[发明专利]一种图像搜索引擎的生成方法及系统

说明书

一种图像搜索引擎的生成方法及系统，包括：视觉词生成模块，用于基于视觉词库，确定待索引图像各自的视觉词集合；视觉词修正模块，用于根据所述待索引图像的提供者信息，对每一提供者，将该提供者提供的所有待索引图像作为一组，在该组待索引图像的范围内进行视觉词的统计和判断，确定该提供者关联的停用视觉词，然后对该组待索引图像各自的视觉词集合分别进行修正，从中去除该提供者关联的停用视觉词；搜索引擎生成模块，用于在生成图像搜索引擎时，将所述待索引图像修正后的视觉词集合加入到所述图像搜索引擎的倒排索引中。上述方案生成的图像搜索引擎可以有效避免图像的非主体区域对搜索的影响。

技术领域

本申请涉及图像搜索，更具体地，涉及一种图像搜索引擎的生成方法及系统。

背景技术

基于局部特征的图像搜索引擎可以基于给定的一张图像，在海量图像集合中找到与其相似的图像，是目前主流的基于内容的图像搜索引擎。

图像搜索引擎和文本搜索引擎的框架是大体类似的，但其中最重要的一个区别就是由“视觉词”代替“文本词”。在基于局部特征的图像搜索引擎中，需要将图像转化为“视觉词”列表，然后再按视觉词对图像建立倒排索引(inverted index)。

近年来，基于局部特征的图像搜索引擎开始逐渐走入商业应用，有通用领域和一些细分领域，其中一个重要细分领域就是针对电子商务网站的商品图像搜索。

商品图像和一般的图像不同，他分为商品区域和非商品区域。比如图1A和图1B中的两幅图像中存在相同的文字型徽标（logo），图2A和图2B中的两幅图像中存在相同的“伪造背景”，图3A和图3B中的两幅图像中存在相同的图案型logo。在使用通用的图像搜索引擎进行商品图像搜索时，可能会因为非商品区域的相似，导致错误的召回。

通过识别图像中的文字区域，排除这些区域在图像匹配中的作用，能解决一部分由于文字型logo导致的问题，但是对“伪造背景”和图案型logo的去除效果不好。

通过识别图像中的商品主体，在图像匹配的过程中，仅使用主体上的图像信息，也有一定效果。但是这个方案无法解决主体被logo部分遮挡的问题，同时现有的商品主体区域识别都无法达到一个足够准确率的效果。

对于其他提供者提供的图像，如果图像的非主体区域相同或相似，现有方法也不能够有效地去除这些非主体区域对搜索的影响。

发明内容

本申请要解决的技术问题是提供一种图像搜索引擎的生成方法及系统，可以有效避免图像的非主体区域对搜索的影响。

为了解决上述问题，本申请提供了一种图像搜索引擎的生成方法，包括：

基于视觉词库，确定待索引图像各自的视觉词集合；

根据所述待索引图像的提供者信息，对每一提供者，将该提供者提供的所有待索引图像作为一组，在该组待索引图像的范围内进行视觉词的统计和判断，确定该提供者关联的停用视觉词，然后对该组待索引图像各自的视觉词集合分别进行修正，从中去除该提供者关联的停用视觉词；

生成图像搜索引擎时，将所述待索引图像修正后的视觉词集合加入到所述图像搜索引擎的倒排索引中。

较佳地，

所述在该组待索引图像的范围内进行视觉词的统计和判断，确定该提供者关联的停用视觉词，包括：

确定该组待索引图像各自的视觉词集合H_k中的每一视觉词，其中，k=0,1,…,K，K为该组待索引图像的图像数目；

对H_k中的每一视觉词，统计包含该视觉词的H_k的个数，如果该个数大于等于设定的次数阈值，则将该视觉词确定为该提供者关联的停用视觉词。

较佳地，