[发明专利]基于相似图片组代表特征向量的图片检索方法及相关设备

说明书

本发明提供一种基于相似图片组代表特征向量的图片检索方法及相关设备。所述方法包括：获取待检索图片和所述待检索图片的特征向量；获取多个相似图片组和每个相似图片组的特征向量；根据每个相似图片组的特征向量计算每个相似图片组的代表特征向量；计算所述待检索图片的特征向量与每个相似图片组的代表特征向量之间的距离；确定与所述待检索图片的特征向量之间的距离最小的代表特征向量；将确定的代表特征向量对应的相似图片组输出为所述待检索图片的检索结果。本发明可以实现快速、准确的图片检索。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于相似图片组代表特征向量的图片检索方法及相关设备。

背景技术

随着图像处理技术的发展，图片检索的需求日益剧增。图片检索就是根据用户输入的待检索图片输出与其相似的图片。然而，目前的图片检索方法正确率和效率不高，容易检索出非相似图片，且检索速度较慢。

发明内容

鉴于以上内容，有必要提出一种基于相似图片组代表特征向量的图片检索方法及相关设备，其可以实现快速、准确的图片检索。

本申请的第一方面提供一种基于相似图片组代表特征向量的图片检索方法，所述方法包括：

获取待检索图片和所述待检索图片的特征向量；

获取多个相似图片组和每个相似图片组的特征向量；

根据每个相似图片组的特征向量计算每个相似图片组的代表特征向量；

计算所述待检索图片的特征向量与每个相似图片组的代表特征向量之间的距离；

确定与所述待检索图片的特征向量之间的距离最小的代表特征向量；

将确定的代表特征向量对应的相似图片组输出为所述待检索图片的检索结果。

另一种可能的实现方式中，所述获取多个相似图片组和每个相似图片组的特征向量包括：

获取多个待归类图片；

将所述多个待归类图片进行预处理；

将每个预处理后的待归类图片输入卷积神经网络进行特征提取，得到每个待归类图片的特征向量；

计算每两个待归类图片的特征向量之间的距离；

根据每两个待归类图片的特征向量之间的距离构建至少一个连通图，所述至少一个连通图的每个顶点对应一个待归类图片，若两个待归类图片的特征向量之间的距离小于或等于预设阈值，则所述两个待归类图片对应的顶点用边相连；

对每个连通图进行减边处理，对于该连通图中的每条边，判断该条边的两个顶点所连接的顶点数是否小于该连通图的总顶点数，若该条边的两个顶点所连接的顶点数小于该连通图的总顶点数，则删除该条边；

根据所有减边处理后的连通图，输出所述多个相似图片组和每个相似图片组的特征向量。

另一种可能的实现方式中，所述对每个连通图进行减边处理之后，所述方法还包括：

对每个减边处理后的连通图进行增边处理，若两个顶点在一个连通图中但是没有相连的边，则在所述两个顶点之间增加一条边。

另一种可能的实现方式中，所述将每个预处理后的待归类图片输入卷积神经网络进行特征提取之前，所述方法还包括：

判断每个预处理后的待归类图片是否为遮挡图片；

若所述预处理后的待归类图片为遮挡图片，则对所述预处理后的待归类图片进行去遮挡处理。

另一种可能的实现方式中，所述根据每个相似图片组的特征向量计算每个相似图片组的代表特征向量包括：