[发明专利]图像检索方法及装置、电子设备、可读存储介质

说明书

本发明涉及一种图像检索方法及装置、电子设备、可读存储介质。一种图像检索方法，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。本实施例中利用了局部视觉特征的残差向量，有利于进一步表达出待识别图像的视觉特征，从而可以提高提高检索候选图像的准确度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种图像检索方法及装置、电子设备、可读存储介质。

背景技术

目前，图像检索通过输入一幅待识别图像，检索出与该待识别图像相似的图像列表和相应的文字、视频或网页链接等内容，具有极为可观的应用前景。

现有相关的图像检索算法工作流程包括：提取待识别图像的视觉特征；构建特征索引或图像表达；依据图像特征或图像表达的距离(如欧式距离、余弦距离等)远近进行相似性判断；并给出相似性图像列表。

然而，相关技术仅利用了待识别图像中的部分视觉特征以及距离信息，并未充分利用待识别图像的视觉特征，不利于提升待识别图像检索的准确率和效率。

发明内容

本发明提供一种图像检索方法及装置、电子设备、可读存储介质，以解决相关技术中由于待识别图像未充分利用待识别图像的视觉特征而引起的检索准确度低以及检索效率较低的问题。

根据本发明实施例的第一方面，提供一种图像检索方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；