一种基于图像分析的相似物品检索系统和方法

1.本技术属于图像分析领域，具体涉及一种基于图像分析的相似物品检索系统和方法。


背景技术：

2.随着互联网技术和多媒体技术的快速发展，互联网上的图片内容呈现爆炸性增长趋势，目前相似图像检索发展的是日新月异。针对两张相似图片的识别越来越多地被各个行业重视及应用，比如网站图像检索、图像信息分类、图像信息抽取等等方面，在当下的技术中，针对图片检索慢，检索效率低，识别准确率低，并且人们经常需要通过对图像本身内容的检索完成相似图片的发现和定位，而如何通过图像本身的内容定位到需要找到的图片也成为了需要解决的技术问题。
3.本技术通过神经网络结合二进制哈希算法，对图片进行多维度采集并通过神经网络进行分析处理，通过二进制哈希码进行相似物品检索，快速的寻找与目标图片相似度最高的图片。


技术实现要素：

4.本技术提出了一种基于图像分析的相似物品检索系统和方法，通过神经网络结合二进制哈希算法，提高了图像的相似检索速度与准确率。
5.为实现上述目的，本技术提供了如下方案：
6.一种基于图像分析的相似物品检索系统，
7.包括：图像信息采集模块、图像预处理模块、bp神经网络模型分类处理模块和相似检索模块；
8.图像信息采集模块用于采集待测试的多维度图像信息；
9.图像预处理模块用于基于所述多维度图像信息进行预处理操作，获取多维度图像处理信息；
10.bp神经网络模型分类处理模块用于基于所述多维度图像处理信息，构建bp神经网络模型并对所述多维度图像处理信息进行分类处理，获取多维度图像信息的分类处理结果；
11.相似检索模块用于基于所述多维度图像信息的分类处理结果，通过二进制哈希码进行相似物品检索。
12.优选的，所述图像预处理模块中所述预处理的方法包括：基于所述待测试的多维度图像信息进行图像特征向量提取，获取图像特征，基于所述图像特征进行图片分割，获取分割处理图像。
13.优选的，所述图像预处理模块中所述图片分割的方法包括：根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组，采用大律法对图片进行分割，
14.图像记t为前景与背景的分割阈值，前景点数占图像比例为wo，平均灰度为uo；背景
点数占图像比例为w1，平均灰度为u1，则图像的总平均灰度为：
15.u＝w0*u0+w1*u116.从最小灰度值到最大灰度值遍历t，当t使得g最大时，t即为分割的最佳阈值，
17.g＝w0*(u
0-u)2+w1*(u
1-u)2。
18.优选的，所述bp神经网络模型分类处理模块中对所述多维度图像处理信息进行分类处理的方法包括：网络初始化、隐含层输出计算、输出层计算、误差计算和权值更新。
19.优选的，所述相似检索模块中通过二进制哈希码进行相似物品检索的方法包括：
20.基于所述多维度图像信息的分类处理结果，计算二进制哈希特征值，并设定最小阈值，当二进制哈希特征值小于所述最小阈值时，相似度最高。
21.为了更好的实现上述技术内容，本技术还提供了一种基于图像分析的相似物品检索方法，包括：
22.采集待测试的多维度图像信息；
23.基于所述多维度图像信息进行预处理操作，获取多维度图像处理信息；
24.基于所述多维度图像处理信息，构建bp神经网络模型并对所述多维度图像处理信息进行分类处理，获取多维度图像信息的分类处理结果；
25.基于所述多维度图像信息的分类处理结果，通过二进制哈希码进行相似物品检索。
26.优选的，所述预处理的方法包括：基于所述待测试的多维度图像信息进行图像特征向量提取，获取图像特征，基于所述图像特征进行图片分割，获取分割处理图像。
27.优选的，所述特征向量提取包括：灰度、边缘、纹理特征、形状特征和物体三维表面。
28.优选的，所述图片分割方法包括：根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组，采用大律法对图片进行分割，
29.图像记t为前景与背景的分割阈值，前景点数占图像比例为wo，平均灰度为uo；背景点数占图像比例为w1，平均灰度为u1，则图像的总平均灰度为：
30.u＝w0*u0+w1*u131.从最小灰度值到最大灰度值遍历t，当t使得g最大时，t即为分割的最佳阈值，
32.g＝w0*(u
0-u)2+w1*(u
1-u)2。
33.优选的，对所述多维度图像处理信息进行分类处理的方法包括：网络初始化、隐含层输出计算、输出层计算、误差计算和权值更新。
34.本技术的有益效果为：本技术公开了一种基于图像分析的相似物品检索系统，通过构建bp神经网络模型并对多维度图像处理信息进行分类处理，获取多维度图像信息的分类处理结果，并结合二进制哈希码进行相似物品检索，快速筛选出与目标图片相似的图片，本技术通过图像的分析与相似度检索，提高了图像的相似检索速度与准确率。
附图说明
35.为了更清楚地说明本技术的技术方案，下面对实施例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是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
36.图1为本技术实施例系统结构示意图；
37.图2为本技术实施例方法流程示意图。
具体实施方式
38.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
39.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
40.实施例一
41.如图1所示，一种基于图像分析的相似物品检索系统，包括：图像信息采集模块、图像预处理模块、bp神经网络模型分类处理模块和相似检索模块；
42.图像信息采集模块用于采集待测试的多维度图像信息；
43.图像预处理模块用于基于多维度图像信息进行预处理操作，获取多维度图像处理信息；
44.bp神经网络模型分类处理模块用于基于多维度图像处理信息，构建bp神经网络模型并对多维度图像处理信息进行分类处理，获取多维度图像信息的分类处理结果；
45.相似检索模块用于基于多维度图像信息的分类处理结果，通过二进制哈希码进行相似物品检索。
46.其中，图像预处理模块中预处理的方法包括：基于待测试的多维度图像信息进行图像特征向量提取，获取图像特征，基于图像特征进行图片分割，获取分割处理图像。
47.其中，图像预处理模块中图片分割的方法包括：根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组，采用大律法对图片进行分割，
48.图像记t为前景与背景的分割阈值，前景点数占图像比例为wo，平均灰度为uo；背景点数占图像比例为w1，平均灰度为u1，则图像的总平均灰度为：
49.u＝w0*u0+w1*u150.从最小灰度值到最大灰度值遍历t，当t使得g最大时，t即为分割的最佳阈值，
51.g＝w0*(u
0-u)2+w1*(u
1-u)2。
52.其中，bp神经网络模型分类处理模块中对多维度图像处理信息进行分类处理的方法包括：网络初始化、隐含层输出计算、输出层计算、误差计算和权值更新。
53.在本实施例中，还包括以下内容：
54.首先构建bp神经网络，整个网络由输入层、隐含层和输出层三层组成；第二步是bp神经网络训练，在bp神经网络初始化阶段确定输入层的特征向量，初始化之后就进行训练；第三步为bp神经网络分类测试阶段，将测试数据输入训练好的模型得到最后的识别结果。
55.其中，相似检索模块中通过二进制哈希码进行相似物品检索的方法包括：
56.基于多维度图像信息的分类处理结果，计算二进制哈希特征值，并设定最小阈值，当二进制哈希特征值小于最小阈值时，相似度最高。
57.具体内容如下：
58.依次对已分类的图像提取特征值，并将提取到的已有图像的特征值建立图像特征值数据库；然后提取待检索图像的特征值；其次将待检索图像的特征值通过顺序遍历方式与图像特征值数据库中每一幅图像的特征值进行比对，并计算待检索图像与图像特征值数据库中每一幅图像之间的特征值距离；然后确定图像特征值数据库中与待检索图像的特征值距离最小的图像，并判断该特征值距离是否小于预设的阈值；最后若该特征值距离小于预设的阈值，则这一幅图像为待检索图像的相似图像，完成整个检索过程。
59.具体的相似图像的检索过程如下所示：
60.首先获取已分类的图像，并计算该图像的二进制哈希特征值。
61.之后对该图像所计算得到的二进制哈希特征值进行分段处理，使得二进制哈希特征值被分隔成若干段哈希特征值。
62.然后判断该图像是否为待检测图像，待检测图像是与某段哈希特征值相似的图像；
63.若判断为是，则进行检索；若判断为否，则将该图像的二进制哈希特征值写入已构建的图像特征值数据库中进行存储。
64.在已构建的图像特征值数据库中进行检索，找出含有至少任意一段哈希特征值的所有图像，并将这些图像整理成最终的候选图像列表。具体地，在图像特征值数据库中进行检索时，可并行地检索每一段哈希特征值，得到具有相同特征值的候选图像列表，再将每一段哈希特征值所对应的候选图像列表进行并集处理，得到最终的候选图像列表。
65.然后计算待检索图像与候选图像列表中每一幅图像之间的特征值距离，具体的计算图像之间的特征值距离是依据计算得的图像之间的哈希值来计算的。
66.并根据计算结果确定候选图像列表中与待检测图像的特征值距离最小的图像，获取检索结果。
67.根据检索结果，判断所确认的图像与待检索图像之间的特征值距离是否小于预设的阈值，在本实施例中，设定的阈值为：如果两个哈希值之间的明汉距离小于等于3，则判断为相似图片。
68.最后若小于预设的阈值，则所确认的图像即为待检索图像的相似图像。若不小于预设的阈值，则待检索图像在图像特征值数据库中不存在相似图像。
69.实施例二
70.如图2所示，一种基于图像分析的相似物品检索方法，包括：
71.s1、采集待测试的多维度图像信息；
72.s2、基于图像的多维度特征向量对图像进行分割，以得到分割后的带有多维度特征的图像；
73.步骤s2包括：基于待测试的多维度图像信息进行图像特征向量提取，获取图像特征，基于图像特征进行图片分割，获取分割处理图像。
74.其中，特征向量提取包括：灰度、边缘、纹理特征、形状特征和物体三维表面。
75.其中，图片分割方法包括：根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组，采用大律法对图片进行分割，
76.图像记t为前景与背景的分割阈值，前景点数占图像比例为wo，平均灰度为uo；背景点数占图像比例为w1，平均灰度为u1，则图像的总平均灰度为：
77.u＝w0*u0+w1*u178.从最小灰度值到最大灰度值遍历t，当t使得值
79.g＝w0*(u
0-u)2+w1*(u
1-u)2
80.最大时t即为分割的最佳阈值。
81.s3、将分割后的带有多维度特征的图像输入构建的bp神经网络模型，以对分割后的带有多维度特征的图像进行分类处理，获取分割后的带有多维度特征的图像的分类处理结果；
82.其中，对分割后的带有多维度特征的图像进行分类处理的方法包括：网络初始化、隐含层输出计算、输出层计算、误差计算和权值更新。
83.bp神经网络模型实先已经过训练，模型训练的方法为：
84.s4、基于分割后的带有多维度特征的图像的分类处理结果，通过二进制哈希码进行相似物品检索。
85.以上所述的实施例仅是对本技术优选方式进行的描述，并非对本技术的范围进行限定，在不脱离本技术设计精神的前提下，本领域普通技术人员对本技术的技术方案做出的各种变形和改进，均应落入本技术权利要求书确定的保护范围内。