[发明专利]一种基于哈希编码的印花织物图像检索方法

说明书

本发明公开了一种基于哈希编码的印花织物图像检索方法，具体为：首先，ImageNet数据集上进行有监督训练，得到AlexNet网络，并进行修改；对印花织物数据库进行预处理，之后对修改后的AlexNet网络进行fine‑tuning，之后提取每张图像的哈希二值编码，计算查询图像与数据库图像二值哈希编码之间的汉明距离，得到与查询图像最相似的m个池内图像；最后，计算池内m个图像与查询图像fc7层特征向量之间的欧式距离，提取出与最小欧式距离相对应的几幅图像，即为要检索的相似度最高的top k图像。该方法具有精度高、检索速度快、占用内存小的优点。

技术领域

本发明属于计算机与机器视觉技术领域，具体涉及一种基于哈希编码的印花织物图像检索方法。

背景技术

印花织物作为纺织企业生产的基本资源，其在纺织业的发展中占据着重要地位。而对印花织物图像的检索在该领域也具有广泛的应用，如库存管理、在线选购、花型设计等。如何对图像数据进行高效快速的检索以满足用户需求是一个亟待解决的问题。传统的检索方式基本都是基于图像底层视觉特征(如颜色、形状、纹理等)来衡量两幅图像之间的相似性，但这些视觉特征编码固定，缺少学习能力，无法很好地描述图像的高层语义信息，导致检索结果不能很好地满足用户需求。

随着深度学习在计算机视觉领域取得的重大突破，基于深度学习的图像检索成为诸多学者研究的热点，也取得了一定的成果。比较经典的就是利用AlexNet网络模型提取图像的fc7全连接层输出特征进行检索，可以获得不错的精度。但卷积神经网络全连接层输出数据为4096维，对于大规模的图像数据检索而言计算量较大，内存占用及时间开销也是用户不愿接受的。近年来，二进制哈希由于其存储空间小和匹配速度快的优势而引起了广泛关注，计算两个低维哈希编码之间的汉明距离能够极大的减少计算成本和时间开销。

发明内容

本发明的目的在于提供一种基于哈希编码的印花织物图像检索方法，解决了现有检索方法中存在的图像检索准确率低、耗费时间长的问题。

本发明所采用的技术方案是，一种基于哈希编码的印花织物图像检索方法，具体按照以下步骤实施：

步骤1，在ImageNet数据集上进行有监督训练，得到预训练模型，即AlexNet网络；

步骤2，建立印花织物数据库，并批量进行预处理；

步骤3，对经步骤1后得到的AlexNet网络进行修改；

步骤4，利用步骤2中建立的印花织物数据库对经步骤3后得到的AlexNet网络进行fine-tuning；

步骤5，利用步骤4中fine-tuning得到的网络模型提取每张图像的哈希二值编码，计算查询图像与数据库图像二值哈希编码之间的汉明距离，得到与查询图像最相似的m个池内图像；

步骤6，计算池内m个图像与查询图像fc7层特征向量之间的欧式距离，将图像数据库中的图像按欧式距离由小到大排列，提取出与最小欧式距离相对应的几幅图像，即为要检索的相似度最高的top k图像。

本发明的特点还在于，

步骤1中，AlexNet网络，包括五个卷积层和三个全连接层，第一卷积层Conv1、第二卷积层Conv2、第三卷积层Conv3、第四卷积层Conv4和第五卷积层Conv5，第六全连接层fc6、第七全连接层fc7和第八全连接层fc8，并且第一卷积层至第五卷积层直接依次级联，第六全连接层至第八全连接层直接依次级联，第六全连接层直接连接到第五卷积层上；第一卷积层至第五卷积层为特征提取层，第六全连接层至第八全连接层为特征融合层和分类层。

步骤2中，建立印花织物数据库，并批量进行预处理；具体按照以下步骤实施：

步骤2.1，准备用于检索的印花织物图像库，对库中所有图像进行手动分类；