[发明专利]搜索颜色相似图片的方法和装置

权利要求书

1.一种搜索颜色相似图片的方法，其特征在于，所述方法基于图片的3维特征向量和M维特征向量在图片库中搜索与给定输入图片颜色相似的图片，其中，M为正整数，对应所述图片库预定义有3维特征库和M维特征库，所述方法包括：

接收输入图片；

提取所述输入图片的3维特征向量和M维特征向量；其中，统计该图片的背景区域中占比最大的颜色值作为所述图片的3维特征向量；遍历所述图片中的每个像素点，满足M维特征向量中的某个维度配置的预定义条件，则M维特征向量中对应的维度值加1；

使用KD树最近邻算法在所述3维特征库中查询与所述输入图片的3维特征向量最相似的3维特征向量，并获得所述最相似的3维特征向量对应的第一图片集合；

在所述M维特征库中获取所述第一图片集合中的图片的M维特征向量构成的第一M维特征向量集合，并使用KD树最近邻算法从中查询与所述输入图片的M维特征向量最相似的M维特征向量，获得所述最相似的M维特征向量对应的第二图片集合。

2.根据权利要求1所述的方法，其特征在于，提取一幅图片的3维特征向量包括：统计该图片的背景区域中占比最大的颜色的红R、绿G和蓝B值，定义所述R、G、B值为所述图片的3维特征向量，

提取一幅图片的M维特征向量包括：所述M维特征向量中的每个维度分别配置有预定义条件，所述每个维度的初始值为0，每当该图片中有一个像素点的色调H、饱和度S和亮度I值满足所述条件，则该条件对应的维度值加1，遍历所述图片中的每个像素点，以生成所述M维特征向量。

3.根据权利要求2所述的方法，其特征在于，在获得所述第一图片集合的步骤中包括：

基于所述3维特征库构建3维KD树；

将所述输入图片的3维特征向量作为查询点，对所述3维KD树进行最近邻查询，获得所述输入图片的3维特征向量的最近邻点的3维特征向量，从而得到所述最相似的3维特征向量。

4.根据权利要求2或3所述的方法，其特征在于，在获得所述第二图片集合的步骤中包括：

基于所述第一M维特征向量集合构建M维KD树；

将所述输入图片的M维特征向量作为查询点，对所述M维KD树进行最近邻查询，获得所述输入图片的M维特征向量的最近邻点的M维特征向量，从而得到所述最相似的M维特征向量。

5.根据权利要求1或2所述的方法，其特征在于，所述M取值为31。

6.根据权利要求5所述的方法，其特征在于，所述31维特征向量中的每个维度的预定义条件为：

第1维pI238pS(3*pI-510)，第2维33pI51pS255-3*pI，第3维16pI51pS255-3*pI，第4维pI51pS255-3*pI，第5维176pI239pS(0.2*pI+0.5)，第6维112pI177pS(0.2*pI+0.5)，第7维50pI113pS(0.2*pI+0.5)，第8维1pH10，第9维pH352pH2，第10维344pH353，第11维28pH38，第12维18pH29，第13维9pH19，第14维63pH76，第15维49pH64，第16维37pH50，第17维75pH104，第18维104pH133，第19维132pH161，第20维160pH174，第21维173pH188，第22维187pH201，第23维200pH227，第24维226pH255，第25维254pH281，第26维304pH316，第27维291pH305，第28维280pH292，第29维335pH345，第30维324pH336，第31维315pH325，

其中，pH为像素点的色调H值，pS为像素点的饱和度S值，pI为像素点的亮度I值。

7.根据权利要求1或2所述的方法，其特征在于，背景区域为所述图片的由最左侧、最右侧的N列像素和最上侧、最下侧的N行像素组成的边框区域，其中，N为正整数。