[发明专利]图像识别方法和装置

说明书

本发明实施例提供一种图像识别方法和装置。方法包括：从L张图像中选取第一图像组以及第二图像组，根据第一图像组和第二图像组中每张图像的图像特征，计算第一图像组中每一图像与第二图像组中每一图像的图像关联性，初始化目标函数的参数，对目标函数的参数进行迭代更新，获得迭代更新后的目标函数，确定L张图像的聚类中心，迭代更新的次数为至少一次；根据更新后的目标函数中的哈希函数对待识别图像的图像特征进行二值编码，获得二值编码数据；根据待识别图像的二值编码数据与L张图像的聚类中心中每张图像的二值编码数据，识别待识别图像。从而提高图像识别的准确性。

技术领域

本发明实施例涉及图像处理技术，尤其涉及一种图像识别方法和装置。

背景技术

图像识别技术是人工智能的一个重要领域，是对图像进行对象识别，以识别各种不同模式的目标和对像的技术。例如，第一种模式下的图像的目标物为奔跑中的哈士奇，第二种模式下的图像的目标物为站立的秋田犬，根据图像识别技术，可以识别出第一种模式下的图像的目标物和第二种模式下的图像的目标物均为狗。

图像识别算法可以分为基于全局特征的图像识别算法和基于局部特征的图像识别算法。基于局部特征的图像识别算法是将图像视为多个局部块的组合，分别从每个局部块中提取局部特征，再将这些局部特征拼接成为一个向量，利用拼接而成的向量表示一幅图像。人类感知系统在分辨图像时，会根据图像中对象的较为突出的特点进行分辨，基于局部特征的图像识别算法符合人类感知系统对图像的理解过程。

基于局部特征的图像识别算法包括基于手工设计的图像识别算法和基于特征学习的图像识别算法。现有技术中，对于基于特征学习的图像识别算法，在使用训练图像对目标函数进行训练时，通常将哈希函数的参数优化和聚类中心优化分开，即先计算优化哈希函数参数再计算优化聚类中心。使得最终训练得到的哈希函数和聚类中心的对图像的适应能力较差，从而在应用该哈希函数和聚类中心对图像进行识别时，降低对图像识别的准确性，导致图像识别错误。

发明内容

本发明实施例提供一种图像识别方法和装置，以解决现有技术中图像识别方法不能准确识别图像的问题。

第一方面，本发明实施例提供一种图像识别方法，包括：从L张图像中选取第一图像组以及第二图像组，所述第一图像组包括N张图像，所述第二图像组包括M张图像，所述第一图像组的图像与所述第二图像组的图像不完全相同；其中，L大于等于2，N大于等于1小于等于L，M大于等于1小于等于L；

根据所述第一图像组和第二图像组中每张图像的图像特征，计算所述第一图像组中每一图像与所述第二图像组中每一图像的图像关联性；

根据所述第一图像组中每一图像与所述第二图像组中每一图像的图像关联性，初始化目标函数的参数，所述目标函数包括哈希函数和聚类中心函数，其中，所述哈希函数用于对图像特征进行二值编码，所述聚类中心函数用于获取所述L张图像中具有图像特征一致性的聚类中心，所述聚类中心包括至少一张图像；所述哈希函数的参数包括第一二值编码参数、第二二值编码参数和预测缩放变量，所述聚类中心函数的参数包括第一正交投影矩阵和第二正交投影矩阵；

对所述目标函数的参数进行迭代更新，获得迭代更新后的目标函数，确定所述L张图像的聚类中心，所述迭代更新的次数为至少一次；

根据所述更新后的目标函数中的哈希函数对待识别图像的图像特征进行二值编码，获得二值编码数据；

根据所述待识别图像的二值编码数据与所述L张图像的聚类中心中每张图像的二值编码数据，识别所述待识别图像。

可选的，所述根据所述第一图像组中每一图像与所述第二图像组中每一图像的图像关联性，初始化目标函数的参数，包括：

根据所述第一图像组中每一图像与所述第二图像组中每一图像的图像关联性，获得图像关联性矩阵；

根据所述图像关联性矩阵初始化目标函数的参数；