[0010]在本公开的第三方面中,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中所述计算机指令用于使计算机执行本公开的第一方面的方法。
[0011]在一些实施例中,所述索引库还被配置成通过正排索引将所述图像资料库中的每一图像的第二特征信息与所述图像绑定,所述第二特征信息为全局特征信息和局部特征信息中的另一个,并且所述方法还包括:确定待检索图像的第二特征信息;基于所述索引库,检索所述第二图像列表中与所述待检索图像的第二特征信息匹配的第三图像列表,所述第三图像列表中的每一第三图像具有第三排序分数。
[0012]在一些实施例中,确定最终的搜索结果还包括:基于每一第三图像的第一排序分数、第二排序分数和第三排序分数对所述第三图像列表进行排序,并将经排序的第三图像列表确定为最终的搜索结果。
[0013]在一些实施例中,每一第一图像的第一排序分数指示该第一图像的类别与所述待检索图像的类别的匹配度,并且每一第二图像的第二排序分数指示该第二图像的第一特征信息与所述待检索图像的第一特征信息之间的匹配度。
[0014]在一些实施例中,每一第三图像的第三排序分数指示该第三图像的第二特征信息与所述待检索图像的第二特征信息之间的匹配度。
[0015]在一些实施例中,所述待检索图像的分类信息以及所述图像资料库中的每一图像的分类信息均由分类模块基于经训练的卷积分类模型确定。
[0016]在一些实施例中,所述第一特征信息为局部特征信息,并且所述待检索图像的第一特征信息以及所述图像资料库中的每一图像的第一特征信息均由第一特征信息提取模块基于以下方式确定:基于SURF特征提取算法,从相应图像中提取多个SURF描述符,以便作为所述相应图像的第一特征信息。
[0017]在一些实施例中,所述第二特征信息为全局特征信息,并且所述待检索图像的第二特征信息以及所述图像资料库中的每一图像的第二特征信息均由第二特征信息提取模块通过以下方式确定:使用边缘检测算法对相应图像进行边缘检测,以得到所述相应图像的轮廓线;对所述轮廓线进行傅里叶变换,以便得到用于表征所述相应图像的形状的多个傅里叶描述符;从所述多个傅里叶描述符中选取预定数量的傅里叶描述符作为所述相应图像的第二特征信息。
[0018]应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0019]结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素。
[0020]图1示出了用于实现根据本专利技术的实施例的用于搜索图像的方法的系统100的示意图。
[0021]图2示出了根据本公开的实施例的示例性图像搜索引擎系统200的结构框图。
[0022]图3示出了根据本公开的一些实施例的用于搜索图像的方法300的流程图。
[0023]图4示出了根据本公开了另一些实施例的用于搜索图像的方法400的流程图。
[0024]图5示出了根据本公开的实施例的电子设备500的框图。
具体实施方式
[0025]以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
[0026]在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于搜索图像的方法,包括:确定待检索图像的分类信息;确定所述待检索图像的第一特征信息,所述第一特征信息为局部特征信息和全局特征信息中的一个;基于索引库,检索图像资料库中与所述待检索图像的分类信息匹配的第一图像列表,所述第一图像列表中的每一第一图像具有第一排序分数,所述索引库被配置成通过倒排索引将所述图像资料库中的每一图像的分类信息与所述图像绑定,并通过正排索引将所述图像资料库中的每一图像的第一特征信息与所述图像绑定;基于所述索引库,检索所述第一图像列表中与所述待检索图像的第一特征信息匹配的第二图像列表,所述第二图像列表中的每一第二图像具有第二排序分数;以及确定最终的搜索结果,确定最终的搜索结果包括基于每一第二图像的第一排序分数和第二排序分数对所述第二图像列表进行排序,并将经排序的第二图像列表确定为最终的搜索结果。2.根据权利要求1所述的方法,其中所述索引库还被配置成通过正排索引将所述图像资料库中的每一图像的第二特征信息与所述图像绑定,所述第二特征信息为全局特征信息和局部特征信息中的另一个,并且所述方法还包括:确定待检索图像的第二特征信息;基于所述索引库,检索所述第二图像列表中与所述待检索图像的第二特征信息匹配的第三图像列表,所述第三图像列表中的每一第三图像具有第三排序分数。3.根据权利要求2所述的方法,其中确定最终的搜索结果还包括:基于每一第三图像的第一排序分数、第二排序分数和第三排序分数对所述第三图像列表进行排序,并将经排序的第三图像列表确定为最终的搜索结果。4.根据权利要求1所述的方法,其中每一第一图像的第一排序分数指示该第一图像的类别与所述待检索图像的类别的匹配度,并且每一第二图像的第二排序分数指示该第二图像的第一特...
【专利技术属性】
技术研发人员:李俊延,
申请(专利权)人:北京欧应信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。