[发明专利]一种图像处理方法、装置及电子设备

权利要求书

1.一种图像处理方法，所述方法包括：

获取图像集；

对所述图像集中各图像分别进行目标检测，得到第一区域图像集，以及对所述图像集中各图像分别进行无重叠剪裁，得到第二区域图像集；

对所述第一区域图像集以及所述第二区域图像集进行聚类，确定多个图像聚类簇；

针对每个图像聚类簇，基于所述图像聚类簇中图像的特征确定所述图像聚类簇的类心特征，所述多个图像聚类簇的类心特征用于图像检索。

2.根据权利要求1所述的方法，其中，所述针对每个图像聚类簇，基于所述图像聚类簇中图像的特征确定所述图像聚类簇的类心特征之后，还包括：

获取待检索图像；

提取所述待检索图像的特征；

从所述多个图像聚类簇中确定目标聚类簇，其中，所述目标聚类簇的类心特征与所述待检索图像的特征之间的目标相似度在多个相似度中最大，所述多个相似度为所述多个图像聚类簇的类心特征与所述待检索图像的特征之间的相似度；

输出所述目标聚类簇中的图像。

3.根据权利要求2所述的方法，其中，所述提取所述待检索图像的特征，包括：

通过预先已训练的目标检索模型中深度神经网络，提取所述待检索图像的深度特征，所述预先已训练的目标检索模型包括深度神经网络以及分类层，且所述分类层的输入包括所述深度神经网络的输出。

4.根据权利要求1所述的方法，其中，所述对所述第一区域图像集以及所述第二区域图像集进行聚类，确定多个图像聚类簇之后，还包括：

构建数据集，所述数据集包括所述第一区域图像集、所述第一区域图像集的类别、所述第二区域图像集以及第二区域图像集的类别，其中，所述数据集中任一条数据包括一个区域图像以及对应的类别；

基于所述数据集对预先已训练的目标检索模型进行训练，得到更新后的目标检索模型，所述预先已训练的目标检索模型包括深度神经网络以及分类层，且所述分类层的输入包括所述深度神经网络的输出。

5.根据权利要求1所述的方法，其中，所述图像集为图像库中的图像；

所述对所述第一区域图像集以及所述第二区域图像集进行聚类，确定多个图像聚类簇之前，还包括：

将目标区域图像集存入所述图像库中，并针对所述目标区域图像集中每个区域图像，将所述区域图像与所述图像集中所述区域图像所属的图像关联；

其中，所述目标区域图像集包括所述第一区域图像集以及所述第二区域图像集。

6.根据权利要求1所述的方法，其中，所述基于所述图像聚类簇中图像的特征确定所述图像聚类簇的类心特征，包括：

将所述图像聚类簇中图像的特征的平均作为所述图像聚类簇的类心特征。

7.一种图像处理装置，所述装置包括：

第一获取模块，用于获取图像集；

区域图像获取模块，用于对所述图像集中各图像分别进行目标检测，得到第一区域图像集，以及对所述图像集中各图像分别进行无重叠剪裁，得到第二区域图像集；

聚类模块，用于对所述第一区域图像集以及所述第二区域图像集进行聚类，确定多个图像聚类簇；

特征确定模块，用于针对每个图像聚类簇，基于所述图像聚类簇中图像的特征确定所述图像聚类簇的类心特征，所述多个图像聚类簇的类心特征用于图像检索。

8.根据权利要求7所述的装置，其中，还包括：

第二获取模块，用于获取待检索图像；

特征提取模块，用于提取所述待检索图像的特征；

聚类簇确定模块，用于从所述多个图像聚类簇中确定目标聚类簇，其中，所述目标聚类簇的类心特征与所述待检索图像的特征之间的目标相似度在多个相似度中最大，所述多个相似度为所述多个图像聚类簇的类心特征与所述待检索图像的特征之间的相似度；

图像输出模块，用于输出所述目标聚类簇中的图像。