[发明专利]一种高效图像检索方法在审

专利信息
申请号: 201710909963.7 申请日: 2017-09-29
公开(公告)号: CN107657037A 公开(公告)日: 2018-02-02
发明(设计)人: 路廷文 申请(专利权)人: 郑州云海信息技术有限公司
主分类号: G06F17/30 分类号: G06F17/30;G06K9/46;G06K9/62;G06N3/00
代理公司: 济南信达专利事务所有限公司37100 代理人: 冯春连
地址: 450000 河南省郑州市*** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 高效 图像 检索 方法
【权利要求书】:

1.一种高效图像检索方法,其特征在于,该方法的实现步骤包括:

Ⅰ)将源图像和模板图像进行小波变换,获取两幅图像的轮廓信息;

Ⅱ)将源图像和模板图像按照分区方法进行分块,随后提取灰度直方图信息计算距离,从而将直方图的距离转化为模板图像的位置,根据直方图分区灰度值进行排序;

Ⅲ)在多个分区值排序的情况下进行二分查找算法,根据设定的阈值界定图像范围;

Ⅳ)在界定的范围内通过改进的粒子群优化算法进行图像匹配,依次递归后完成图像检索。

2.根据权利要求1所述的一种高效图像检索方法,其特征在于,步骤Ⅱ)中,所述分区方法的具体操作为:

1)对两幅图像进行分区取点,即将每幅图像分割成若干图像后比对两者的核心;

2)设置两幅图像相同位置区域的差值阈值,然后顺时针计算两图像对应的相同位置区域之间的差值,根据差值的大小是否接近阈值而完成分类,接近阈值的分类为相似图像,否则归为非相似图像。

3.根据权利要求2所述的一种高效图像检索方法,其特征在于,步骤1)中,所述分区取点详细过程为:

第一步:将图像用横纵设置的带状条均分成四部分,每个带状条的宽度为整个图像的七分之一,取其中纵向布置的带状条区域;

第二步:将图像的四分之一部分用横纵设置的带状条再均分成四部分,每个带状条的宽度为整个图像的九分之一,取该步骤中所有横纵布置的带状条区域;

第三步:比对图像的核心,提取灰度直方图。

4.根据权利要求3所述的一种高效图像检索方法,其特征在于,步骤2)中,所述相似图像的分类步骤包括:

第一步:计算模板图像和源图像两幅图像的左上角四分之一部分带状条区域的差值,如果差值接近允许的阈值则继续第二步,如果相差较大则返回;

第二步:计算横线黑色模块的图像差值,如果相近则继续第三步,否则返回;

第三步:计算竖线黑色模块的图像差值,如果相近则将此图设为相似的分类,如果只有前两步计算相似而第三步差距较大则归为另外一类。

5.根据权利要求1所述的一种高效图像检索方法,其特征在于,步骤Ⅲ)中,进行二分查找的具体操作为:

1)分析直方图分区图像灰度值;

2)对灰度值的和进行排序,

a)当数据量过大,即数据长度大于阈值时,折半分为两段序列,对各差值序列进行快速排序,选择排在前面的最优值,结束并返回结果;

b)当数据量较小,即数据长度小于阈值时,直接对各差值序列进行快速排序,选择排在前面的最优值,结束并返回结果;

3)最后返回排在前面的n幅图像,即为界定的图像范围。

6.根据权利要求1所述的一种高效图像检索方法,其特征在于,步骤Ⅲ)中,步骤Ⅳ)中,所述改进的粒子群优化算法加入了记忆力技术,即粒子在学习的时候不会走重复的路线即自己走过的路线,改进的粒子群优化算法的具体内容为:

进行粒子群的动态初始化,通过随机选取给定个数的图像差值作为粒子群,将图像的灰度值作为粒子位置,赋予初始化速度;

迭代优化,进行学习,发现和目标图像各个分区灰度值和误差小于阈值的则为结果;

迭代n次,粒子变换位置和速度;

收敛后得到最优解,最后返回分类值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于郑州云海信息技术有限公司,未经郑州云海信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710909963.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top