[发明专利]一种图像检索方法和装置

权利要求书

1.一种图像检索方法，其特征在于，包括：

获取待检索的检索图像；

提取所述检索图像的深度特征；

基于预置的降维矩阵，降低所述深度特征的维度，得到经过降维的深度特征，其中，所述降维矩阵为预先训练得到的线性判别分析的投影矩阵的前指定列所构成的矩阵；

从预置的图像库中，检索与所述经过降维的深度特征匹配的至少一幅目标图像。

2.根据权利要求1所述的图像检索方法，其特征在于，所述提取所述检索图像的深度特征，包括：

基于预先训练得到的卷积神经网络模型，提取出所述检索图像的深度特征。

3.根据权利要求1所述的图像检索方法，其特征在于，所述提取所述检索图像的深度特征，包括：

提取所述检索图像的深度特征的向量；

所述基于预置的降维矩阵，降低所述深度特征的维度，包括：

将所述深度特征的向量与所述预置的降维矩阵相乘，以得到经过降维的深度特征向量。

4.根据权利要求1所述的图像检索方法，其特征在于，所述从预置的图像库中，检索与所述经过降维的深度特征匹配的至少一幅目标图像，包括：

分别确定所述经过降维的深度特征与预置的特征库中的每个特征之间的深度特征匹配度；

按照所述深度特征匹配度从高到低的顺序，从所述特征库中，匹配出所述深度特征匹配度排序靠前的预设数量个目标特征，所述特征库包括用于匹配图像的多个特征；

从预置的图像库中，分别检索与所述预设数量个目标特征相匹配的至少一幅目标图像。

5.根据权利要求1所述的图像检索方法，其特征在于，所述线性判别分析的投影矩阵通过如下方式得到：

获取包含m个图像样本的数据集，其中，所述数据集中包括c个类别样本集合，c为大于等于2的自然数，且m为大于等于2的自然数；

利用预先训练得到的卷积神经网络模型，提取所述数据集中所有图像样本的深度特征，得到每个所述图像样本的深度特征向量；

基于每个所述图像样本的深度特征向量，分别计算每个所述类别样本集合的深度特征平均值，以及所有类别样本集合的深度特征的总平均值；

利用每个所述类别样本集合的深度特征平均值以及所述所有类别样本集合的深度特征的总平均值，计算所述数据集的类间离散度矩阵以及类内离散度矩阵；

基于线性判别分析的鉴别准则，所述类间离散度矩阵以及类内离散度矩阵，计算投影矩阵。

6.一种图像检索装置，其特征在于，包括：

图像获取单元，用于获取待检索的检索图像；

特征提取单元，用于提取所述检索图像的深度特征；

特征降维单元，用于基于预置的降维矩阵，降低所述深度特征的维度，得到经过降维的深度特征，其中，所述降维矩阵为预先训练得到的线性判别分析的投影矩阵的前指定列所构成的矩阵；

图像检索单元，用于从预置的图像库中，检索与所述经过降维的深度特征匹配的至少一幅目标图像。

7.根据权利要求6所述的图像检索装置，其特征在于，所述特征提取单元，包括：

特征提取子单元，用于基于预先训练得到的卷积神经网络模型，提取出所述检索图像的深度特征。

8.根据权利要求6所述的图像检索装置，其特征在于，所述特征提取单元具体用于，提取所述检索图像的深度特征的向量；

所述特征降维矩阵，包括：

特征降维子矩阵，用于将所述深度特征的向量与所述预置的降维矩阵相乘，以得到经过降维的深度特征向量。