[发明专利]基于神经网络的图像聚类的方法、装置与存储介质

权利要求书

1.一种基于神经网络的图像聚类的方法，其特征在于，包括：

获取包括多个图像的图像数据库；

建立所述图像数据库对应的哈希列表；

利用所述哈希列表确定图像相似度模型；

根据所述图像相似度模型构建聚类数据库。

2.根据权利要求1所述的方法，其特征在于，建立所述图像数据库对应的哈希列表，包括：

对各所述图像进行预处理；

根据所述预处理后的各所述图像建立所述图像数据库对应的哈希列表。

3.根据权利要求1所述的方法，其特征在于，建立所述图像数据库对应的哈希列表，包括：

对各所述图像的各像素点在多个图像通道上的像素值进行划分，得到多个划分区域，一个所述图像通道中的相邻的所述划分区域的所述像素值之间有重叠；

使用预定标识分别表示各所述图像通道的各所述划分区域，确定各所述像素点在各所述图像通道上的标识；

根据各所述像素点在多个所述图像通道上的多个所述标识，确定各所述像素点的联合区域标识，所述联合区域标识为哈希值；

根据所述联合区域标识建立所述图像数据库对应的哈希列表。

4.根据权利要求3所述的方法，其特征在于，在形成各所述像素点的联合区域标识之后，建立所述图像数据库对应的哈希列表，还包括：

根据各所述像素点的所述联合区域标识，确定所述图像的灰度分布特征；

根据各所述图像的所述灰度分布特征构建所述哈希列表。

5.根据权利要求4所述的方法，其特征在于，根据各所述像素点的所述联合区域标识，确定所述图像的灰度分布特征，包括：

确定各所述图像中的各所述联合区域标识出现的频率；

根据所述频率和所述图像的像素点总数确定所述各所述联合区域标识的似然概率；

根据所述图像的所述似然概率、ID以及所述联合区域标识确定所述图像的灰度分布特征。

6.根据权利要求4或5所述的方法，其特征在于，在确定所述图像的灰度分布特征之后，建立所述图像数据库对应的哈希列表，还包括：

根据所述图像数据库中的各所述图像的所述灰度分布特征，建立所述图像数据库对应的哈希列表。

7.根据权利要求3至5中任一项所述的方法，其特征在于，所述图像通道有三个，分别为第一通道、第二通道和第三通道。

8.根据权利要求1所述的方法，其特征在于，利用所述哈希列表确定图像相似度模型，包括：

构建图像特征预训练模型；

根据所述图像特征预训练模型构建所述图像相似度模型。

9.根据权利要求8所述的方法，其特征在于，所述图像相似度模型包括目标函数，所述目标函数为其中，D_mk＝||vm-vk||₂，α为超参数，vm和vk分别为第m个所述图像和第k个所述图像对应的特征向量，m＝1或2，k为大于或等于1的正整数，且m≠k，N为大于或者等于3的正整数。

10.根据权利要求8或9所述的方法，其特征在于，根据所述图像特征预训练模型构建所述图像相似度模型，包括：

在所述图像特征预训练模型是特征工程的情况下，在所述图像特征预训练模型上增加全链接层，确定所述图像相似度模型；

在所述图像特征预训练模型不是特征工程的情况下，在所述图像特征预训练模型上增加预定神经网络层，形成预定图像相似度模型，对所述预定图像相似度模型进行训练，确定所述图像相似度模型。

11.根据权利要求1所述的方法，其特征在于，根据所述图像相似度模型构建聚类数据库，包括：

根据所述图像相似度模型确定待聚类的各所述图像的特征向量；

根据所述特征向量确定相同类别的所述图像；

采用所述相同类别的所述图像构建聚类数据库。