[发明专利]一种同源图片检索的方法

说明书

本发明公开了一种同源图片检索的方法，包括：建立特征提取模型，再根据特征提取模型建立名称变量型特征提取模型；对该变量型特征提取模型依次输入两张图片进行调整，获得优化后的名称变量型特征提取模型，然后，根据多次获取两张原始图片的名称变量型特征向量，获取他们之间的差异性；归纳出两张图片属于同源图片时，差异性所满足的预设条件；建立每张原始图片与对应的名称变量型特征向量之间的索引库；对优化后的名称变量型特征提取模型输入任意一张图时，根据获得的对应的名称变量型特征向量以及两张图片的名称变量型特征向量的差异性所满足的预设条件，在索引库中查找与之对应的原始图片，能够快速、精确、有效的检索同源图片。

技术领域

本发明涉及图片检索技术领域，尤其涉及一种同源图片检索的方法。

背景技术

同源图片是指在同一平台上有相同来源的图片，例如一张原图经过拍照之后得到图片都属于同源图片，以及对原图作模糊、缩放、旋转、明暗、透视、色差、遮挡等处理之后的图片都属于同源图片。

互联网时代，大量的数据都是有用户自己根据需求产生的，同一数据源进入互联网之后，用户会根据自己的需求，对原始数据源进行处理，从而产生大量的新的数据，例如，某网友在互联网上传一张图片，图片传播的过程中会经过不同用户的各种处理、变换、压缩、PS等操作，从而产生大量的类似的图片。基于此再做同源图片检索的时候，就无法应用简单的图片特征，如现有的MD5等查找同源图片，而只能使用基于图片内容相似度的匹配。

目前同源图片识别的技术主要有图片相似度识别。文字标签、基于水印技术等、大多数图片相似度的技术都是使用SIFT等技术实现，该方法运算量大而且对于同源图片识别准确率不高，主要因为SIFT等方法都是基于模糊匹配，对边缘光滑的目标无法准确提取特征点，不能保证图片确切相似，更无法保证是同源图片。而基于文字标签的技术更是一种比较简单的技术，文字标签工作量大而且很难跨平台实现，同时也会因为用户操作丢失文字标签，因此，在互联网大数据时代这些传统的技术很难实现精确快速的同源图片检索。

因此，现有的同源图片检索存在检索准确性差的技术问题。

发明内容

本发明主要解决的技术问题是现有同源图片存在检索准确性差的技术问题，因而提供一种同源图片检索的方法，能够快速、精确、有效的检索同源图片。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种同源图片检索的方法，包括如下内容：

建立特征提取模型；

建立名称变量型特征提取模型,具体为：对所述特征提取模型依次输入两张图片，并根据所述特征提取模型获取的两个特征向量，分别对应获取两张图片的名称变量型特征向量，所述两张图片具体为同源图片或非同源图片；

基于第一损失函数训练并调整所述名称变量型特征提取模型的参数，获得优化后的名称变量型特征提取模型；

对所述优化后的名称变量型特征提取模型再依次输入两张图片，获取所述两张图片的名称变量型特征向量之间的差异性；

基于多次获取的两张图片的差异性，归纳出两张图片属于同源图片时，所述差异性所满足的预设条件；

基于所述优化后的名称变量型特征提取模型，获得数据库中每张原始图片所对应的名称变量型特征向量，建立每张原始图片与名称变量型特征向量的对应关系形成的索引库；

对所述优化后的名称变量型特征提取模型输入任意一张图时，根据获得的对应的名称变量型特征向量以及两张图片的名称变量型特征向量的差异性所满足的预设条件，在所述索引库中查找与之对应的原始图片。