[发明专利]一种基于关联规则学习的图像检索方法、装置及存储介质

权利要求书

1.一种基于关联规则学习的图像检索方法，其特征在于，包括：

获取待检索图像和检索数据库中图像；

基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征；

对待检索图像和检索数据库中图像的局部相关性特征进行特征匹配，确定检索数据库中和待检索图像属于同一子类别的检索结果；

基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征，包括：

提取待检索图像的特征图和每张特征图中的激活像素；

基于所述特征图和每张特征图中的激活像素，采用关联规则学习算法计算待检索图像的局部相关性特征；

提取待检索图像的特征图和每张特征图中的激活像素，包括：

采用预训练模型将待检索图像映射为一组特征图；

计算每张特征图中所有像素点响应值的均值；

比较每张特征图中所有像素点的响应值和相应均值的大小，将响应值大于相应均值的像素点作为特征图中的激活像素；

基于所述特征图和每张特征图中的激活像素，采用关联规则学习算法计算待检索图像的局部相关性特征，包括：

基于所述特征图和每张特征图中的激活像素生成特征图集合和激活像素集；

根据所述特征图集合和激活像素集计算待检索图像的频繁模式；

采用池化操作提取所述频繁模式中的特征作为待检索图像的局部相关性特征。

2.根据权利要求1所述的基于关联规则学习的图像检索方法，其特征在于，基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征，包括：

基于关联规则学习算法提取待检索图像的局部相关性特征；

基于关联规则学习算法提取检索数据库中每一张图像的局部相关性特征。

3.根据权利要求1所述的基于关联规则学习的图像检索方法，其特征在于，对待检索图像和检索数据库中图像的局部相关性特征进行特征匹配，确定检索数据库中和待检索图像属于同一子类别的检索结果，包括：

计算待检索图像的局部相关性特征和检索数据库中每一张图像的局部相关性特征的相似度，得到多个相似度；

对多个相似度进行排序，提取前预设个数的相似度对应的图像作为与待检索图像属于同一子类别的检索结果。

4.根据权利要求3所述的基于关联规则学习的图像检索方法，其特征在于，所述相似度采用余弦相似度函数计算。

5.一种基于关联规则学习的图像检索装置，其特征在于，包括：

图像获取模块，用于获取待检索图像和检索数据库中图像；

特征提取模块，用于基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征；

特征匹配模块，用于对待检索图像和检索数据库中图像的局部相关性特征进行特征匹配，确定检索数据库中和待检索图像属于同一子类别的检索结果；

基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征，包括：

提取待检索图像的特征图和每张特征图中的激活像素；

基于所述特征图和每张特征图中的激活像素，采用关联规则学习算法计算待检索图像的局部相关性特征；

提取待检索图像的特征图和每张特征图中的激活像素，包括：

采用预训练模型将待检索图像映射为一组特征图；

计算每张特征图中所有像素点响应值的均值；

比较每张特征图中所有像素点的响应值和相应均值的大小，将响应值大于相应均值的像素点作为特征图中的激活像素；

基于所述特征图和每张特征图中的激活像素，采用关联规则学习算法计算待检索图像的局部相关性特征，包括：

基于所述特征图和每张特征图中的激活像素生成特征图集合和激活像素集；

根据所述特征图集合和激活像素集计算待检索图像的频繁模式；

采用池化操作提取所述频繁模式中的特征作为待检索图像的局部相关性特征。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1-4任一项所述的基于关联规则学习的图像检索方法。

7.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-4任一项所述的基于关联规则学习的图像检索方法。