一种图像搜索重排序系统的制作方法

1.本发明涉及图片信息处理领域，特别是涉及一种图像搜索重排序系统。


背景技术：

2.当前的图像搜索方法是，在用户输入需要查询的目标图像时，首先提取目标图像的特征信息，得到高维特征向量，接着，计算高维特征向量与图像数据库中的每个图像的高维特征向量之间的相似度，将相似度最高的图像作为与目标图像最接近的图像，从而确定目标图像的身份。然而，在存在与目标图像高度相似而不属于同一对象的图像时，给出的最接近的图像并不一定是准确的。


技术实现要素：

3.针对上述技术问题，本发明采用的技术方案为：
4.本发明实施例提供一种图像搜索重排序系统，所述系统包括通信连接的处理器和图像搜索库，所述图像搜索库包括与n个对象对应的n个图像库，图像库i包括第一图像库i
i1
和第二图像库i
i2
，其中，i
i1
＝(i
1i1
，i
2i1
，
…
，i
ji1
，
…
，i
m1(i)i1
)，i
ji1
为i
i1
中的第j个图像，i
ji1
为对象i的图像，j的取值为1到m1(i)，m1(i)为i
i1
中的图像数量；i
i2
＝(i
1i2
，i
2i2
，
…
，i
ki2
，
…
，i
m2(i)i2
)，i
ki2
为i
i2
中的第k个图像，i
ki2
为不为对象i的图像，k的取值为1到m2(i)，m2(i)为i
i2
中的图像数量；i的取值为1到n；
5.在接收到目标图像p时，所述处理器用于执行计算机程序以实现如下步骤：
6.s100，遍历图像搜索库，对于遍历到的图像库i，如果i≤n，执行s200；否则，执行s700；
7.s200，获取第一相似度集d
pi1
＝(d
p1i1
，d
p2i1
，
…
，d
pji1
，
…
，d
pm1(i)i1
)，d
pi1
中的第j个相似度d
pji1
为p与i
ji1
之间的相似度；
8.s300，获取第二相似度集d
pi2
＝(d
p1i2
，d
p2i2
，
…
，d
pki2
，
…
，d
pm2(i)i2
)，d
pi2
中的第k个相似度d
pki2
为p与i
ki2
之间的相似度；
9.s400，获取max(d
pi1
)和max(d
pi2
)，如果max(d
pi2
)＞max(d
pi1
)，设置s
ip
＝f(max(d
pi1
)，max(d
pi2
))作为对象i的图像和p之间的相似度，其中，f(max(d
pi1
)，max(d
pi2
))与max(d
pi1
)正相关，与max(d
pi2
)负相关；否则，设置s
ip
＝max(d
pi1
)作为对象i的图像和p之间的相似度；
10.s500，如果s
ip
＞d，将s
ip
存储至中间相似度集dc中，dc的初始值为空集；d为设定相似度阈值；
11.s600，设置i＝i 1；执行s100；
12.s700，基于s100～s500，得到dc＝(d
1c
，d
2c
，
…
，d
gc
，
…
，d
hc
)；d
gc
为dc中的第g个相似度，g的取值为1到h，h为d
gc
中的相似度数量；
13.s800，将dc按相似度大小降序进行排序，得到目标相似度集d
t
＝(d
1t
，d
2t
，
…
，d
gt
，
…
，d
ht
)，d
gt
为d
t
中的第g个相似度；
14.s900，基于d
t
，获取候选图像集i
t
＝(i
1t
，i
2t
，
…
，i
gt
，
…
，i
ht
)，i
gt
为d
gt
对应的第一图像库中的图像。
15.本发明至少具有以下有益效果：
16.本发明实施例提供的图像搜索重排序系统，对于图像搜索库中的每个对象，由于设置了属于该对象的第一图像库和不属于该对象的第二图像库，在基于目标图像搜索最接近的图像时，如果目标图像与某个对象的第二图像库中的图像的最大相似度大于与第一图像库中的图像的最大相似度，则基于与第二图像库中的图像的最大相似度对与第一图像库中的图像的最大相似度进行修正，这样，能够降低与第一图像库中的图像的最大相似度，进而能够避免搜索到不准确的图像，提高搜索准确率。
附图说明
17.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1为本发明实施例提供的图像搜索重排序系统的结构示意图。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.图1为本发明实施例提供的图像搜索重排序系统的结构示意图。如图1所示，本发明实施例提供一种图像搜索重排序系统，所述系统包括通信连接的处理器和图像搜索库，所述图像搜索库包括与n个对象对应的n个图像库，图像库i包括第一图像库i
i1
和第二图像库i
i2
，其中，i
i1
＝(i
1i1
，i
2i1
，
…
，i
ji1
，
…
，i
m1(i)i1
)，i
ji1
为i
i1
中的第j个图像，i
ji1
为对象i的图像，j的取值为1到m1(i)，m1(i)为i
i1
中的图像数量；i
i2
＝(i
1i2
，i
2i2
，
…
，i
ki2
，
…
，i
m2(i)i2
)，i
ki2
为i
i2
中的第k个图像，i
ki2
为不为对象i的图像，k的取值为1到m2(i)，m2(i)为i
i2
中的图像数量；i的取值为1到n。
21.在本发明实施例中，对象可为人。
22.在本发明实施例中，第一图像库中的图像为经过人工标注的图像，即通过人为标注认定为属于同一对象的多个图像。第二图像库中的图像为经过人工标注的图像，即第二图像库中的图像为经过人工标注认定为不属于第一图像库对应的对象的图像。第二图像库中的图像可包括多个对象的图像。
23.在本发明实施例中，第二图像库中的图像可与第一图像库中的图像存在关联或者不存在关联。在本发明实施例中，存在关联是指图像之间相似。在一个示意性实施例中，第二图像库中的某些图像可与第一图像库中的图像存在关联，例如，第二图像库中的某些图像可与第一图像库中的图像之间的相似度大于设定阈值等。
24.在本发明实施例中，所述系统还包括存储有计算机程序的存储介质。其中，在接收
到目标图像p时，所述处理器用于执行计算机程序以实现如下步骤：
25.s100，遍历图像搜索库，对于遍历到的图像库i，如果i≤n，执行s200；否则，执行s700。
26.s200，获取第一相似度集d
pi1
＝(d
p1i1
，d
p2i1
，
…
，d
pji1
，
…
，d
pm1(i)i1
)，d
pi1
中的第j个相似度d
pji1
为p与i
ji1
之间的相似度。
27.目标图像p可为用户输入的图像。在本发明实施例中，d
pi1
可基于现有方式得到，例如，可包括如下步骤：
28.s201，提取目标图像的特征向量，形成目标图像特征向量列表v
p
＝(v
p1
，v
p2
，
…
，v
pr
，
…
，v
pu
)，v
pr
为目标图像的第r个特征向量，u为目标图像的特征向量的数量，例如u＝512。本领域技术人员知晓，提取目标图像的特征向量，形成目标图像特征向量列表可为现有技术，例如，通过深度神经网络的方式进行提取等。
29.s202，利用设定的相似度计算方法计算v
p
与i
i1
中任一图像i
ji1
的图像特性向量v
ji1
之间的相似度d
pji1
。v
ji1
＝(v
j1i1
，v
j2i1
，
…
，v
jri1
，
…
，v
jui1
)，即，v
ji1
为与v
p
具有相同维数的向量，v
jri1
为i
ji1
的第r个特征向量。v
ji1
可事先提取并存储在数据库中。
30.在本发明实施例中，设定的相似度计算方法可为现有方法，例如，余弦距离、欧式距离和汉明距离等。
31.s300，获取第二相似度集d
pi2
＝(d
p1i2
，d
p2i2
，
…
，d
pki2
，
…
，d
pm2(i)i2
)，d
pi2
中的第k个相似度d
pki2
为p与i
ki2
之间的相似度。
32.s300的具体实现方式可与s200的具体实现方式相同。
33.s400，获取max(d
pi1
)和max(d
pi2
)，如果max(d
pi2
)＞max(d
pi1
)，设置s
ip
＝f(max(d
pi1
)，max(d
pi2
))作为对象i的图像和p之间的相似度，其中，f(max(d
pi1
)，max(d
pi2
))与max(d
pi1
)正相关，即max(d
pi1
)越大，s
ip
越大；与max(d
pi2
)负相关，即max(d
pi2
)越大，s
ip
越小；否则，设置s
ip
＝max(d
pi1
)作为对象i的图像和p之间的相似度。
34.在本发明一具体示例中，f(max(d
pi1
)，max(d
pi2
))＝λ1*max(d
pi1
)-λ2*max(d
pi2
)，λ1和λ2分别为设定的系数，取值为0到1。λ1＞λ2。
35.在本发明另一个具体示例中，f(max(d
pi1
)，max(d
pi2
))＝max(d
pi1
)-λ*max(d
pi2
)，λ为设定的系数，取值为0到1。与前述实施例相比，由于在计算s
ip
时，max(d
pi1
)采用的是实际值，相比于前述实施例，修正后的相似度会更加准确。
36.s400的技术效果在于，如果max(d
pi2
)＞max(d
pi1
)，说明相比于第一图像库中的图像而言，目标图像与第二图像库中的图像更相似，因此需要对第一图像库的搜索结果计算出的相似度进行向下修正，以避免第一图像库的搜索结果出现在目标图像的高置信匹配结果中，从而确保搜索结果的准确性。
37.s500，如果s
ip
＞d，将s
ip
存储至中间相似度集dc中，dc的初始值为空集；d为设定相似度阈值。在本发明实施例中，d可基于测试数据集确定，例如，d可为0.85～0.95。
38.s600，设置i＝i 1；执行s100；
39.s700，基于s100～s500，可得到dc＝(d
1c
，d
2c
，
…
，d
gc
，
…
，d
hc
)；d
gc
为dc中的第g个相似度，g的取值为1到h，h为d
gc
中的相似度数量。显然，任一d
gc
＞d。
40.s800，将dc按照相似度降序排列，得到目标相似度集d
t
＝(d
1t
，d
2t
，
…
，d
gt
，
…
，d
ht
)，d
t
中的第g个相似度d
gt
∈dc，显然，d
gt
≤d
g 1t
≤d
g 2t
；
41.s900，基于d
t
，获取候选图像集i
t
＝(i
1t
，i
2t
，
…
，i
gt
，
…
，i
ht
)，i
gt
为d
gt
对应的第一图像库中的图像，即基于d
t
，分别从图像搜索库的每个第一图像库中获取对应的图像，形成候选图像集。
42.本发明实施例提供的图像搜索重排序系统，对于图像搜索库中的每个对象，由于设置了属于该对象的第一图像库和不属于该对象的第二图像库，在基于目标图像搜索最接近的图像时，如果目标图像与某个对象的第二图像库中的图像的最大相似度大于与第一图像库中的图像的最大相似度，则基于与第二图像库中的图像的最大相似度对与第一图像库中的图像的最大相似度进行修正，这样，能够降低与第一图像库中的图像的最大相似度，能够避免在目标图像对应的对象存在高度相似的对象时，将高度相似的对象的图像作为最接近的图像，即能够避免搜索到不准确的图像，提高搜索准确率。
43.在本发明实施例中，λ(包括λ1和λ2)可基于试验确定。在本发明一具体实施例中，λ＝avg(λ1，λ2，
…
，λv，
…
，λn)，λv为第v次试验得到的值，v的取值为1到n，n为试验次数，λv基于如下方式得到：
44.(1)在第v次试验中，在系统中输入目标图像v，分别设置w个不同的λ值；
45.(2)基于步骤s100至s900获取w个候选图像集；
46.(3)从w个候选图像集中选取与目标图像v最匹配的图像集，将对应的λ作为λv。
47.在一个具体示例中，优选，λ＝0.5。
48.进一步地，在本发明另一实施例中，s900被替换为：
49.s910，获取候选图像集i
t
＝(i
1t
，i
2t
，
…
，i
gt
，
…
，i
st
)，i
gt
为d
gt
对应的第一图像库中的图像，s＜h。
50.在s910中，获取排序在前s个的图像作为候选图像，相对于前述实施例，能够减少候选图像的数量，以方便用户浏览可视化结果。s的取值可自定义设置。
51.进一步地，在本发明实施例中，所述系统还包括：与处理器通信连接的显示器(未图示)。
52.进一步地，在本发明实施例中，所述处理器还用于执行计算机程序以实现如下步骤：
53.s1000，在所述显示器上显示i
t
。
54.通过在显示器上按照相似度高低的顺序依次显示i
t
中的各个图像，能够使得用户直观的知晓搜索结果。
55.虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。