[发明专利]一种图像相似度检索方法

说明书

本发明公开了一种图像相似度检索方法，包括图片图像识别、图像校正处理、图像检索模型训练、图像检索矢量提取、图像相似度计算和检索效率实现图像相似度检索。本发明的有益效果是：本发明采用检索矢量的方法，提取图像的特征区域信息，使得检索结果更为精准；一是采用无监督学习方式训练图像检索模型从而避免人为打标签造成的主观因素差异导致的检索精度降低等问题，二是处理效率上每次检索耗时在0.3秒左右；三是开放私有云检索接口，用户可通过下载检索模型在私有云完成图像检索。

技术领域

本发明涉及一种检索方法，具体为一种图像相似度检索方法，属于检索方法应用技术领域。

背景技术

目前存在的实现同类技术是一款支持以图搜图，或根据标签进行检索的图像检索产品。而其目前存在的不足是建立模型时需要人工为训练图像样本打标签而造成人为主观因素的差异导致模型精度较低和检索模型更新慢、代价大等问题，无法支持私有云或局域网内进行检索操作。

1.训练模型需要人为打标签而打标签的人员素质不一，影响面料检索精度；

2.解决了图像旋转、缩放带来的检索结果的误差；

上述的同类技术存在的问题，正是目前图像检索市场的需求，目前图像检索急需检索精度高，模型更新快、代价低，可支持私有云检索的检索引擎。

发明内容

本发明的目的就在于为了解决上述问题而提供一种图像相似度检索方法。

本发明通过以下技术方案来实现上述目的，一种图像相似度检索方法，包括图片图像识别、图像校正处理、图像检索模型训练、图像检索矢量提取、图像相似度计算和检索效率实现图像相似度检索；

其中，所述图像校正处理包括以下步骤：

步骤A、用户上传图片，对上传的图片进行分析；

步骤B、如果用户上传的图片存在缺失、模糊的区域或者存在水印图片，则系统根据正常的区域对缺失、水印或模糊的区域进行一定的调整锐化，若调整完还是存在缺失，则让用户重新上传图片；

所述图像检索模型训练：使用图像信息提取算法和分水岭算法从训练样本图像提取图像的RBG等数据信息以及非监督聚类神经网络，完成图像检索模型训练；

所述图像检索矢量提取：根据图像检索模型对图像进行检索矢量的提取，检索矢量包含图像的特征区域信息；

所述图像相似度计算：欲检索图像通过图像检索模型获取检索矢量后计算其与图像库中图像样本的检索矢量的范式距离和欧里几德距离来计算相似度值；

所述检索效率：对用户上传的检索图像大小不一，且图像校正，检索矢量提取，每个用户图像库样本数量大小不一，会造成图像处理、相似度计算时间长的问题，按比例将图像缩放为256*256像素，且通过分布式集群以及拆分处理过程方式提高单位时间内的处理效率。

一种图像相似度检索方法，所述图像检索过程包括以下步骤：

步骤A、检索前训练检索模型主要分为对训练样本进行图像校正和缩放处理，解决图像缺失和模糊的问题；

步骤B、然后图像信息提取算法提取训练样本图像的等数据信息；

步骤C、采用概率随机裁剪算法来处理图像的数据信息以解决图像旋转和缩放的问题，减少图像旋转缩放带来的误差；

步骤D、将处理过的图像数据信息加入非监督聚类神经网络中训练图像检索模型；

步骤E、图像检索：加载欲检索面料，对欲检索图图像进行校正处理和缩放处理，使用图像信息提取算法、分水岭算法和随机概率裁剪算法提取图像的数据信息；