[发明专利]图像检索方法及装置、电子设备、可读存储介质

权利要求书

1.一种图像检索方法，其特征在于，包括：

获取待识别图像的局部视觉特征；

基于所述局部视觉特征确定由所述局部视觉特征的残差向量构成的所述待识别图像的表达向量；

从候选图像库中检索出与所述表达向量相似度超过相似度阈值的候选图像列表。

2.根据权利要求1所述的图像检索方法，其特征在于，基于所述局部视觉特征确定由所述局部视觉特征的残差向量构成的所述待识别图像的表达向量，包括：

调用图像分类量化器，由所述图像分类量化器确定各局部视觉特征所属的聚类簇和子类；所述图像分类量化器包括K1个聚类簇和对应的K1个聚类中心，以及所述K1个聚类簇中各聚类簇切分出的K2个子类和各子类的距离分界阈值；

获取属于同一个子类的所有局部视觉特征的残差向量和K1*K2个残差向量的累加和向量，所述累加和向量即为所述待识别图像的表达向量，其中K1和K2为正整数。

3.根据权利要求2所述的图像检索方法，其特征在于，确定各局部视觉特征所属的聚类簇和子类包括：

利用聚类分析算法获取各局部视觉特征与各聚类中心的距离和残差向量；

确定与所述各局部视觉特征距离最近的聚类中心所在的聚类簇为所述各局部视觉特征所属的聚类簇；

基于所述距离和所述聚类簇内各子类的距离分界阈值确定所述局部视觉特征所属的子类。

4.根据权利要求2所述的图像检索方法，其特征在于，获取属于同一个子类的所有局部视觉特征的残差向量和K1*K2个残差向量的累加和向量之后，所述方法还包括：

对所述累加和向量进行归一化处理，得到归一化后的累加和向量；

将归一化后的累加和向量首尾连接得到一个长向量；

利用降维算法对所述长向量进行降维处理，得到降维后的长向量，所述降维后的长向量即为所述待识别图像的表达向量。

5.根据权利要求2所述的图像检索方法，其特征在于，所述图像分类量化器通过以下步骤训练，包括：

获取图像训练集中各图像的局部视觉特征；

利用聚类分析算法对所述局部视觉特征进行聚类分析，得到所述K1个聚类簇和各聚类簇的聚类中心；

针对各聚类簇，获取所述各聚类簇内局部视觉特征与所述各聚类簇的聚类中心的距离以及最大距离值；基于所述最大距离值将所述各聚类簇切分为K2个子类，得到各子类的距离分界阈值，所述距离分界阈值的数量为K1*K2个，同一个聚类簇中的各子类互不重合。

6.根据权利要求5所述的图像检索方法，其特征在于，基于所述最大距离值将所述各聚类簇切分为K2个子类，得到各子类的距离分界阈值，包括：

针对各聚类簇，将所述最大距离值划分为K2个分段，每个分段对应的局部视觉特征构成一个子类，得到K2个子类；并且，每个分段与所述聚类簇的聚类中心的最大距离为所述每个分段对应子类的距离分界阈值。

7.根据权利要求5所述的图像检索方法，其特征在于，所述聚类分析算法包括K-means算法。

8.一种图像检索装置，其特征在于，包括：

视觉特征获取模块，用于获取待识别图像的局部视觉特征；

表达向量确定模块，用于基于所述局部视觉特征确定由所述局部视觉特征的残差向量构成的所述待识别图像的表达向量；

图像检索模块，用于从候选图像库中检索出与所述表达向量相似度超过相似度阈值的候选图像列表。

9.根据权利要求8所述的图像检索装置，其特征在于，所述表达向量确定模块包括：

聚类簇确定单元，用于调用图像分类量化器，由所述图像分类量化器确定各局部视觉特征所属的聚类簇和子类；所述图像分类量化器包括K1个聚类簇和对应的K1个聚类中心，以及所述K1个聚类簇中各聚类簇切分出的K2个子类和各子类的距离分界阈值；

和向量获取单元，用于获取属于同一个子类的所有局部视觉特征的残差向量和K1*K2个残差向量的累加和向量，所述累加和向量即为所述待识别图像的表达向量，其中K1和K2为正整数。