[发明专利]一种数据处理方法及装置

说明书

本发明提供了一种数据处理方法及装置，其中，所述方法包括：获取待检测图片的第一特征值和图片库中的图片的第二特征值；根据所述第一特征值和所述第二特征值，获得所述待检测图片与所述图片库中的图片之间的特征距离值；对所述特征距离值进行归一化处理，获得归一化处理结果；根据所述归一化处理结果，获得所述待检测图片与所述图片库中的图片的相似距离。本发明提供的方案相对简单，能够有效定量得到特征间的距离，同时又能够方便的把多个特征的地位均衡；在对多个特征做归一化后的值均大于等于0，不同图片的特征有唯一的不同的归一化值，保证同样图片的距离归一后为0。通过技术改进提高了相似图片搜索的质量。

技术领域

本发明涉及图像图形中相似距离计算技术领域，特别涉及一种数据处理方法及装置。

背景技术

现有技术中计算图像图形的相似距离多使用如下四种方案：

方案一

现有的使用归一法计算多特征计算距离的方案。一般都会采用高斯归一算法，因为高斯归一效果比较好，一般会使用下面（1-1）公式最终的归一处理，简单但降低了搜索的质量。原因是距离小于0的多个距离值都被归一为0，而大于1的就被处理成1。

特征归到0到1区间

其中，N_i为每一个特征归一化后的值。

这个是被大量采用的方案，但有两个非常明显的缺点：

从公式（1-1）看出，多张图片的特征值在归一时可能因为小于0而被归成0，这样的话，不同的图片距离值变得一样，这明显是有问题的，不利于找到最合适的相似图。同样大于1的情况也存在类似的问题。同时在逻辑上来说，如果距离为0的话，理想应该就是2张一模一样的图片，理想的情况是不同的图片有不同的距离值。

由上分析得知，这样没有经过优化过的算法造成在相似搜索时质量变差，而精确搜索同样的图片时会出现多张不同的图片但距离值都是0。

分析原因：造成的原因是公式（1-1）简单归一造成的，小于零的距离值都被归成0，这样的话有多张图片的特征值在归一时都被归成0了，这时究竟哪张图片的距离是最小呢？在相似距离的判断中，这直接影响相似的排序和质量。简单地把这一步去掉也不行，这样的话就会存在负值了，负值的问题在于如果比较的2张图片是一样的，那计算出来的距离逻辑上应该为0才对。

方案二

聚类法-通过对多个特征进行聚类，使用K-MEAN等类似的聚类算法，得到相似特征集合。缺点是不方便定量得到精确的特征间的距离，结果粗糙，大多数时候是一个定性的结果。

方案三

直接使用广义欧氏计算公式进行多特征整合，如下：

其中，w_i是权重。优点是能定量得到特征的距离，但是，多个特征之间的地位不平等，需要进行大量的试验确定w_i来实现各个特征的平衡或者说是突出某一特征，即平衡各特征间地位的步骤相当复杂，而该步骤对相似度判断结果影响较大。

方案四

主成分分析法principal component analysis(PCA)

主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。主成分分析法简介-principal component analysis(PCA)主成分分析法是一种数学变换的方法,它把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。在数学变换中保持变量的总方差不变，使第一变量具有最大的方差，称为第一主成分；第二变量的方差次大，并且和第一变量不相关，称为第二主成分；依次类推。