基于大数据的图像检索方法技术

本发明专利技术涉及电子数字数据处理技术领域，具体涉及一种基于大数据的图像检索方法，包括：获取待检索的RGB图像对应的规范目标区域图像，确定规范目标区域图像对应的清晰度，进而确定待检索的RGB图像对应的自适应阈值；确定待检索的RGB图像和每个待匹配的RGB图像的各个子块图像对应的一维特征序列，进而确定待检索的RGB图像和各个待匹配的RGB图像之间的相似程度；根据每个待匹配的RGB图像和待检索的RGB图像的各个子块图像以及相似程度、待检索的RGB图像对应的自适应阈值，确定待检索的RGB图像对应的检索图像。本发明专利技术通过利用电子数字数据处理技术，有效提高了图像的检索准确性和检索速度。检索速度。检索速度。

【技术实现步骤摘要】
基于大数据的图像检索方法


[0001]本专利技术涉及电子数字数据处理
，具体涉及一种基于大数据的图像检索方法。

技术介绍

[0002]移动互联网、智能手机以及社交网络的发展带来了海量信息，而图像作为一种重要的信息载体，具有形象直观、内容丰富等特点。如果不能有效地描述图像，大量信息将淹没在信息的海洋之中，无法在需要时被检索出来。因此，图像检索的研究逐渐成为信息检索领域的研究热点。
[0003]图像检索在互联网领域中是一个热门话题，传统图像匹配检索方法大多是基于全局变量得到最终的检索结果，例如以图像的形状、颜色以及纹理为特征基础进行提取，建立索引，但获取此类特征的过程往往较为复杂，且受到主体位置与物体姿态等特征的制约，图像检索结果会不太准确；基于局部变量常用的图像匹配检索方法为角点检测，角点检测可以解决全局变量难以解决的问题，但该图像匹配检索方法的计算量较大，需要生成多个特征描述子，难以满足在海量数据下快速准确检索的目的。

技术实现思路

[0004]为了解决上述现有图像匹配检索准确性较差的问题，本专利技术的目的在于提供一种基于大数据的图像检索方法。
[0005]本专利技术提供了一种基于大数据的图像检索方法，包括以下步骤：
[0006]获取待检索的RGB图像，进而获取待检索的RGB图像对应的关注程度热图，根据待检索的RGB图像对应的关注程度热图，确定待检索的RGB图像对应的规范目标区域图像；
[0007]根据规范目标区域图像中每个像素点的灰度值，确定规范目标区域图像对应的清晰度，进而确定待检索的RGB图像对应的自适应阈值；
[0008]根据规范目标区域图像对应的清晰度和尺寸，确定规范目标区域图像对应的分块系数，进而确定待检索的RGB图像的各个子块图像；
[0009]获取RGB图像库内每个待匹配的RGB图像，按照确定待检索的RGB图像的各个子块图像的过程，得到RGB图像库内每个待匹配的RGB图像的各个子块图像；
[0010]获取待检索的RGB图像和每个待匹配的RGB图像的各个子块图像中每个像素点的邻域像素点，根据各个子块图像中每个像素点及其邻域像素点的灰度值，对各个子块图像进行二值化处理，得到各个子块图像对应的二值特征矩阵，进而得到待检索的RGB图像和每个待匹配的RGB图像的各个子块图像对应的一维特征序列；
[0011]根据待检索的RGB图像和每个待匹配的RGB图像的各个子块图像对应的一维特征序列，确定待检索的RGB图像和各个待匹配的RGB图像之间的相似程度；
[0012]根据待检索的RGB图像和每个待匹配的RGB图像的各个子块图像、待检索的RGB图像对应的自适应阈值、待检索的RGB图像和各个待匹配的RGB图像之间的相似程度，确定待
检索的RGB图像对应的检索图像。
[0013]进一步的，确定待检索的RGB图像对应的规范目标区域图像的步骤包括：
[0014]根据待检索的RGB图像对应的关注程度热图中每个像素点的关注程度值，判断关注程度热图中每个像素点的关注程度值是否小于关注程度阈值，若像素点的关注程度值不小于关注程度阈值，则判定该像素点为关注程度热图中的前景像素点，否则，判定该像素点为关注程度热图中的背景像素点，从而得到关注程度热图对应的二值遮罩图；
[0015]获取待检索的RGB图像对应的灰度图，将关注程度热图对应的二值遮罩图与待检索的RGB图像对应的灰度图相乘，从而得到关注程度热图中的目标区域连通域；
[0016]对目标区域连通域进行规范化处理，从而得到关注程度热图对应的二维矩阵形式的目标区域连通域，将该二维矩阵形式的目标区域连通域作为待检索的RGB图像对应的规范目标区域图像。
[0017]进一步的，确定规范目标区域图像对应的清晰度的计算公式为：
[0018]D(f)＝Σ
y
∑
x
(|f(x,y)
‑
f(x+1,y)|*|f(x,y)
‑
f(x,y+1)|)
[0019]其中，D(f)为规范目标区域图像对应的清晰度，f(x,t)为规范目标区域图像中的第x行第y列的像素点的灰度值，f(x+1,y)为规范目标区域图像中的第x+1行第y列的像素点的灰度值，f(x,y+1)为规范目标区域图像中的第x行第y+1列的像素点的灰度值。
[0020]进一步的，进而确定待检索的RGB图像对应的自适应阈值的计算公式为：
[0021][0022]其中，T
′
为待检索的RGB图像对应的自适应阈值，T为常规阈值，t为经验最低阈值，D(f)
max
为规范目标区域图像对应的标准最大清晰度，D(f)
min
为规范目标区域图像对应的标准最小清晰度，D(f)为规范目标区域图像对应的清晰度。
[0023]进一步的，确定规范目标区域图像对应的分块系数的计算公式为：
[0024][0025]其中，N
′
为规范目标区域图像对应的分块系数，D(f)
max
为规范目标区域图像对应的标准最大清晰度，D(f)为规范目标区域图像对应的清晰度，D(f)
min
为规范目标区域图像对应的标准最小清晰度，N为规范目标区域图像对应的子块类型数目，为对*进行向下取整。
[0026]进一步的，对各个子块图像进行二值化处理的计算公式为：
[0027][0028]其中，K
X,Y
为二值化处理后的各个子块图像中的第X行第Y列的像素点的灰度值，G
X,Y
为二值化处理前的各个子块图像中的第X行第Y列的像素点的灰度值，m为二值化处理前的各个子块图像中的第X行第Y列的像素点的邻域像素点数量，为二值化处理前的各个子块图像中的第X行第Y列的像素点的第a个邻域像素点的灰度值。
[0029]进一步的，确定待检索的RGB图像和各个待匹配的RGB图像之间的相似程度的步骤包括：
[0030]根据待检索的RGB图像和每个待匹配的RGB图像的各个子块图像对应的一维特征序列，确定待检索的RGB图像的各个子块图像对应的一维特征序列与每个待匹配的RGB图像的各个子块图像对应的一维特征序列之间的相似性；
[0031]根据待检索的RGB图像的各个子块图像对应的一维特征序列与每个待匹配的RGB图像的各个子块图像对应的一维特征序列之间的相似性，确定待检索的RGB图像的各个子块图像对应的一维特征序列与每个待匹配的RGB图像的各个子块图像对应的一维特征序列之间的相似性均值，将该相似性均值作为待检索的RGB图像和对应待匹配的RGB图像之间的相似程度。
[0032]进一步的，确定待检索的RGB图像的各个子块图像对应的一维特征序列与每个待匹配的RGB图像的各个子块图像对应的一维特征序列之间的相似性的计算公式为：
[0033][0034][0035]其中，Q
o
为待检索的RGB图像的第o个子块图像对应的一维特征序列与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的图像检索方法，其特征在于，包括以下步骤：获取待检索的RGB图像，进而获取待检索的RGB图像对应的关注程度热图，根据待检索的RGB图像对应的关注程度热图，确定待检索的RGB图像对应的规范目标区域图像；根据规范目标区域图像中每个像素点的灰度值，确定规范目标区域图像对应的清晰度，进而确定待检索的RGB图像对应的自适应阈值；根据规范目标区域图像对应的清晰度和尺寸，确定规范目标区域图像对应的分块系数，进而确定待检索的RGB图像的各个子块图像；获取RGB图像库内每个待匹配的RGB图像，按照确定待检索的RGB图像的各个子块图像的过程，得到RGB图像库内每个待匹配的RGB图像的各个子块图像；获取待检索的RGB图像和每个待匹配的RGB图像的各个子块图像中每个像素点的邻域像素点，根据各个子块图像中每个像素点及其邻域像素点的灰度值，对各个子块图像进行二值化处理，得到各个子块图像对应的二值特征矩阵，进而得到待检索的RGB图像和每个待匹配的RGB图像的各个子块图像对应的一维特征序列；根据待检索的RGB图像和每个待匹配的RGB图像的各个子块图像对应的一维特征序列，确定待检索的RGB图像和各个待匹配的RGB图像之间的相似程度；根据待检索的RGB图像和每个待匹配的RGB图像的各个子块图像、待检索的RGB图像对应的自适应阈值、待检索的RGB图像和各个待匹配的RGB图像之间的相似程度，确定待检索的RGB图像对应的检索图像。2.根据权利要求1所述的一种基于大数据的图像检索方法，其特征在于，确定待检索的RGB图像对应的规范目标区域图像的步骤包括：根据待检索的RGB图像对应的关注程度热图中每个像素点的关注程度值，判断关注程度热图中每个像素点的关注程度值是否小于关注程度阈值，若像素点的关注程度值不小于关注程度阈值，则判定该像素点为关注程度热图中的前景像素点，否则，判定该像素点为关注程度热图中的背景像素点，从而得到关注程度热图对应的二值遮罩图；获取待检索的RGB图像对应的灰度图，将关注程度热图对应的二值遮罩图与待检索的RGB图像对应的灰度图相乘，从而得到关注程度热图中的目标区域连通域；对目标区域连通域进行规范化处理，从而得到关注程度热图对应的二维矩阵形式的目标区域连通域，将该二维矩阵形式的目标区域连通域作为待检索的RGB图像对应的规范目标区域图像。3.根据权利要求1所述的一种基于大数据的图像检索方法，其特征在于，确定规范目标区域图像对应的清晰度的计算公式为：D(f)＝∑
y
∑
x
(|f(x，y)
‑
f(x+1，y)|*|f(x，y)
‑
f(x，y+1)|)其中，D(f)为规范目标区域图像对应的清晰度，f(x，y)为规范目标区域图像中的第x行第y列的像素点的灰度值，f(x+1，y)为规范目标区域图像中的第x+1行第y列的像素点的灰度值，f(x，y+1)为规范目标区域图像中的第x行第y+1列的像素点的灰度值。4.根据权利要求3所述的一种基于大数据的图像检索方法，其特征在于，进而确定待检索的RGB图像对应的自适应阈值的计算公式为：
其中，T
′
为待检索的RGB图像对应的自适应阈值，T为常规阈值，t为经验最低阈值，D(f)
max
为规范目标区域图像对应的标准最大清晰度，D(f)
min
为规范目标区域图像...

【专利技术属性】
技术研发人员：朱玉龙，张化杰，
申请(专利权)人：南京丰豪奇玉网络科技有限公司，
类型：发明
国别省市：