图像去重方法、装置、设备及存储介质制造方法及图纸

本申请涉及一种图像去重方法、装置、设备及存储介质，涉及图像处理技术领域。该方法包括：获取多个目标图像。通过预设压缩算法对每个目标图像进行处理，生成每个目标图像的特征信息，以获取多个特征信息。将多个目标图像和多个特征信息输入训练后的聚类模型，得到至少一个第一聚类簇，第一聚类簇包括至少一个目标图像，第一聚类簇中的目标图像的特征信息与第一聚类簇对应的聚类中心信息之间的相似度大于第一预设相似度阈值。对每个第一聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇，第二聚类簇中任意两个目标图像之间的相似度均小于第二预设相似度阈值。由此，可以减少对多个图像进行去重处理的时间。多个图像进行去重处理的时间。多个图像进行去重处理的时间。

【技术实现步骤摘要】
图像去重方法、装置、设备及存储介质


[0001]本申请涉及图像处理
，具体涉及一种图像去重方法、装置、设备及存储介质。

技术介绍

[0002]近年来，随着信息技术的发展，管理设备(如终端、服务器等)对信息的管理需求越来越高。例如，管理设备对多个图像进行去重处理。
[0003]目前，在管理设备对多个图像进行去重处理的过程中，管理设备需要先获取多个图像，并确定多个图像中两两图像之间的相似度。之后，管理设备根据多个图像中两两图像之间的相似度，筛选出相似度较小的图像，得到去重后的图像。但是，在上述技术方案中，在管理设备获取的图像的数量较大的情况下，会增加管理设备确定两两图像之间的相似度的计算量，增加管理设备对多个图像进行去重处理的时间。

技术实现思路

[0004]本申请提供一种图像去重方法、装置、设备及存储介质，以至少解决相关技术中对多个图像进行去除处理的时间较长的技术问题。本申请的技术方案如下：
[0005]根据本申请涉及的第一方面，提供一种图像去重方法，图像去重方法包括：图像去重装置(以下简称“去重装置”)获取多个目标图像。去重装置通过预设压缩算法对每个目标图像进行处理，生成每个目标图像的特征信息，以获取多个特征信息。去重装置将多个目标图像和多个特征信息输入训练后的聚类模型，得到至少一个第一聚类簇，第一聚类簇包括至少一个目标图像，一个第一聚类簇对应一个聚类中心信息，第一聚类簇中的目标图像的特征信息与第一聚类簇对应的聚类中心信息之间的相似度大于第一预设相似度阈值。去重装置对每个第一聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇，第二聚类簇中任意两个目标图像之间的相似度均小于第二预设相似度阈值。
[0006]根据上述技术手段，去重装置可以获取多个目标图像，并通过预设压缩算法对每个目标图像进行处理，生成每个目标图像的特征信息，以获取多个特征信息。也就是说，去重装置可以通过预设压缩算法，对每个图像的图像信息进行压缩，生成唯一的、精简的、且能指示图像的特征的信息。如此，可以减少后续去重装置对多个图像进行聚类处理的计算量，提高聚类处理的速度。之后，去重装置可以将多个目标图像和多个特征信息输入训练后的聚类模型，得到至少一个第一聚类簇，第一聚类簇包括至少一个目标图像，一个第一聚类簇对应一个聚类中心信息，第一聚类簇中的目标图像的特征信息与第一聚类簇对应的聚类中心信息之间的相似度大于第一预设相似度阈值。也就是说，去重装置可以通过训练后的聚类模型完成无监督的聚类操作。如此，可以提高去重装置对多个图像进行聚类处理的效率，减少后续对多个图像进行去重处理的时间。之后，去重装置可以对每个第一聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇，第二聚类簇中任意两个目标图像之间的相似度均小于第二预设相似度阈值。也就是说，去重装置可以仅通过确定每个聚类簇中的两
两图像之间的相似度对多个图像进行去重处理，避免确定不同聚类簇之间的图像的相似度。如此，可以减少去重装置确定两两图像之间的相似度的操作次数，减少去重装置对多个图像进行去重处理的时间，提高去重装置对多个图像进行去重处理的效率。
[0007]在一种可能的实施方式中，第二预设相似度阈值为第一阈值，目标图像之间的相似度为特征相似度，在上述“去重装置对每个第一聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇”包括：去重装置根据每个第一聚类簇中的目标图像的特征信息，确定每个第一聚类簇对应的第一相似度集合，第一相似度集合包括对应的第一聚类簇中任意两个目标图像的特征信息之间的特征相似度。去重装置根据第一阈值和每个第一聚类簇对应的第一相似度集合，对每个第一聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇，第二聚类簇中任意两个目标图像的特征信息之间的特征相似度均小于第一阈值。
[0008]根据上述技术手段，在去重装置对每个第一聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇的过程中，去重装置可以根据每个第一聚类簇中的目标图像的特征信息，确定每个第一聚类簇中任意两个目标图像的特征信息之间的特征相似度。之后，去重装置可以根据第一阈值和每个第一聚类簇中所有目标图像的特征信息之间的特征相似度，对每个第一聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇。也就是说，去重装置可以根据每个目标图像的特征信息，确定两两图像之间的相似度，并基于两两图像之间的相似度，对多个图像进行去重处理。如此，可以减少去重装置确定两两图像之间的相似度的计算量，减少去重装置对多个图像进行去重处理的时间。
[0009]在一种可能的实施方式中，第二预设相似度阈值为第二阈值，目标图像之间的相似度为图像相似度，特征信息与聚类中心信息之间的相似度为特征相似度，在上述“去重装置对每个第一聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇”包括：去重装置根据每个第一聚类簇中的目标图像的特征信息和每个第一聚类簇对应的聚类中心信息，确定每个第一聚类簇对应的第二相似度集合，第二相似度集合包括对应的第一聚类簇中的目标图像的特征信息与对应的第一聚类簇对应的聚类中心信息之间的特征相似度。去重装置根据第三预设相似度阈值和每个第一聚类簇对应的第二相似度集合，对每个第一聚类簇中的目标图像进行筛选，得到至少一个第三聚类簇，第三聚类簇中的目标图像的特征信息与第三聚类簇对应的聚类中心信息之间的特征相似度小于第三预设相似度阈值。去重装置根据每个第三聚类簇中的目标图像，确定每个第三聚类簇对应的第三相似度集合，第三相似度集合包括对应的第三聚类簇中任意两个目标图像之间的图像相似度。去重装置根据第二阈值和每个第三聚类簇对应的第三相似度集合，对每个第三聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇，第二聚类簇中的目标图像的特征信息与第二聚类簇对应的聚类中心信息之间的特征相似度小于第三预设相似度阈值，且第二聚类簇中任意两个目标图像之间的图像相似度均小于第二阈值。
[0010]根据上述技术手段，在去重装置对每个第一聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇的过程中，去重装置可以根据每个第一聚类簇中的目标图像的特征信息，确定每个第一聚类簇中任一目标图像的特征信息与第一聚类簇对应的聚类中心信息之间的特征相似度。接着，去重装置可以根据第三预设相似度阈值和每个第一聚类簇中任一目标图像的特征信息与第一聚类簇对应的聚类中心信息之间的特征相似度，对每个第一聚类簇中的目标图像进行筛选，得到至少一个第三聚类簇。之后，去重装置可以根据每个第三
聚类簇中的目标图像，确定每个第三聚类簇中任意两个目标图像之间的图像相似度。接着，去重装置可以根据第二阈值和每个第三聚类簇中所有目标图像之间的图像相似度，对每个第三聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇。同理，去重装置可以根据每个第三聚类簇中的目标图像的特征信息，确定每个第三聚类簇中任意两个目标图像的特征信息之间的特征相似度。接着，去重装置可以根据第一阈值和每个第三聚类簇中所有目标图像的特征信息之间的特征相似度，对每个第三聚类簇中的目标图像进行筛选，得到至少一个第二聚类簇。也就是说，也就是说，去重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像去重方法，其特征在于，所述方法包括：获取多个目标图像；通过预设压缩算法对每个所述目标图像进行处理，生成每个所述目标图像的特征信息，以获取多个所述特征信息；将所述多个目标图像和所述多个所述特征信息输入训练后的聚类模型，得到至少一个第一聚类簇，所述第一聚类簇包括至少一个所述目标图像，一个所述第一聚类簇对应一个聚类中心信息，所述第一聚类簇中的所述目标图像的所述特征信息与所述第一聚类簇对应的所述聚类中心信息之间的相似度大于第一预设相似度阈值；对每个所述第一聚类簇中的所述目标图像进行筛选，得到至少一个第二聚类簇，所述第二聚类簇中任意两个所述目标图像之间的相似度均小于第二预设相似度阈值。2.根据权利要求1所述的方法，其特征在于，所述第二预设相似度阈值为第一阈值，所述目标图像之间的相似度为特征相似度，所述对每个所述第一聚类簇中的所述目标图像进行筛选，得到至少一个第二聚类簇，包括：根据每个所述第一聚类簇中的所述目标图像的所述特征信息，确定每个所述第一聚类簇对应的第一相似度集合，所述第一相似度集合包括对应的所述第一聚类簇中任意两个所述目标图像的所述特征信息之间的所述特征相似度；根据所述第一阈值和每个所述第一聚类簇对应的所述第一相似度集合，对每个所述第一聚类簇中的所述目标图像进行筛选，得到所述至少一个第二聚类簇，所述第二聚类簇中任意两个所述目标图像的所述特征信息之间的所述特征相似度均小于所述第一阈值。3.根据权利要求1所述的方法，其特征在于，所述第二预设相似度阈值为第二阈值，所述目标图像之间的相似度为图像相似度，所述特征信息与聚类中心信息之间的相似度为特征相似度，所述对每个所述第一聚类簇中的所述目标图像进行筛选，得到至少一个第二聚类簇，包括：根据每个所述第一聚类簇中的所述目标图像的所述特征信息和每个所述第一聚类簇对应的所述聚类中心信息，确定每个所述第一聚类簇对应的第二相似度集合，所述第二相似度集合包括对应的所述第一聚类簇中的所述目标图像的所述特征信息与对应的所述第一聚类簇对应的所述聚类中心信息之间的所述特征相似度；根据第三预设相似度阈值和每个所述第一聚类簇对应的所述第二相似度集合，对每个所述第一聚类簇中的所述目标图像进行筛选，得到至少一个第三聚类簇，所述第三聚类簇中的所述目标图像的所述特征信息与所述第三聚类簇对应的所述聚类中心信息之间的所述特征相似度小于所述第三预设相似度阈值；根据每个所述第三聚类簇中的所述目标图像，确定每个所述第三聚类簇对应的第三相似度集合，所述第三相似度集合包括对应的所述第三聚类簇中任意两个所述目标图像之间的所述图像相似度；根据所述第二阈值和每个所述第三聚类簇对应的所述第三相似度集合，对每个所述第三聚类簇中的所述目标图像进行筛选，得到所述至少一个第二聚类簇，所述第二聚类簇中的所述目标图像的所述特征信息与所述第二聚类簇对应的所述聚类中心信息之间的所述特征相似度小于所述第三预设相似度阈值，且所述第二聚类簇中任意两个所述目标图像之间的所述图像相似度均小于所述第二阈值。
4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述预设压缩算法为以下任一算法：均值哈希算法、感知哈希算法和差值哈希算法。5.一种图像去重装置，其特征在于，所述装置包括：获取模块，用于获取多个目标图像；处理模块，用于通过预设压缩算法对每个所述目标图像进行处理，生成每个所述目标图像的特征信息，以获取多个所述特征...

【专利技术属性】
技术研发人员：张霞，李开兴，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：