[发明专利]一种基于树形聚类矢量量化的图像检索方法

摘要

本发明请求保护一种基于树形聚类矢量量化的图像检索方法，包括步骤：S1对图片进行预处理并提取出图片的矢量特征；S2对图像的矢量进行聚类；S3使用递归聚类对数据空间进行划分；S4根据制定的规则使聚类停止；S5保存图片的路径指纹以及树模型。本发明基于树形聚类的矢量量化算法，并利用深度学习模型的特征抽取能力提取出图片的高维特征向量，充分表达了图像的内容与语义，结合了树形聚类算法的查找能力，提升了图像检索的准确度以及检索速度。

主权项

1.一种基于树形聚类矢量量化的图像检索方法，包括训练过程和检索过程，其特征在于：所述训练过程包括以下步骤：S11、先将输入的原始图片进行预处理，图像大小缩放到224*224，使用ResNet‑50 CNN模型对图片提取2048维图像特征，保存所有图片的图像特征；S12、使用k‑means++聚类算法对图像特征进行聚类得到聚类模型，聚类数为k，保存该聚类模型到树模型的当前根节点中；S13、对这k个类中的数据进行递归聚类，聚类数依然为k，以此来将所有数据全部划分到叶子结点上；S14、当子类中的数量小于N，或者树的深度达到H停止聚类；S15、保存树模型，对已有图片计算在叶子结点的位置，经过的路径即为该图片指纹，保存所有图片指纹；所述检索过程包括以下步骤：S21、对输入的查询图像进行预处理，图像大小缩放到224*224，使用ResNet‑50 CNN模型对图像提取2048维图像特征；S22、对S21中得到的图像特征进行递归类别预测，从根节点开始，每个聚类模型递归预测该图像特征的类别；S23、当S22中的图像已经落到叶子节点中时，输出该叶子节点的路径作为图像的指纹；S24、查找和该指纹相同的所有图像I；S25、计算该查询图像与图像I中图像矢量的余弦距离，对距离进行排序即可得到相似图像。