[发明专利]数字图像文件查询方法、装置及可读存储介质

说明书

本申请公开了一种数字图像文件查询方法、装置及计算机可读存储介质。其中，方法包括将获取的目标数字图像和待检索数字图像集添加至预先构建的显示容器，并按照预设赋值规则为显示容器内的各数字图像进行赋值；目标数字图像和待检索数字图像集中各待检索数字图像彼此不重叠且按照预设行列格式陈列于显示容器内；提取目标数字图像的图像特征、数值特征和位置关系特征作为识别特征，数值特征和位置关系特征基于各数字图像被赋值和所处显示容器的位置坐标来确定；位置关系特征用于确定所需求的位置关系条件；基于识别特征从待检索数字图像集中查询满足位置关系条件且与目标数字图像的图像内容相同的待检索数字图像，从而实现高效快速地数字图像查询。

技术领域

本申请涉及信息检索技术领域，特别是涉及一种数字图像文件查询方法、装置及计算机可读存储介质。

背景技术

随着数据检测技术的快速发展，基于文字信息的检索已不满足用户信息检索需求，图像检索技术应运而生。传统数字图像通过在检索过程中提取图像的颜色、纹理、形状、灰度等特征作为检索特征进行匹配查询。常用的有基于颜色的检索方法，基于统计法、频谱法、模型法等纹理特征的图像检索方法，基于边缘、区域的形状检索方法。然而这些经典方法均以人为设计的特征为基础，设计方法的好坏直接影响图像检索的效果。可以理解的是，深度学习作为机器学习中的翘楚，其具有利用大数据自动学习数据特征来解决人为因素所带来的不确定性的优势。基于此，为了解决传统数字图像存在的技术弊端，相关技术将深度学习应用至图像数据检索领域中。

但是，相关技术直接把原始图像输入至如卷积神经网络等深度学习模型中，并未考虑感兴趣的目标或区域可能出现在图像的不同区域、尺寸大小、以及图像应用领域可能也会有差异的情况。同时深度特征的维度高，直接利用深度特征进行大数据图像检索在实际应用中不可行。特别是在实际的多图像输入过程中，在特征之间的相似性度量方面的不便捷性，一般是采用向量之间的距离来计算的，而对于批量的数字图像而言，简单的向量之间的距离又难以真实地反映数字图像之间的相似度、关联程度。而且在对多张数字图片文件进行检索过程中，确定其关系需要核算其像素、颜色等图片元素和随机散列的位置关系，计算比较复杂，不适合具有数值关系的类似数组组合高效查询。特别是用于大数据的对比关系查询时，如企业不同类型商品销售数据或人员身份特征数据等需要灵活动态赋予数值代表关系意思的数据分析过程中。

鉴于此，如何高效快速地进行数字图像查询，是所属领域技术人员需要解决的技术问题。

发明内容

本申请提供了一种数字图像文件查询方法、装置及计算机可读存储介质，可高效快速地实现数字图像查询。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种数字图像文件查询方法，包括：

将获取的目标数字图像和待检索数字图像集添加至预先构建的显示容器，并按照预设赋值规则为所述显示容器内的各数字图像进行赋值；所述目标数字图像和所述待检索数字图像集中各待检索数字图像彼此不重叠且按照预设行列格式陈列于所述显示容器内；

提取所述目标数字图像的识别特征；所述识别特征包括图像特征、数值特征和位置关系特征，所述数值特征和所述位置关系特征基于各数字图像被赋的值和所处所述显示容器的位置坐标来确定；所述位置关系特征用于确定所述目标数字图像所需求的位置关系条件；

基于所述识别特征从所述待检索数字图像集中查询满足所述位置关系条件且与所述目标数字图像的图像内容相同的待检索数字图像。

可选的，所述目标数字图像为多张，所述提取所述目标数字图像的识别特征包括：

提取各目标数字图像的图像特征，获取目标数字图像总个数；