图像检索方法及装置、电子设备和存储介质与流程

本公开涉及计算机视觉技术领域，尤其涉及一种图像检索方法及装置、电子设备和存储介质。

背景技术：

在信息安全、多媒体等各种需要进行目标对象识别的领域，通常需要利用目标对象的图像在图像库中进行检索，以确定包括目标对象的图像，得到检索结果。在传统的图像检索技术中，通常利用两个图像的一对一的特征进行对比，检索速度慢，检索效率低。

技术实现要素：

本公开提出了一种图像检索技术方案。

根据本公开的一方面，提供了一种图像检索方法，所述方法应用于待检索图像序列集合中，所述待检索图像序列集合包括多个待检索图像序列，所述方法包括：

根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度；

根据关联图像的置信度、目标图像与关联图像的特征相似度确定所述目标图像的关联置信度，并根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，所述目标图像为任一所述检索图像序列中选定的待检索图像，所述关联图像为位于与所述目标图像不同的待检索序列中的待检索图像；

在满足收敛条件时停止更新目标图像的置信度，根据停止更新后得到的所述目标图像的置信度，在所述待检索图像序列集合中确定与所述检索图像对应的图像检索结果。

在一种可能的实现方式中，根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度，包括：

根据检索对象的检索图像，确定各所述待检索图像中的待检索对象为所述检索对象的置信度，并将所述待检索对象为所述检索对象的置信度确定为所述待检索图像的置信度。

在一种可能的实现方式中，根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度，包括：

根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度，并使待检索图像序列内各待检索图像的置信度相等；

根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，包括：

根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像所在的待检索图像序列内各待检索图像的置信度。

在一种可能的实现方式中，所述待检索图像序列内的待检索图像间具有第一关联关系，所述待检索图像序列间的待检索图像间具有第二关联关系，其中，所述第一关联关系包括：时间关联关系或特征关联关系，所述第二关联关系包括特征关联关系。

在一种可能的实现方式中，根据关联图像的置信度、目标图像与关联图像的特征相似度确定所述目标图像的关联置信度，包括：

根据关联图像的置信度、目标图像与关联图像的特征相似度获取关联图像的中间结果；

将所述中间结果中的最大值输入softmax函数，得到所述目标图像的关联置信度。

在一种可能的实现方式中，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，包括：

当目标图像的置信度小于或等于置信度阈值时，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。

在一种可能的实现方式中，所述置信度阈值与迭代次数成反比。

在一种可能的实现方式中，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，包括：

将所述待检索图像按照所述待检索图像的置信度大小进行排序，根据置信度由小到大的顺序选取设定比例的所述待检索图像作为待更新图像；

当所述目标图像为所述待更新图像中的任一图像时，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。

在一种可能的实现方式中，所述设定比例与迭代次数成反比。

根据本公开的一方面，提供了一种图像检索装置，所述装置应用于待检索图像序列集合中，所述待检索图像序列集合包括多个待检索图像序列，所述装置包括：

置信度获取模块，用于根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度；

置信度更新模块，用于根据关联图像的置信度、目标图像与关联图像的特征相似度确定所述目标图像的关联置信度，并根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，所述目标图像为任一所述检索图像序列中选定的待检索图像，所述关联图像为位于与所述目标图像不同的待检索序列中的待检索图像；

检索结果获取模块，用于在满足收敛条件时停止更新目标图像的置信度，根据停止更新后得到的所述目标图像的置信度，在所述待检索图像序列集合中确定与所述检索图像对应的图像检索结果。

在一种可能的实现方式中，所述置信度获取模块，用于：

根据检索对象的检索图像，确定各所述待检索图像中的待检索对象为所述检索对象的置信度，并将所述待检索对象为所述检索对象的置信度确定为所述待检索图像的置信度。

在一种可能的实现方式中，所述置信度获取模块，用于根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度，并使待检索图像序列内各待检索图像的置信度相等；

所述置信度更新模块，用于根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像所在的待检索图像序列内各待检索图像的置信度。

在一种可能的实现方式中，所述待检索图像序列内的待检索图像间具有第一关联关系，所述待检索图像序列间的待检索图像间具有第二关联关系，其中，所述第一关联关系包括：时间关联关系或特征关联关系，所述第二关联关系包括特征关联关系。

在一种可能的实现方式中，所述置信度更新模块，用于：

根据关联图像的置信度、目标图像与关联图像的特征相似度获取关联图像的中间结果；

将所述中间结果中的最大值输入softmax函数，得到所述目标图像的关联置信度。

在一种可能的实现方式中，所述置信度更新模块，用于：

当目标图像的置信度小于或等于置信度阈值时，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。

在一种可能的实现方式中，所述置信度阈值与迭代次数成反比。

在一种可能的实现方式中，所述置信度更新模块，用于：

将所述待检索图像按照所述待检索图像的置信度大小进行排序，根据置信度由小到大的顺序选取设定比例的所述待检索图像作为待更新图像；

当所述目标图像为所述待更新图像中的任一图像时，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。

在一种可能的实现方式中，所述设定比例与迭代次数成反比。

根据本公开的一方面，提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行上述图像检索所述的方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述图像检索所述的方法。

在本公开实施例中，根据关联图像的置信度、目标图像与关联图像的特征相似度确定所述目标图像的关联置信度，并根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。在满足收敛条件时停止更新目标图像的置信度，确定检索结果。本公开实施例根据关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，可以使得关联图像中的最高置信度得以快速传播，提高待检索图像的置信度传播的稳定性，提高检索结果的准确率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像检索方法的流程图；

图2示出根据本公开实施例的图像检索方法的流程图；

图3示出根据本公开实施例的图像检索方法的流程图；

图4示出根据本公开实施例的图像检索方法的流程图；

图5示出根据本公开实施例的图像检索方法中更新目标图像的置信度的流程图；

图6示出根据本公开实施例的图像检索装置的框图；

图7是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开实施例的图像检索方法的流程图，如图1所示，所述方法应用于待检索图像序列集合中，所述待检索图像序列集合包括多个待检索图像序列，所述方法包括：

步骤s10，根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度。

在一种可能的实现方式中，检索对象可以包括人、动物等各种类型的对象。检索对象的检索图像，可以包括检索对象的照片、画像等各种类型的图像。

在一种可能的实现方式中，根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度，包括：

根据检索对象的检索图像，确定各所述待检索图像中的待检索对象为所述检索对象的置信度，并将所述待检索对象为所述检索对象的置信度确定为所述待检索图像的置信度。

在一种可能的实现方式中，待检索图像中的待检索对象为所述检索对象的置信度，包括待检索对象为所述检索对象的概率值。可以通过在检索图像和待检索图像中提取设定特征的方式，确定待检索图像中的待检索对象为所述检索对象的置信度。当检索对象为人时，可以提取检索图像和待检索图像中的人的面部特征、身体特征、衣着特征等，并根据提取到的特征，确定待检索图像中的人为检索图像中的人的置信度。

在一种可能的实现方式中，可以将检索图像和待检索图像输入神经网络提取预设特征。可以将检索图像和待检索图像分别输入神经网络1和神经网络2，神经网络1用于提取人的面部特征，神经网络2用于提取人的身体特征、衣着特征等。将神经网络1和神经网络2提取的特征合并后，得到检索图像和待检索图像中的人的预设特征。

在一种可能的实现方式中，所述待检索图像序列内的待检索图像间具有第一关联关系，所述待检索图像序列间的待检索图像间具有第二关联关系，其中，所述第一关联关系包括：时间关联关系或特征关联关系，所述第二关联关系包括特征关联关系。

在一种可能的实现方式中，待检索图像序列集合中可以包括多个待检索图像序列。待检索图像序列内的待检索图像间可以具有第一关联关系。待检索序列间的待检索图像间具有第二关联关系。第一关联关系可以与第二关联关系相同，也可以与第二关联关系不同。第一关联关系或第二关联关系，可以根据在待检索图像中提取的特征确定，例如，两个待检索图像提取到的特征中有相似或相同的特征，则两个待检索图像具有关联关系。第一关联关系或第二关联关系，也可以根据待检索图像所携带的信息确定，例如，两个待检索图像的标识中都包含特定的人名或地名，两个待检索图像的拍摄时间相关，则两个待检索图像具有关联关系。可以根据需求确定第一关联关系和第二关联关系，并根据确定出的第一关联关系、第二关联关系和待检索图像，生成待检索图像序列，再根据待检索图像序列获取待检索图像序列集合。各待检索图像序列中的待检索图像的数量可以相等，也可以不等。

在一种可能的实现方式中，时间关联关系可以包括当图像的拍摄时间在设定的时间范围内时，图像间具有时间关联关系。特征关联图像可以包括在图像中提取设定的特征，当提取到的特征相同或相似时，图像间具有特征关联关系。

在一种可能的实现方式中，第一关联关系可以为时间关联关系，第二关联关系可以为特征关联关系。例如，可以将一部电影中的帧图像作为待检索图像。可以对电影进行分镜头处理后，得到的各分镜头包括多个时间上连续的帧图像。可以将分镜头作为待检索图像序列。待检索图像序列内的待检索图像间具有时间关联关系。由于不同的分镜头之间可以包括相同的角色，则分镜头间的待检索图像间具有特征关联关系。

在一种可能的实现方式中，第一关联关系可以为特征关联关系，第二关联关系可以为特征关联关系。第一关联关系的特征关联关系可以与第二关联关系的特征关联关系不同。可以在多个待检索图像中，提取特征1和特征2，根据特征1生成待检索图像序列，获取待检索图像序列集合。在待检索图像序列间，将特征2确定为序列间的待检索图像之间的第二关联关系。

在一种可能的实现方式中，可以将所述待检索对象为所述检索对象的置信度确定为所述待检索图像的置信度。例如，待检索图像中的待检索对象为所述检索对象的置信度为0.5，则待检索图像的置信度为0.5。可以根据多个检索对象的检索图像，确定待检索图像中的待检索对象为各所述检索对象的置信度。并将待检索对象为各所述检索对象的置信度确定为所述待检索图像的置信度。例如，可以根据检索对象a的检索图像和检索对象b的检索图像，确定待检索图像中的待检索对象为所述检索对象a的置信度为0.7，待检索图像中的待检索对象为所述检索对象b的置信度为0.3，则待检索图像的置信度为(0.7，0.3)。

步骤s20，根据关联图像的置信度、目标图像与关联图像的特征相似度确定所述目标图像的关联置信度，并根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，所述目标图像为任一所述检索图像序列中选定的待检索图像，所述关联图像为位于与所述目标图像不同的待检索序列中的待检索图像。

在一种可能的实现方式中，可以利用迭代计算的方式，经过多次迭代计算，更新待检索图像序列集合中各待检索图像的置信度。在每次迭代计算中，在确定待检索图像序列集合中各待检索图像的置信度后，完成一次迭代计算。可以根据与目标图像具有第二关联关系的关联图像的置信度，对目标图像的置信度进行计算。可以根据关联图像的置信度、目标图像与关联图像的特征相似度确定所述目标图像的关联置信度，并根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。

在一种可能的实现方式中，可以在目标图像中提取预设特征得到第一特征值，在关联图像中提取预设特征得到第二特征值。可以通过计算第一特征值和第二特征值之间的相似度，确定目标图像与关联图像间的特征相似度。可以通过目标图像和关联图像之间的第二关联关系，即特征关联关系，得到目标图像与关联图像之间的特征相似度。

在一种可能的实现方式中，可以根据目标图像与各关联图像之间的特征相似度，确定目标图像与各关联图像的置信度相乘的系数。例如，关联图像1的置信度为0.9，关联图像1与目标图像的特征相似度为0.4，关联图像2的置信度为0.8，关联图像2与目标图像的特征相似度为0.3，关联图像3的置信度为0.7，关联图像3与目标图像的特征相似度为0.5。则关联图像1的关联置信度为：0.9*0.4＝0.36；关联图像2的关联置信度为：0.8*0.3＝0.24；关联图像3的关联置信度为：0.7*0.5＝0.35。若目标图像的置信度为0.7，与各关联图像的关联置信度进行比较后，目标图像的置信度仍为0.7。若目标图像的置信度为0.2，与各关联图像的关联置信度进行比较后，目标图像的置信度更新为0.36。

在一种可能的实现方式中，当检索对象为n个时，各关联图像的置信度可以包括(待检索对象为检索对象1的置信度、待检索对象为检索对象2的置信度……待检索对象为检索对象n的置信度)。可以计算关联图像中的各待检索对象为检索对象1的置信度和系数并得到多个乘积，可以根据多个乘积和目标图像中的待检索对象为检索对象1的置信度的最大值，更新目标图像中待检索对象为检索对象1的置信度。同理，可以更新目标图像中的待检索对象为检索对象2至检索对象n的置信度，从而更新目标图像的置信度。

在一种可能的实现方式中，当关联置信度大于目标图像的置信度时，可以根据关联置信度更新目标图像的置信度。当关联置信度小于等于目标图像的置信度时，保留目标图像的置信度。

步骤s30，在满足收敛条件时停止更新目标图像的置信度，根据停止更新后得到的所述目标图像的置信度，在所述待检索图像序列集合中确定与所述检索图像对应的图像检索结果。

在一种可能的实现方式中，收敛条件可以包括满足设定的迭代次数，或包括待检索图像序列集合中满足设定数量的待检索图像的置信度不再变化。

在一种可能的实现方式中，在停止迭代计算后得到各待检索图像的置信度，可以将各待检索图像的置信度确定为待检索图像中的待检索对象为检索对象的置信度。可以根据待检索图像的置信度和置信度阈值时，确定各检索图像的检索结果。例如，置信度阈值为0.8，当待检索图像的置信度大于0.8时，可以确定待检索图像中的待检索对象为检索对象。

在本实施例中，根据关联图像的置信度、目标图像与关联图像的特征相似度确定所述目标图像的关联置信度，并根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。在满足收敛条件时停止更新目标图像的置信度，确定检索结果。本公开实施例根据关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，可以使得关联图像中的最高置信度得以快速传播，提高待检索图像的置信度传播的稳定性，提高检索结果的准确率。

在一种可能的实现方式中，根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度，包括：

根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度，并使待检索图像序列内各待检索图像的置信度相等；

根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，包括：

根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像所在的待检索图像序列内各待检索图像的置信度。

在一种可能的实现方式中，待检索图像序列内的待检索图像间具有第一关联关系，当待检索图像序列内的待检索图像的置信度不同时，可以使待检索图像序列内的各待检索图像的置信度相等。可以将各待检索图像的置信度的平均值，作为待检索图像序列内所有待检索图像的置信度。也可以将置信度最大值的待检索图像的置信度，作为待检索图像序列内所有待检索图像的置信度。例如，待检索图像序列内的各待检索图像的置信度分别为待检索图像1(0.9，0.1)、待检索图像2(0.7，0.3)、待检索图像3(0.8，0.2)、待检索图像4(0.6，0.4)……，其中置信度最大值为0.9。可以将(0.9，0.1)作为待检索图像序列内所有待检索图像的置信度。当待检索图像序列内的目标图像的置信度发生变化时，可以根据目标图像的置信度更新待检索图像序列内剩余的待检索图像的置信度。

在本实施例中，使待检索图像序列内各待检索图像的置信度相等，可以提高图像检索的效率。

图2示出根据本公开实施例的图像检索方法的流程图，如图2所示，所述方法中步骤s20包括：

步骤s21，根据关联图像的置信度、目标图像与关联图像的特征相似度获取关联图像的中间结果。

步骤s22，将所述中间结果中的最大值输入softmax函数，得到所述目标图像的关联置信度。

在一种可能的实现方式中，softmax函数可以用于多分类过程，将多个输入的数值映射到(0，1)的区间内。可以通过将多个乘积输入softmax函数进行计算后，得到目标图像的关联置信度。

在一种可能的实现方式中，当检索对象为n个时，各关联图像的置信度可以包括待检索对象针对各检索对象的置信度。可以将任一检索对象确定为目标对象。可以将各关联图像对于目标对象的置信度和目标图像与关联图像的特征相似度相乘，得到各关联图像针对目标对象的中间结果，进而得到各关联图像针对n个检索对象的多个中间结果。可以将各关联图像针对目标对象的中间结果中的最大值输入softmax函数进行运算，得到目标图像针对n个检索对象的关联置信度。

例如，检索对象为2个，关联图像a的置信度为(0.9,0.1)，关联图像a与目标图像的特征相似度为0.4；关联图像b的置信度为(0.2,0.8)，关联图像b与目标图像的特征相似度为0.3；关联图像c的置信度为(0.3,0.7)关联图像c与目标图像的特征相似度为0.3。针对检索对象1，关联图像a的中间结果为0.36，关联图像b的中间结果为0.06，关联图像c的中间结果为0.09，可以将最大值0.36输入softmax函数。同理，针对检索对象2，可以将各关联图像针对检索对象2的中间结果中的最大值0.24输入softmax函数。即，将(0.36,0.24)输入softmax函数进行运算，可以得到目标图像的关联置信度为(0.8,0.2)。

在本实施例中，可以将中间结果中的最大值输入softmax函数，得到目标图像的关联置信度。经过softmax函数计算得到的目标图像的关联置信度，可以使得后续的图像检索的运算更加高效、可靠。

图3示出根据本公开实施例的图像检索方法的流程图，如图3所示，步骤s20，包括：

步骤s23，当目标图像的置信度小于或等于置信度阈值时，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。

在一种可能的实现方式中，在更新目标图像置信度的迭代计算过程中，随着迭代次数的增加，目标图像的置信度越来越接近实际结果。当目标图像的置信度接近实际结果时，目标图像的置信度可能随着迭代计算中迭代次数的增加只有微小的调整，也可能不再改变。

在一种可能的实现方式中，可以根据需求确定置信度阈值。在迭代计算的过程中，当目标图像的置信度大于置信度阈值时，可以认为目标图像的置信度的取值接近实际结果，可以停止对目标图像的置信度的更新。以避免不必要的迭代计算步骤。

在本实施例中，当目标图像的置信度大于置信度阈值时，可以停止目标图像的置信度的更新的迭代计算，从而提高迭代计算的计算效率，节省系统资源。

在一种可能的实现方式中，所述置信度阈值与迭代次数成反比。

在一种可能的实现方式中，随着迭代次数的增加，可以扩大停止迭代计算的目标图像的数量。可以设置置信度阈值与迭代次数之间的对应关系，且置信度阈值与迭代次数成反比。随着迭代次数的增加，置信度阈值下降，目标图像的置信度大于置信度阈值的可能性也增加，即随着迭代次数的增加，将有更多数量的目标图像的置信度停止更新。

在本实施例中，通过设置与迭代次数成反比的置信度阈值，可以实现随着迭代次数的增加，增加停止更新置信度的目标图像的数量。从而更有效率的提高迭代计算的运算效率，节省系统资源。

图4示出根据本公开实施例的图像检索方法的流程图，如图4所示，步骤s20，包括：

步骤s24，将所述待检索图像按照所述待检索图像的置信度大小进行排序，根据置信度由小到大的顺序选取设定比例的所述待检索图像作为待更新图像。

步骤s25，当所述目标图像为所述待更新图像中的任一图像时，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。

在一种可能的实现方式中，在迭代计算的过程中，可以在待检索图像中选取一定比例的目标图像更新其置信度。可以按照置信度大小排序后，选取设定比例的目标图像，例如可以选取95％的目标图像更新其置信度的迭代计算。可以根据图像检索的需求，确定设定比例的数值。

在本实施例中，通过将目标图像按照置信度大小排序，并按照预设比例选取一定数量的目标图像更新其置信度，可以提高迭代计算的运算效率，节省系统资源。

在一种可能的实现方式中，所述设定比例与迭代次数成反比。

在一种可能的实现方式中，可以设置设定比例与迭代次数之间的对应关系，随着迭代次数的增加，减小设定比例的数值。即，随着迭代次数的增加，有更多的目标图像停止更新其置信度的迭代计算，节省系统资源。

在本实施例中，通过设定与迭代次数成反比的设定比例，可以提高迭代计算的计算效率。

图5示出根据本公开实施例的图像检索方法中更新目标图像的置信度的流程图，如图5所示，图中最右侧的图像为目标图像，左侧三个为与目标图像关联的关联图像，最上方的关联图像1的图像置信度为(0.9，0.1)、关联图像1与目标图像的特征相似度为0.4；关联图像2的图像置信度为(0.2，0.8)、关联图像2与目标图像的特征相似度为0.3；关联图像3的图像置信度为(0.3，0.7)，关联图像3与目标图像的特征相似度为0.3。

图5中右侧上方为根据lineardiffusion(线性融合)机制得到目标图像的图像置信度的过程。在线性融合机制下，将三个关联图像的图像置信度进行了平均，得到目标图像的图像置信度为(0.5，0.5)。根据此结果，目标图像中的待检索对象为检索对象1的概率为50％，为检索对象2的概率也为50％。

图5中右侧下方为根据competitiveconsensus(竞争共识)机制，利用本公开实施例的方式得到目标图像的图像置信度的过程。可以利用如下的公式(1)，得到各关联图像的图像置信度中的最大值。

其中，ηk(c)为目标图像的图像置信度中间值，为关联图像j的图像置信度，t为迭代计算的次数，αkj为关联图像j与目标图像的特征相似度。

如图5所示，根据公式(1)得到的目标图像的图像置信度中间值，待检索对象为检索对象1的置信度，保留了关联图像1的图像置信度和特征相似度相乘的结果0.36，待检索对象为检索对象2的置信度，保留了关联图像2的图像置信度和特征相似度相乘的结果0.24。

根据公式(1)得到目标图像的图像置信度中间值后，可以利用公式(2)得到目标图像的图像置信度：

如图5所示，将目标图像的图像置信度中间值输入公式(2)进行计算后，得到目标图像的图像置信度为(0.8，0.2)。与线性融合机制的结果相比，竞争共识机制下关联图像的置信度最大值得到了更有效的传播。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

图6示出根据本公开实施例的图像检索装置的框图，如图6所示，所述装置应用于待检索图像序列集合中，所述待检索图像序列集合包括多个待检索图像序列，所述图像检索装置包括：

置信度获取模块10，用于根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度；

置信度更新模块20，用于根据关联图像的置信度、目标图像与关联图像的特征相似度确定所述目标图像的关联置信度，并根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度，所述目标图像为任一所述检索图像序列中选定的待检索图像，所述关联图像为位于与所述目标图像不同的待检索序列中的待检索图像；

检索结果获取模块30，用于在满足收敛条件时停止更新目标图像的置信度，根据停止更新后得到的所述目标图像的置信度，在所述待检索图像序列集合中确定与所述检索图像对应的图像检索结果。

在一种可能的实现方式中，所述置信度获取模块10，用于：

根据检索对象的检索图像，确定各所述待检索图像中的待检索对象为所述检索对象的置信度，并将所述待检索对象为所述检索对象的置信度确定为所述待检索图像的置信度。

在一种可能的实现方式中，所述置信度获取模块10，用于根据检索对象的检索图像确定所述待检索图像序列集合中各待检索图像的置信度，并使待检索图像序列内各待检索图像的置信度相等；

所述置信度更新模块20，用于根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像所在的待检索图像序列内各待检索图像的置信度。

在一种可能的实现方式中，所述待检索图像序列内的待检索图像间具有第一关联关系，所述待检索图像序列间的待检索图像间具有第二关联关系，其中，所述第一关联关系包括：时间关联关系或特征关联关系，所述第二关联关系包括特征关联关系。

在一种可能的实现方式中，所述置信度更新模块20，用于：

根据关联图像的置信度、目标图像与关联图像的特征相似度获取关联图像的中间结果；

将所述中间结果中的最大值输入softmax函数，得到所述目标图像的关联置信度。

在一种可能的实现方式中，所述置信度更新模块20，用于：

当目标图像的置信度小于或等于置信度阈值时，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。

在一种可能的实现方式中，所述置信度阈值与迭代次数成反比。

在一种可能的实现方式中，所述置信度更新模块20，用于：

将所述待检索图像按照所述待检索图像的置信度大小进行排序，根据置信度由小到大的顺序选取设定比例的所述待检索图像作为待更新图像；

当所述目标图像为所述待更新图像中的任一图像时，根据所述关联置信度和所述目标图像的置信度中的最大值，更新所述目标图像的置信度。

在一种可能的实现方式中，所述设定比例与迭代次数成反比。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。

图7是根据一示例性实施例示出的一种电子设备的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。电子设备可以被提供为终端、服务器或其它形态的设备。电子设备可以包括图像检索装置。参照图7，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。