[发明专利]图像相似度测量方法、装置及电子设备

说明书

本发明提供了一种图像相似度测量方法、装置及电子设备，涉及图像技术领域，包括获取初始的图像；对初始的图像进行解析，得到解析图像；基于预先训练好的卷积神经网络提取解析图像的特征向量；基于解析图像的特征向量进行相似度测量。本发明有效提升了测量的准确性，能够提高检索图像的效率，具有进行推广应用的价值。

技术领域

本发明涉及图像技术领域，尤其是涉及一种图像相似度测量方法、装置及电子设备。

背景技术

目前，为了从较多图像中得到想要运用或参考的图像，通常需要对图像进行检索，诸如从事家装设计的设计师，在进行方案设计时，往往根据客户提供的户型图检索相似的户型图方案从而获得设计灵感，在进行图像检索时，通常需要用到相似度测量的技术，即通过计算两张图像的相似度确定检索的结果。

卷积神经网络(Convolutional Neural Network，CNN)是一种较优的视觉表征的神经网络，但CNN直接通过提取的特征向量进行图像表征，还存在较大的限制，在进行检索时具有一定的特征利用不充分的情况，因此在相似度测量时，可能会造成测量结果不准确，检索效率较低的情况。针对上述提出的现有技术在进行图像形似度测量时的缺陷，目前尚未提出有效的解决方案。

发明内容

本发明的目的在于提供一种图像相似度测量方法、装置及电子设备，以缓解了现有技术中存在的在相似度测量时，可能会造成测量结果不准确，检索效率较低的技术问题。

第一方面，实施例提供一种图像相似度测量方法，包括：获取初始的图像；对初始的图像进行解析，得到解析图像；基于预先训练好的卷积神经网络提取解析图像的特征向量；基于解析图像的特征向量进行相似度测量。

在可选的实施方式中，对初始的图像进行解析，得到解析图像的步骤，包括：获取初始的图像的数据文件；数据文件中包括线条信息；提取数据文件中的初始的图像的线条信息，得到解析图像。

在可选的实施方式中，卷积神经网络包括变分自编码器；基于预先训练好的卷积神经网络提取解析图像的特征向量的步骤，包括：将解析图像输入预先训练好的变分自编码器模型中，得到对应的数字向量编码；基于数字向量编码提取解析图像的特征向量。

在可选的实施方式中，基于解析图像的特征向量进行相似度测量的步骤，包括：基于解析图像的特征向量得到解析图像的第一向量；根据第一向量计算解析图像与图像样本集中的样本图片的相似度，以便对解析图像进行相似度测量。

在可选的实施方式中，根据第一向量计算解析图像与图像样本集中的样本图片的相似度的步骤，包括：获取图像样本集中的样本图片的第二向量；通过计算第一向量与第二向量的距离进行相似度的测量。

第二方面，实施例提供一种图像相似度测量装置，包括：图像获取模块，用于获取初始的图像；图像解析模块，用于对初始的图像进行解析，得到解析图像；特征提取模块，用于基于预先训练好的卷积神经网络提取解析图像的特征向量；

相似度测量模块，用于基于解析图像的特征向量进行相似度测量。在可选的实施方式中，图像解析模块，用于：获取初始的图像的数据文件；数据文件中包括线条信息；提取数据文件中的初始的图像的线条信息，得到解析图像。

在可选的实施方式中，卷积神经网络包括变分自编码器；特征提取模块，用于：将解析图像输入预先训练好的变分自编码器模型中，得到对应的数字向量编码；基于数字向量编码提取解析图像的特征向量。

第三方面，实施例提供一种电子设备，包括处理器和存储器；存储器上存储有计算机程序，计算机程序在被处理器运行时执行如前述实施方式任一项的方法。

第四方面，实施例提供一种计算机可读存储介质，用于储存为前述实施方式任一项方法所用的计算机程序。