[发明专利]一种相同或相似图像搜索方法

说明书

一种相同或相似图像搜索方法，属于图像处理技术领域。方法包括步骤S01,提取查询图像的图像描述符向量Vs和图像描述符量化向量Qs；步骤S02，选取图像描述符向量的顶部最大值T，并确定顶部T分量值和第一关键字；步骤S03,利用第一关键字查询量化值文档对应查询表，获得相似或相同图像的文档ID；步骤S04，利用文档ID作为第二关键字查询文档图像向量对应查询表，获得每个文档对应的候选图像描述符向量Vj；步骤S05,比较查询图像的图像描述符向量Vs和候选图像描述符向量Vj两者的相似匹配度；步骤S06,对相似匹配度结果排序，对照文档图像向量对应查询表获取相同或相似图像名称。本发明能够显著提高相同或相似图像检索效率。

技术领域

本发明属于图像处理技术领域，具体涉及一种相同或相似图像搜索方法。

背景技术

相同或相似图像搜索引擎：使用查询图像作为输入，基于来自图像集的图像内容，搜索相同或相似图像。这种引擎搜索系统也称为基于内容的图像搜索系统或CBIR系统。

大部分建立基于内容的图像检索系统包括如下描述的两个步骤：第一步是索引。此步骤是从每个图像集中提取独特的图像信息，称为图像描述符，通常是一个N维向量。例如，某一图像描述符可以是颜色直方图向量。这里还存在基于图像形状和纹理的其他类型的图像描述符。第二步是图像查询搜索。首先，从输入图像中提取查询图像描述符的向量。之后，将查询图像描述符的向量与图像集中的每个图像描述符的向量比较。最通用的比较方法是使用向量L2距离测量。当距离为0时，则查询图像与图像集相匹配。当距离大于0时，则表示图像之间不同程度的相似性。最终，基于距离测量的查询图像的检索结果被排序。例如，给定2个N维图像描述符向量P = p₁, p₂, …p_N和Q = q₁, q₂, …q_N，之后，L2距离如下方式计算：distance(P, Q) = [(p₁ – q₁)² + (p₂ – q₂)² + …+ (p_N – q_N)²]^1/2。

如果图像集小的话，上述方案是有效的。但是，如果图像集的数量非常大，如数百万甚至数十亿，上述方案变得不高效。因为每个查询需要大成本地L2距离计算、比较、排序图像集中的所有图像。这个过程中涉及庞大的数据运算，大大影响了搜索效率。

发明专利申请CN 201710358857.4公开了一种图像相似块快速搜索方法，并具体公开了方法包括：步骤1：利用各像素及其邻域像素，确定各像素所对应的图像块；步骤2：利用邻域内图像块的相似度及图像块的灰度值，确定表示各图像块的特征向量；步骤3：通过对整幅图像的像素进行均匀下采样，确定一个小规模的索引图像块集合；步骤4：利用索引图像块集合，构造一棵表示该图像块集合的K维树，记为索引K维树；步骤5：将整幅图像无重叠地等分成9幅子图；步骤6：利用每幅子图所含的图像块，构造一棵表示该子图的K维树，记为子图K维树；步骤7：对待搜索图像块，确定索引K维树中与其相似的图像块；步骤8：确定含有相似图像块数目最多的子图K维树，称为目标子图K维树；步骤9：在步骤7所确定的目标子图K维树中搜索出与其相似的图像块，所述相似图像块即为与待搜索图像块相似的图像块。该发明是针对图像滤波处理时存在图像块处理慢的问题提出的，通过实现图像内部相似图像块的快速搜索来提高图像滤波处理效率。该发明并未解决在图像集中搜索相似或相同图像的搜索数据庞大、搜索效率低的问题。

发明内容

本发明针对现有技术存在的问题，提出了一种相同或相似图像搜索方法，能显著提高相同或相似图像检索效率，应用于检索引擎。

本发明是通过以下技术方案得以实现的：

本发明提供一种相同或相似图像搜索方法，一种相同或相似图像搜索方法，包括：