[发明专利]基于大数据矩阵稳定性分析的图像匹配与识别系统

说明书

本发明提出一种基于大数据矩阵稳定性分析的图像匹配与识别系统、方法与计算机可读存储介质。本发明的技术方案对于输入的原始图像，不用进行预处理，而是在查询之前首先进行识别处理，从原始图像中识别出一个或者一组包含原始图像的最多关键要素的子图像，再基于子图像进行图像匹配搜索。识别出包含最多关键要素的方法包括相似度判断以及特征矩阵稳定性判断，从而使得输入的查询检索要素既能够包含原始输入图像的关键信息，又能够极大的降低数据处理量，从而保证了在不丢失图像主要信息的前提下来提高图像检索速度。本发明的上述方案能够通过自动化的计算机图像识别程序与匹配程序进行，无需人工干预与先验经验。

技术领域

本发明属于图像识别技术领域，尤其涉及一种基于大数据矩阵稳定性分析的图像匹配与识别系统、方法与计算机可读存储介质。

背景技术

移动互联网、智能手机以及社交网络的发展带来了海量图片信息， Instagram每天图片上传量约为6000万张；WhatsApp每天的图片发送量为5亿张；国内的微信朋友圈也是以图片分享为驱动。不受地域和语言限制的图片逐渐取代了繁琐而微妙的文字，成为了传词达意的主要媒介。图片成为互联网信息交流主要媒介的原因主要在于两点：第一，从用户读取信息的习惯来看，相比于文字，图片能够为用户提供更加生动、容易理解、有趣及更具艺术感的信息；第二，从图片来源来看，智能手机为我们带来方便的拍摄和截屏手段，帮助我们更快的用图片来采集和记录信息。

但伴随着图片成为互联网中的主要信息载体，难题随之出现。当信息由文字记载时，我们可以通过关键词搜索轻易找到所需内容并进行任意编辑，而当信息是由图片记载时，我们却无法对图片中的内容进行检索，从而影响了我们从图片中找到关键内容的效率。图片给我们带来了快捷的信息记录和分享方式，却降低了我们的信息检索效率。在这个环境下，计算机的图像识别技术就显得尤为重要。

图像识别是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。简单来说，图像识别就是计算机如何像人一样读懂图片的内容。借助图像识别技术，我们不仅可以通过图片搜索更快的获取信息，还可以产生一种新的与外部世界交互的方式，甚至会让外部世界更加智能的运行。

图片搜索不同于文字搜索。现有技术的图片搜索功能大致是，给定一张源图像，对其进行预处理，输入到搜索引擎(例如图片匹配系统)中，从而得出至少一张符合特定要求的目标图像作为输出。在这个过程中，需要对源图像进行复杂的预处理，提取大量的特征信息，然后依据处理后的图像特征信息进行基于语义的检索。

授权公告号为CN103927387B的中国发明专利公开的检索系统及其相关方法和装置，对样本图像或经预处理后的样本图像进行特征提取，提取出来的特征数据包括每个特征点在图像区域内的位置信息、尺度、方向和特征描述信息；利用分类器对样本图像的特征描述信息进行分类，找出一个最优分类结果，分类后每个类别对应一个分类索引；结合每个特征描述信息所属分类的分类索引值，对特征描述信息进行降维处理，将降维后的结果数据作为对应特征点的标签，每个特征点对应一个标签数据；将样本图像内容数据以样本图像索引为单位，顺序存储到检索数据库，一个样本图像的内容数据包括：样本图像索引值，特征点数量及每个特征点的位置信息、尺度、方向和特征描述信息；将标签数据按分类索引值在各分类中以标签为单位，顺序存储到检索数据库，每个标签数据对应一个分类索引值，每个分类索引值对应一组同类的标签数据集合。其中，在利用分类器对样本图像的特征描述信息进行分类之前，还包括：判断是否已有分类器；若是，则根据已有分类器对样本图像的特征描述信息进行分类；若否，则对所有样本图像的特征描述信息所组成的数据集合进行训练，生成分类器。优选的，对特征描述信息所组成的数据集合进行训练，生成分类器，具体为：采用K均值聚类算法生成若干个聚类中心，然后用近邻法根据聚类中心的分布情况对描述数据进行分类。优选的，所述对特征描述信息进行降维是采用主成分分析PCA方法生成降维矩阵。