[发明专利]图像检索方法及装置有效

专利信息
申请号: 201610578846.2 申请日: 2016-07-20
公开(公告)号: CN107577687B 公开(公告)日: 2020-10-02
发明(设计)人: 张默 申请(专利权)人: 北京陌上花科技有限公司
主分类号: G06F16/583 分类号: G06F16/583;G06F16/51
代理公司: 北京国昊天诚知识产权代理有限公司 11315 代理人: 许志勇
地址: 100080 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 检索 方法 装置
【权利要求书】:

1.一种图像检索方法,其特征在于,包括:

提取查询图像的图像特征以及图像库中候选图像的图像特征;

基于所述查询图像的图像特征以及所述候选图像的图像特征,计算查询图像与候选图像的相似度;

按照所述相似度从大到小的顺序,获取与所述查询图像相似的第一预定数量的匹配图像;

针对每一个匹配图像中的每一个特征点,获取所述查询图像中与所述特征点最匹配的特征点,构成待校验点对;

利用几何约束模型,对每一个匹配图像对应的待校验点对进行几何校验,获得所述匹配图像对应的满足几何约束关系的匹配点对;

按照每一个匹配图像对应的匹配点对数目由大到小的顺序,将各个匹配图像进行排序,获得第一检索结果;

按照每一个匹配图像对应的匹配点对数目由大到小的顺序,选择第三预定数量的匹配图像;

计算所述图像库中的每一个候选图像与所述第三预定数量的匹配图像的第一匹配分数;其中,根据每一个匹配图像与所述候选图像的文本信息的匹配程度,对每一个匹配程度进行打分,得到匹配子分数;将每一个候选图像与所述第三预定数量的匹配图像的每一个匹配图像的匹配子分数进行加权平均获得的第一匹配分数,按照下式计算获得:其中,Q表示查询图像,R为获得的匹配图像,G为候选图像;Ri为匹配图像中的第i幅图像,S(Ri,G)为获得的匹配图像Ri与图像库中候选图像G的匹配子分数;1/(i+1),i=1…… T,为匹配子分数的权重,T为第三预定数量的值;

计算所述查询图像与所述图像库中每一个候选图像的第二匹配分数;其中,针对每一个候选图像中的每一个特征点,获取所述查询图像中与所述特征点最匹配的特征点,构成待校验点对;利用几何约束模型,对每一个候选图像对应的待校验点对进行几何校验,获得所述候选图像对应的满足几何约束关系的匹配点对,得到查询图像与每一个候选图像的匹配点对数目;所述第二匹配分数表示为:S(Q,G)sec,其中,Q表示查询图像,G为候选图像;

将所述图像库中每一个候选图像对应的第一匹配分数以及第二匹配分数相加,获得每一个匹配图像的融合分数;其中所述融合分数表示为:其中,S(Q,G)final为融合分数,S(Q,G)first为第一匹配分数,S(Q,G)sec为第二匹配分数;

按照所述融合分数从大到小的顺序,从图像库中选择第四预定数量的检索图像,作为第三检索结果。

2.根据权利要求1所述的方法,其特征在于,所述按照每一个匹配图像对应的匹配点对数目由大到小的顺序,将各个匹配图像进行排序,获得第一检索结果之后,所述方法还包括:

按照每一个匹配图像对应的匹配点对数目由大到小的顺序,选择第二预定数量的匹配图像;

利用所述第二预定数量的匹配图像的文本信息,从所述图像库中查找与所述文本信息匹配的检索图像,获得第二检索结果。

3.根据权利要求1所述的方法,其特征在于,所述图像特征包括局部特征以及深度学习特征;

所述基于所述查询图像的图像特征以及所述候选图像的图像特征,计算查询图像与候选图像的相似度包括:

基于所述查询图像的局部特征以及所述候选图像的局部特征,计算所述查询图像与候选图像的第一子相似度;

基于所述查询图像的深度学习特征以及所述候选图像的深度学习特征,计算查询图像与候选图像的第二子相似度;

将所述第一子相似度与所述第二子相似度进行比例加权计算,得到查询图像与候选图像的相似度。

4.根据权利要求1所述的方法,其特征在于,所述利用几何约束模型,对每一个匹配图像对应的待校验点对进行几何校验,获得所述匹配图像对应的满足几何约束关系的匹配点对包括:

针对每一个匹配图像对应的每一个待校验点对,利用几何约束模型,所述待校验点对中属于所述查询图像的特征点映射到所述匹配图像,得到映射点;

计算所述映射点与所述待校验点对中属于所述匹配图像的特征点的欧式距离;

当所述欧式距离小于第一阈值时,确定所述待校验点对为满足几何约束关系的匹配点对。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京陌上花科技有限公司,未经北京陌上花科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610578846.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top