[发明专利]图像的特征值的确定方法及装置、存储介质、电子装置

权利要求书

1.一种图像的特征值的确定方法，其特征在于，包括：

提取获取的目标图像的特征向量；

确定所述目标图像的特征向量与第一特征向量集中的特征向量之间的相似度；

利用第一拉伸拟合函数调整所述相似度，得到所述目标图像的特征向量的目标相似度，其中，所述第一拉伸拟合函数为预设的函数；

基于所述目标相似度调整所述第一拉伸拟合函数，得到目标拉伸拟合函数；

利用第一拉伸拟合函数调整所述相似度，得到所述目标图像的特征向量的目标相似度包括：确定所述目标图像的特征向量与所述第一特征向量集中的每个特征向量之间的近似最近邻搜索算法ANN相似度，将所述ANN相似度输入至所述第一拉伸拟合函数中，得到所述目标相似度；

基于所述目标相似度调整所述第一拉伸拟合函数，得到目标拉伸拟合函数包括：将所述目标图像的特征向量添加至所述第一特征向量集，得到第二特征向量集；确定所述第二特征向量集中的特征中心点；计算所述特征中心点和所述第二特征向量集中的每个特征向量的KNN相似度；计算所述特征中心点和所述第二特征向量集中的每个特征向量的ANN相似度；利用所述KNN相似度和所述ANN相似度更新所述第一拉伸 拟合函数中的第一变量值和第二变量值；基于所述第一变量值和所述第二变量值确定所述目标拉伸拟合函数，其中，所述目标相似度包括所述KNN相似度和所述ANN相似度。

2.根据权利要求1所述的方法，其特征在于，确定所述目标图像的特征向量与第一特征向量集中的特征向量之间的相似度，包括：

确定所述目标图像的特征向量与所述第一特征向量集中的每个特征向量之间的近似最近邻搜索算法ANN相似度。

3.根据权利要求1所述的方法，其特征在于，利用所述第一拉伸拟合函数调整所述相似度，得到所述目标图像的特征向量的目标相似度，包括：

确定近似最近邻搜索算法ANN与最邻近节点算法KNN之间的所述第一拉伸拟合函数；

利用所述第一拉伸拟合函数拉伸所述相似度，得到所述目标相似度。

4.根据权利要求3所述的方法，其特征在于，确定近似最近邻搜索算法ANN与最邻近节点算法KNN之间的第一拉伸拟合函数，包括：

将所述目标图像的特征向量添加至所述第一特征向量集，得到第二特征向量集；

确定所述第二特征向量集中的特征中心点；

计算所述特征中心点和所述第二特征向量集中的每个特征向量的KNN相似度；

计算所述特征中心点和所述第二特征向量集中的每个特征向量的ANN相似度；

利用所述KNN相似度和所述ANN相似度计算原始相似度拟合函数中的第一变量值和第二变量值；

基于所述第一变量值和所述第二变量值确定所述第一拉伸拟合函数。

5.根据权利要求1所述的方法，其特征在于，基于所述目标相似度调整所述第一拉伸拟合函数，得到目标拉伸拟合函数，包括：

按照预设顺序对所述目标相似度进行排序；

从排序后的目标相似度中输出N个相似度，其中，所述N是大于或等于1的自然数；

利用所述N个相似度对应的特征值调整所述第一拉伸拟合函数，得到目标拉伸拟合函数。