[发明专利]图像搜索方法及系统

权利要求书

1.一种图像搜索方法，其特征在于，包括以下步骤：

S1 将目标图像集和元图像分别进行曲线分割；

步骤S1中将目标图像集和元图像分别进行曲线分割具体包括：

S11 分别获取目标图像集和元图像的维度信息，并计算目标图像集和元图像中心点的坐标；

S12 分别将目标图像集和元图像的宽度和高度进行计算，并计算椭圆的长半径和短半径；以中心点为原点，以长半径和短半径画椭圆；以中心点为原点，画X轴和Y轴；

S13分别对目标图像集和元图像以X轴、Y轴和椭圆曲线进行分割为5个区域；

S2 将分割后的每个区域提取特征紧凑子；

S3 将图像集中图像信息进行存储；

S4 计算元图像中每个区域的特征紧凑子与目标图像集中每个区域的特征紧凑子之间的汉明距离；

S5 根据汉明距离搜索出结果图像集。

2.根据权利要求1所述的图像搜索方法，其特征在于，步骤S2中提取特征紧凑子具体包括：

S21构建GMM模型；

S22根据GMM模型，使用K-means算法训练码书；

S23通过fisher vector VLAD方法获取特征紧凑子。

3.根据权利要求1所述的图像搜索方法，其特征在于，在步骤S1之前需要采集目标图像集信息和搜索元图像信息处理，其中，所述采集目标图像集信息包括读取图像集中每张图片，所述搜索元图像信息处理包括读取元图像，分别将图像集和元图像转化为HSV颜色空间。

4.根据权利要求1-3任一项所述的图像搜索方法，其特征在于，所述步骤S3中图像信息包括但不限于图像ID、图像标签和每个区域的特征紧凑子。

5.一种图像搜索系统，其特征在于，包括：

第一分割模块，用于将目标图像集和元图像分别进行曲线分割；

提取模块，用于将分割后的每个区域提取特征紧凑子；

存储模块，用于将图像集中图像信息进行存储；

第一计算模块，用于计算元图像中每个区域的特征紧凑子与目标图像集中每个区域的特征紧凑子之间的汉明距离；

搜索模块，用于根据汉明距离搜索出结果图像集。

6.根据权利要求5所述的图像搜索系统，其特征在于，所述第一分割模块包括：

第一获取模块，用于分别获取目标图像集和元图像的维度信息，并计算目标图像集和元图像中心点的坐标；

第二计算模块，用于分别将目标图像集和元图像的宽度和高度进行计算，并计算椭圆的长半径和短半径；以中心点为原点，以长半径和短半径画椭圆；以中心点为原点，画X轴和Y轴；

第二分割模块，用于分别对目标图像集和元图像以X轴、Y轴和椭圆曲线进行分割为5个区域。

7.根据权利要求5所述的图像搜索系统，其特征在于，所述提取模块中提取特征紧凑子具体包括：

构建模块，用于构建GMM模型；

训练模块，用于根据GMM模型，使用K-means算法训练码书；

第二获取模块，用于通过fisher vector VLAD方法获取特征紧凑子。

8.根据权利要求5-7任一项所述的图像搜索系统，其特征在于，所述存储模块中图像信息包括但不限于图像ID、图像标签和每个区域的特征紧凑子。