[发明专利]基于LIRE的图像查重方法、装置、计算机设备和存储介质

说明书

本申请涉及计算机视觉领域，提供了一种基于LIRE图像查重方法、装置、计算机设备和存储介质，该图像查重方法包括接收用户发送的待对比图像；利用LIRE对待对比图像进行第一特征提取处理，以得到待对比图像的第一图像特征；利用预训练的深度学习模型对待对比图像进行第二特征提取处理，以得到待对比图像的第二图像特征；将第一图像特征和第二图像特征进行融合处理，得到第三图像特征；根据第三图像特征，从预设的图像特征集确定与第三图像特征对应的第四图像特征；将第三图像特征和第四图像特征进行对比处理，得到待对比图像的图像查重结果。通过将LIRE提取的特征与深度学习模型提取的特征融合，使提取的特征更具有判别能力，从而提高了查重准确率。

技术领域

本申请涉及计算机视觉技术领域，特别涉及一种的基于LIRE图像查重方法、装置、计算机设备和存储介质。

背景技术

Lucene检索引擎的图片检索系统(Lucene Image Retrieval，LIRE)可以根据基于内容的图像检索(Content Based Image Retrieval，CBIR)算法提取图像特征，并为这个特征创建索引，目前LIRE提供多种图像特征提取方式，提取的特征可以应用于色彩、纹理等多种方向。但实际应用时图像往往比较复杂，提取的图像特征不够准确，并且出现了新的需求，要求能够找出如翻拍、截取、改变姿态等情况的近似图片，而LIRE提供的单个特征查找已经不能满足需求。

发明内容

本申请的旨在至少一定程度解决现有技术的问题，提供一种基于LIRE的图像查重方法、装置、计算机设备和存储介质，将LIRE提取的特征与深度学习模型提取的特征融合，能够使提取的特征更具有判别能力，从而提高了查重准确率。

本申请实施例的技术方案如下：

第一方面，本申请提供了一种基于LIRE的图像查重方法，所述方法包括：

接收用户发送的待对比图像；

利用LIRE对所述待对比图像进行第一特征提取处理，以得到所述待对比图像的第一图像特征；

利用预训练的深度学习模型对所述待对比图像进行第二特征提取处理，以得到所述待对比图像的第二图像特征；

将所述第一图像特征和所述第二图像特征进行融合处理，得到第三图像特征；

根据所述第三图像特征，从预设的图像特征集确定与所述第三图像特征对应的第四图像特征；

将所述第三图像特征和所述第四图像特征进行对比处理，得到所述待对比图像的图像查重结果。

根据本申请的一些实施例，所述将所述第一图像特征和所述第二图像特征进行融合处理，得到第三图像特征，包括：

对所述第一图像特征和所述第二图像特征进行特征融合处理，得到第一融合图像特征；

对所述第一融合图像特征进行特征提取处理，以得到第二融合图像特征；

对所述第二融合图像特征进行非线性映射处理，以得到所述第三图像特征。

根据本申请的一些实施例，所述图像特征集通过如下步骤获取：

获取图像数据集，所述图像数据集包括多个图像样本；

利用所述LIRE对每个所述图像样本进行第三特征提取处理，以得到第一图像特征集；

利用所述预训练的深度学习模型对每个所述图像样本进行第四特征提取处理，以得到第二图像特征集；

对所述第一图像特征集和与所述第一图像特征集对应的所述第二图像特征集进行特征融合，以得到图像特征集。

根据本申请的一些实施例，所述根据所述第三图像特征，从预设的图像特征集确定与所述第三图像特征对应的第四图像特征，包括：