[发明专利]一种基于分段加权的鞋印图像检索方法

摘要

本发明提供了一种基于分段加权的鞋印图像检索方法，包括：步骤一、图像预处理步骤：基于训练后的U‑Net卷积神经网络模型将获取的鞋印现场照片转化成保留鞋印信息的现场二值图；步骤二、特征提取步骤：将现场二值图和鞋样本库中图像拆分成上下两个子图，输入到孪生网络中进行特征提取，得到两个相互独立的子特征；步骤三、特征权重矩阵计算步骤：分别计算两个相互独立的子特征中包含鞋印信息的像素数占比，由此得到该现场二值图的权重矩阵；步骤四、特征融合及相似度度量步骤。本发明解决了如何快速准确的检索鞋样本库中与鞋印现场照片对应的款式的技术问题，综合考虑了现场鞋印噪声影响大，部分信息缺失的特性，提高了鞋印检索准确率。

主权项

1.一种基于分段加权的鞋印图像检索方法，其特征在于，包括：步骤一、图像预处理步骤：基于训练后的U‑Net卷积神经网络模型将获取的鞋印现场照片转化成保留鞋印信息的现场二值图；步骤二、特征提取步骤：将现场二值图和鞋样本库中图像拆分成上下两个子图，输入到孪生网络中进行特征提取，得到两个相互独立的子特征；步骤三、特征权重矩阵计算步骤：分别计算两个相互独立的子特征中包含鞋印信息的像素数占比，由此得到该现场二值图的权重矩阵；步骤四、特征融合及相似度度量步骤：A、三元组划分步骤：将现场二值图、鞋样本库中与现场二值图匹配的鞋样本图、鞋样本库中与现场二值图不匹配的鞋样本图分别对应三元组中的锚(Anchor)示例、正(Positive)示例、负(Negative)示例，使用三元损失函数训练模型；B、特征融合步骤：对于每一个三元组的输入，分别通过步骤二得到对应的子特征，权重矩阵由锚示例通过步骤三确定；对于每一组子特征，乘以相应的权重后进行合并为总特征，从而得到三元组形式的特征；C、相似度度量步骤：采用三元损失函数(Triplet Loss)作为相似度度量准则，训练模型。