图像处理方法、装置、计算机设备和存储介质与流程

本申请涉及大数据技术领域，特别是涉及一种图像处理方法、装置、计算机设备和存储介质。

背景技术：

随着大数据技术的发展，数据分析在越来越多的领域起着重要的作用。在传统的大数据分析处理过程中，一般都是基于获取的文字信息进行分析。

随着信息表达方式的多样性，人们越来越喜欢通过上传视频或图像记录自己的生活日常，充分挖掘图片中的隐藏信息，例如挖掘图片拍摄位置等，对于进行用户的行为和消费习惯的分析具有重大意义。

在图像拍摄时，大部分会携带有exif(exchangeableimagefileformat，可交换图像文件格式)参数等图像参数信息，对于包含有exif参数的图片，可直接获取图片的拍摄位置等信息，但如果图片经过压缩，图像的位置信息会丢失，由于无法获取图片的位置信息，导致无法准确进行数据分析。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够实现对未携带位置信息的图像进行位置信息添加的图像处理方法、装置、计算机设备和存储介质。

一种图像处理方法，所述方法包括：

提取待处理图像的特征数据，并查找包含所述特征数据的各备选图像；

获取所述待处理图像的特征向量以及各所述备选图像的特征向量；

根据所述待处理图像的特征向量与各所述备选图像的特征向量，分别计算所述待处理图像与各所述备选图像的相似性；

根据所述待处理图像与各所述备选图像的相似性计算结果，确定各所述备选图像中携带有位置信息且与所述待处理图像的相似性最高的目标图像；

提取所述目标图像携带的位置信息，并将所述位置信息添加至所述待处理图像，获得处理后的图像。

在其中一个实施例中，所述提取待处理图像的特征数据，并查找包含所述特征数据的各备选图像包括：

对待处理图像进行图像预处理，提取所述图像预处理后的待处理图像的特征数据；

从网络图像数据中查找包含所述特征数据的图像，并筛选出这些图像中携带有位置信息的各备选图像。

在其中一个实施例中，所述从网络图像数据中查找包含所述特征数据的图像，并筛选出这些图像中携带有位置信息的各备选图像包括：

获取所述待处理图像的特征数据对应的数据类别，根据所述数据类别确定所述待处理图像的特征标签；

根据所述待处理图像的特征标签，搜索网络图像数据中携带有所述特征标签的网络图像；

解析搜索得到的所述网络图像的位置信息，并筛选出所述网络图像中携带有所述位置信息的各备选图像。

在其中一个实施例中，所述提取所述目标图像携带的位置信息，并将所述位置信息添加至所述待处理图像，获得处理后的图像之前，还包括：

选取各所述备选图像中未携带位置信息的图像，构建待处理图像集；

所述提取所述目标图像携带的位置信息，并将所述位置信息添加至所述待处理图像，获得处理后的图像包括：

提取所述目标图像携带的位置信息，并将所述位置信息添加至所述待处理图像以及所述待处理图像集中的各备选图像；

获得处理后的各图像，并将处理后的各所述图像更新至所述预设数据库，所述预设数据库用于存储携带位置信息的图像。

在其中一个实施例中，所述提取待处理图像的特征数据，并查找包含所述特征数据的各备选图像包括：

对待处理图像进行图像预处理，提取经过所述图像预处理后的待处理图像的特征数据；

遍历预设数据库，查找所述预设数据库中包含所述特征数据的各备选图像，所述预设数据库中存储有携带位置信息的图像。

在其中一个实施例中，所述根据所述待处理图像的特征向量与各所述备选图像的特征向量，分别计算所述待处理图像与各所述备选图像的相似性包括：

将所述待处理图像的特征向量分别与各所述备选图像的特征向量进行jaccard系数测算，确定各所述备选图像对应的jaccard系数值；

所述根据所述待处理图像与各所述备选图像的相似性计算结果，确定各所述备选图像中满足预设要求的目标图像包括：

选取各所述备选图像中对应的jaccard系数值最大且携带有位置信息的各备选图像作为目标图像。

在其中一个实施例中，所述选取所述备选图像中对应的jaccard系数值最大且携带有位置信息的图像作为目标图像包括：

选取各所述备选图像中携带有位置信息的图像，构建待选择图像集；

根据所述待选择图像集中所述备选图像中对应的jaccard系数值大小，选择所述待选择图像集中对应的所述jaccard系数值最大的图像作为所述目标图像。

一种图像处理装置，所述装置包括：

特征数据提取模块，用于提取待处理图像的特征数据，并查找包含所述特征数据的各备选图像；

特征向量获取模块，用于获取所述待处理图像的特征向量以及各所述备选图像的特征向量；

相似性计算模块，用于根据所述待处理图像的特征向量与各所述备选图像的特征向量，分别计算所述待处理图像与各所述备选图像的相似性；

目标图像确定模块，用于根据所述待处理图像与各所述备选图像的相似性计算结果，确定各所述备选图像中携带有位置信息且与所述待处理图像的相似性最高的目标图像；

位置信息添加模块，用于提取所述目标图像携带的位置信息，并将所述位置信息添加至所述待处理图像，获得处理后的图像。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

提取待处理图像的特征数据，并查找包含所述特征数据的各备选图像；

获取所述待处理图像的特征向量以及各所述备选图像的特征向量；

根据所述待处理图像的特征向量与各所述备选图像的特征向量，分别计算所述待处理图像与各所述备选图像的相似性；

根据所述待处理图像与各所述备选图像的相似性计算结果，确定各所述备选图像中携带有位置信息且与所述待处理图像的相似性最高的目标图像；

提取所述目标图像携带的位置信息，并将所述位置信息添加至所述待处理图像，获得处理后的图像。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

提取待处理图像的特征数据，并查找包含所述特征数据的各备选图像；

获取所述待处理图像的特征向量以及各所述备选图像的特征向量；

根据所述待处理图像的特征向量与各所述备选图像的特征向量，分别计算所述待处理图像与各所述备选图像的相似性；

根据所述待处理图像与各所述备选图像的相似性计算结果，确定各所述备选图像中携带有位置信息且与所述待处理图像的相似性最高的目标图像；

提取所述目标图像携带的位置信息，并将所述位置信息添加至所述待处理图像，获得处理后的图像。

上述图像处理方法、装置、计算机设备和存储介质，通过提取待处理图像的特征数据来查找得到各备选图像，可以获得与待处理图像相似的各图像，并通过分别获取待处理图像与各备选图像的特征向量，利用特征向量分别计算待处理图像与各备选图像的相似性，筛选出各个备选图像中携带有位置信息且与待处理图像的相似性最高的图像作为目标图像，提取目标图像携带的位置信息，作为待处理图像的位置信息添加至待处理图像，由于获取的目标图像与待处理图像相似度高，可以将目标图像对应的位置信息作为待处理图像的位置信息，得到携带有位置信息的图像。

附图说明

图1为一个实施例中图像处理方法的应用场景图；

图2为一个实施例中图像处理方法的流程示意图；

图3为另一个实施例中图像处理方法的流程示意图；

图4为一个实施例中图3中步骤s240的子步骤的流程示意图；

图5为另一个实施例中图像处理方法的流程示意图；

图6为另一个实施例中图像处理方法的流程示意图；

图7为一个实施例中图像处理装置的结构框图；

图8为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的图像处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102将需要进行处理位置信息分析的待处理图像发送至服务器104，服务器104提取待处理图像的特征数据，并查找包含特征数据的各备选图像，获取待处理图像的特征向量以及各备选图像的特征向量，根据待处理图像的特征向量与各备选图像的特征向量，分别计算待处理图像与各备选图像的相似性，根据待处理图像与各备选图像的相似性计算结果，确定各备选图像中携带有位置信息且与待处理图像的相似性最高的图像作为目标图像，提取目标图像携带的位置信息，并将位置信息添加至待处理图像，获得处理后的图像，服务器104将处理后的添加有位置信息的图像推送至终端102。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在实际应用过程中，在获取到需要了解位置信息的图像时，首先对图像进行参数分析，如果图像携带有exif参数，能解析图像携带的exif参数中的位置信息，则返回对应的位置信息，如果图像经过压缩等处理，未携带exif参数，则将该图像作为待处理图像发送至服务器进行处理。

在一个实施例中，如图2所示，提供了一种图像处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤s200，提取待处理图像的特征数据，并查找包含特征数据的各备选图像。

待处理图像是指经过压缩或其他格式处理后，不包含exif等记录数码照片的属性信息和拍摄数据的参数，不能通过参数解析直接获得位置信息的图像。特征数据是从一组给定的特征中选出的能够有效识别目标的最小特征子集，从图像中提取特征如颜色、纹理或形状等特征数据，不同的特征可以选择具体的提取方法，如基于颜色特征的颜色直方图、基于纹理的灰度共生矩阵和小波变换、基于形状的有限元法，旋转函数和小波描述符等。待处理图像中的特征数据可以表征图像中的风景或建筑等固定性元素。根据特征数据，在存储有大量图像的预设数据库中查找包含相同特征数据的图像，作为备选图像，备选图像是指用于获取位置信息，并可以将该位置信息作为待处理图像的位置信息的图像。可以采用图像匹配模型，进行备选图像的获取，具体来说，将待处理图像的特征数据输入预先训练好的图像匹配模型，利用预先训练好的图像匹配模型，从已有的图像数据中匹配包含相同特征数据的图像，并输出作为备选图像，图像匹配模型的训练过程包括：获取携带有特征数据的图像样本集，将包含相同特征数据的样本图像标注相同的标签，将样本图像输入初始图像匹配模型进行训练，根据训练结果中标签的匹配情况，获得初始图像匹配模型的评价参数，其中，评价参数包括召回率、准确率以及精确率。当评价参数未达到预设要求范围时，对训练后的初始图像匹配模型进行参数调整，当评价参数的参数值达到预设要求范围时，训练完成的初始图像匹配模型即为预设的图像匹配模型。在其他实施例中，还可以通过对网络中存在的图像数据的查找，获得多个备选图像。

步骤s300，获取待处理图像的特征向量以及各备选图像的特征向量。

特征向量是指以向量方式表达图像的数据形式，通过提取图像各维度组成元素的特征，每一个维度由一组属性表示，对属性的进一步描述包括边缘的定向和弧度，边与线的长度和曲率，区域的大小。特征向量可以是单个向量，也可以是多个向量组成的向量组。在实施例中，还可以将待处理图像划分为多个子图像，获取每个子图像对应的特征向量，利用待处理图像的子图像与众多图像进行比较，可以增大图像匹配的成功率。

步骤s400，根据待处理图像的特征向量与各备选图像的特征向量，分别计算待处理图像与各备选图像的相似性。

图像的相似性是指图像内容的一致性的表征参数，图像的相似性可以通过计算两个图像的特征向量的相似系数值来确定，例如jaccard系数、jaccard系数距离等。在实施例中，首先确定待处理图像的图像类别，例如风景类、建筑类等，根据图像类别查找到相同类别的图像，逐一计算待处理图像与同一类别各图像的相似性。

步骤s500，根据待处理图像与各备选图像的相似性计算结果，确定各备选图像中携带有位置信息且与待处理图像的相似性最高的目标图像。

位置信息可以是图像自身携带的exif参数等包含的位置信息，也可以是事先标注的位置数据标签等。将携带有位置信息且与待处理图像的相似性最高的图像作为目标图像，可以得到待处理图像的位置信息。在实施例中，可以实现获取携带有位置信息的图像作为备选图像，在计算各备选图像与待处理图像的相似性之后，直接将与待处理图像的相似度最高的图像作为目标图像，节省相似性计算的数据处理量，在其他实施例中，也可以先获取备选图像，计算各备选图像与待处理图像的相似性，当与待处理图像的相似度最高的图像携带有位置信息时，将该图像作为目标图像，当与待处理图像的相似度最高的图像未携带位置信息时，根据相似度的从高到低的顺序，选择排列的备选图像中排序携带有位置信息且排序最靠前的图像作为目标图像。

步骤s600，提取目标图像携带的位置信息，并将位置信息添加至待处理图像，获得处理后的图像。

当目标图像携带有exif参数时，提取exif参数中的拍摄位置信息，当目标图像携带有位置数据标签时，获取对应的位置数据标签，提取的位置信息可以作为数据标签添加至待处理图像，得到携带有位置信息的图像，确定待处理图像的对应的拍摄地理位置，便于后续进行数据分析，实现图像数据的信息深入挖掘，有利于提高图像数据分析的质量。

上述图像处理方法，通过提取待处理图像的特征数据来查找得到各备选图像，可以获得与待处理图像相似的各图像，并通过分别获取待处理图像与各备选图像的特征向量，利用特征向量分别计算待处理图像与各备选图像的相似性，筛选出各个备选图像中携带有位置信息且与待处理图像的相似性最高的图像作为目标图像，提取目标图像携带的位置信息，作为待处理图像的位置信息添加至待处理图像，由于获取的目标图像与待处理图像相似度高，可以将目标图像对应的位置信息作为待处理图像的位置信息，得到携带有位置信息的图像。

在一个实施例中，如图3所示，步骤s200，提取待处理图像的特征数据，并查找包含特征数据的各备选图像包括：

步骤s220，对待处理图像进行图像预处理，提取图像预处理后的待处理图像的特征数据。

步骤s240，从网络图像数据中查找包含特征数据的图像，并筛选出这些图像中携带有位置信息的各备选图像。

图像预处理是指在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理，消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性的数据处理过程。网络图像数据可以是各网页或平台等存储的图像，这些图像中存在一部分图像是经过图像压缩处理的，无法获得位置信息，在选择备选图像时，需要对图像进行筛选，得到包含有位置信息的图像作为备选图像。

在一个实施例中，如图4所示，步骤s240，从网络图像数据中查找包含特征数据的图像，并筛选出这些图像中携带有位置信息的各备选图像包括：

步骤s242，获取待处理图像的特征数据对应的数据类别，确定待处理图像的特征标签。

步骤s244，根据待处理图像的特征标签，搜索网络图像数据中携带有特征标签的网络图像。

步骤s246，解析搜索得到的网络图像的位置信息，并筛选出网络图像中携带有位置信息的各备选图像。

网络图像数据中的图像包括携带有exif参数或位置数据标签等位置信息的图像和未携带任何位置信息的图像。根据待分析图像的特征数据的数据类别，确定待分析图像的特征标签，特征标签包括图像属性以及属性细分类别，例如，待分析图像的图像属性可以是风景、建筑等，风景细分类别可以包括森林、山岳、湖泊、海滨等，建筑细分类别可以包括各种建筑风格等。根据待处理图像的特征标签，构建图像搜索表达式，搜索携带有相同特征标签的网络图像，解析搜索得到的网络图像的位置信息，并筛选出网络图像中携带有位置信息的备选图像。

在一个实施例中，如图5所示，步骤s600，提取目标图像携带的位置信息，并将位置信息添加至待处理图像，获得处理后的图像之前，还包括：

步骤s580，选取各备选图像中未携带位置信息的图像，构建待处理图像集。

步骤s600，提取目标图像携带的位置信息，并将位置信息添加至待处理图像，获得处理后的图像包括：

步骤s620，提取目标图像携带的位置信息，并将位置信息添加至待处理图像以及待处理图像集中的各备选图像。

步骤s640，获得处理后的各图像，并将处理后的各图像更新至预设数据库，预设数据库用于存储携带位置信息的图像。

将位置信息添加至待分析图像集中的备选图像，确定各备选图像的位置信息，将待处理图像的位置信息标注为该待分析图像集中各备选图像的位置数据标签，并将携带有位置数据标签的图像更新至预设数据库，实现预设数据库中图像数据的扩充。当预设数据库的图像数量达到设定的要求时，可以直接通过预设数据流进行目标图像的查找，无需进行携带位置信息的图像的筛选，减小了数据处理量。

在一个实施例中，步骤s200，提取待处理图像的特征数据，并查找包含特征数据的各备选图像包括：

对待处理图像进行图像预处理，提取经过图像预处理后的待处理图像的特征数据。

遍历预设数据库，查找预设数据库中包含特征数据的各备选图像，预设数据库中存储有携带位置信息的图像。

预设数据库用于存储携带有位置信息的图像，通过构建预设数据库，对预设数据库中的图像进行查找，无需进行未携带位置信息的图像的筛选，有利于提高数据处理效率。

在一个实施例中，如图6所示，步骤s400，根据待处理图像的特征向量与各备选图像的特征向量，分别计算待处理图像与各备选图像的相似性包括：

步骤s420，将待处理图像的特征向量分别与各备选图像的特征向量进行jaccard系数测算，确定各备选图像对应的jaccard系数值。

步骤s500，根据待处理图像与各备选图像的相似性计算结果，确定各备选图像中满足预设要求的目标图像包括：

步骤s520，选取各备选图像中对应的jaccard系数值最大且携带有位置信息的各备选图像作为目标图像。

对待处理图像的特征向量和各备选图像的特征向量进行jaccard系数测算，确定各备选图像中与待处理图像的相似性，jaccard系数的计算方式为：两组特征向量数据交集个数和两组特征向量数据并集个数的比值。jaccard系数值越大，图像相似度越高，选取jaccard系数值最大的数据中的备选图像作为目标图像，可以获得与待处理图像相似度最高的图像。

在一个实施例中，步骤s520，选取备选图像中对应的jaccard系数值最大且携带有位置信息的图像作为目标图像包括：

选取各备选图像中携带有位置信息的图像，构建待选择图像集。

根据待选择图像集中备选图像中对应的jaccard系数值大小，选择待选择图像集中对应的jaccard系数值最大的图像作为目标图像。

在目标图像的选择过程中，可以先按jaccard系数值的大小进行排序，按照顺序的先后，选择携带有位置信息且排序靠前的图像作为目标图像，也可以先进行携带有位置数据的图像的筛选，选择筛选后的图像中jaccard系数值最大的图像作为目标图像。

应该理解的是，虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图7所示，提供了一种图像处理装置，包括：

特征数据提取模块200，用于提取待处理图像的特征数据，并查找包含特征数据的各备选图像；

特征向量获取模块300，用于获取待处理图像的特征向量以及各备选图像的特征向量；

相似性计算模块400，用于根据待处理图像的特征向量与各备选图像的特征向量，分别计算待处理图像与各备选图像的相似性；

目标图像确定模块500，用于根据待处理图像与各备选图像的相似性计算结果，确定各备选图像中携带有位置信息且与待处理图像的相似性最高的目标图像；

位置信息添加模块600，用于提取目标图像携带的位置信息，并将位置信息添加至待处理图像，获得处理后的图像。

在一个实施例中，特征数据提取模块200，还用于对待处理图像进行图像预处理，提取图像预处理后的待处理图像的特征数据，从网络图像数据中查找包含特征数据的图像，并筛选出这些图像中携带有位置信息的各备选图像。

在一个实施例中，特征数据提取模块200，还用于获取待处理图像的特征数据对应的数据类别，确定待处理图像的特征标签，根据待处理图像的特征标签，搜索网络图像数据中携带有特征标签的网络图像，解析搜索得到的网络图像的位置信息，并筛选出网络图像中携带有位置信息的各备选图像。

在一个实施例中，图像处理装置还包括待处理图像集构建模块，用于选取各备选图像中未携带位置信息的图像，构建待处理图像集，位置信息添加模块600，还用于提取目标图像携带的位置信息，并将位置信息添加至待处理图像以及待处理图像集中的各备选图像，获得处理后的各图像，并将处理后的各图像更新至预设数据库，预设数据库用于存储携带位置信息的图像。

在一个实施例中，特征数据提取模块200，还用于对待处理图像进行图像预处理，提取经过图像预处理后的待处理图像的特征数据，遍历预设数据库，查找预设数据库中包含特征数据的各备选图像，预设数据库中存储有携带位置信息的图像。

在一个实施例中，相似性计算模块400，还用于将待处理图像的特征向量分别与各备选图像的特征向量进行jaccard系数测算，确定各备选图像对应的jaccard系数值；目标图像确定模块500，还用于选取各备选图像中对应的jaccard系数值最大且携带有位置信息的各备选图像作为目标图像。

在一个实施例中，目标图像确定模块500，还用于选取各备选图像中携带有位置信息的图像，构建待选择图像集，根据待选择图像集中备选图像中对应的jaccard系数值大小，选择待选择图像集中对应的jaccard系数值最大的图像作为目标图像。

上述图像处理装置，通过提取待处理图像的特征数据来查找得到各备选图像，可以获得与待处理图像相似的各图像，并通过分别获取待处理图像与各备选图像的特征向量，利用特征向量分别计算待处理图像与各备选图像的相似性，筛选出各个备选图像中携带有位置信息且与待处理图像的相似性最高的图像作为目标图像，提取目标图像携带的位置信息，作为待处理图像的位置信息添加至待处理图像，由于获取的目标图像与待处理图像相似度高，可以将目标图像对应的位置信息作为待处理图像的位置信息，得到携带有位置信息的图像。

关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定，在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储产品分析数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像处理方法。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

提取待处理图像的特征数据，并查找包含特征数据的各备选图像；

获取待处理图像的特征向量以及各备选图像的特征向量；

根据待处理图像的特征向量与各备选图像的特征向量，分别计算待处理图像与各备选图像的相似性；

根据待处理图像与各备选图像的相似性计算结果，确定各备选图像中携带有位置信息且与待处理图像的相似性最高的目标图像；

提取目标图像携带的位置信息，并将位置信息添加至待处理图像，获得处理后的图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

对待处理图像进行图像预处理，提取图像预处理后的待处理图像的特征数据；

从网络图像数据中查找包含特征数据的图像，并筛选出这些图像中携带有位置信息的各备选图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取待处理图像的特征数据对应的数据类别，根据数据类别确定待处理图像的特征标签；

根据待处理图像的特征标签，搜索网络图像数据中携带有特征标签的网络图像；

解析搜索得到的网络图像的位置信息，并筛选出网络图像中携带有位置信息的各备选图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

选取各备选图像中未携带位置信息的图像，构建待处理图像集；

提取目标图像携带的位置信息，并将位置信息添加至待处理图像以及待处理图像集中的各备选图像；

获得处理后的各图像，并将处理后的各图像更新至预设数据库，预设数据库用于存储携带位置信息的图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

对待处理图像进行图像预处理，提取经过图像预处理后的待处理图像的特征数据；

遍历预设数据库，查找预设数据库中包含特征数据的各备选图像，预设数据库中存储有携带位置信息的图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将待处理图像的特征向量分别与各备选图像的特征向量进行jaccard系数测算，确定各备选图像对应的jaccard系数值；

选取各备选图像中对应的jaccard系数值最大且携带有位置信息的各备选图像作为目标图像。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

选取各备选图像中携带有位置信息的图像，构建待选择图像集；

根据待选择图像集中备选图像中对应的jaccard系数值大小，选择待选择图像集中对应的jaccard系数值最大的图像作为目标图像。

上述用于实现图像处理方法的计算机设备，通过提取待处理图像的特征数据来查找得到各备选图像，可以获得与待处理图像相似的各图像，并通过分别获取待处理图像与各备选图像的特征向量，利用特征向量分别计算待处理图像与各备选图像的相似性，筛选出各个备选图像中携带有位置信息且与待处理图像的相似性最高的图像作为目标图像，提取目标图像携带的位置信息，作为待处理图像的位置信息添加至待处理图像，由于获取的目标图像与待处理图像相似度高，可以将目标图像对应的位置信息作为待处理图像的位置信息，得到携带有位置信息的图像。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

提取待处理图像的特征数据，并查找包含特征数据的各备选图像；

获取待处理图像的特征向量以及各备选图像的特征向量；

根据待处理图像的特征向量与各备选图像的特征向量，分别计算待处理图像与各备选图像的相似性；

根据待处理图像与各备选图像的相似性计算结果，确定各备选图像中携带有位置信息且与待处理图像的相似性最高的目标图像；

提取目标图像携带的位置信息，并将位置信息添加至待处理图像，获得处理后的图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

对待处理图像进行图像预处理，提取图像预处理后的待处理图像的特征数据；

从网络图像数据中查找包含特征数据的图像，并筛选出这些图像中携带有位置信息的各备选图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取待处理图像的特征数据对应的数据类别，根据数据类别确定待处理图像的特征标签；

根据待处理图像的特征标签，搜索网络图像数据中携带有特征标签的网络图像；

解析搜索得到的网络图像的位置信息，并筛选出网络图像中携带有位置信息的各备选图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

选取各备选图像中未携带位置信息的图像，构建待处理图像集；

提取目标图像携带的位置信息，并将位置信息添加至待处理图像以及待处理图像集中的各备选图像；

获得处理后的各图像，并将处理后的各图像更新至预设数据库，预设数据库用于存储携带位置信息的图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

对待处理图像进行图像预处理，提取经过图像预处理后的待处理图像的特征数据；

遍历预设数据库，查找预设数据库中包含特征数据的各备选图像，预设数据库中存储有携带位置信息的图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将待处理图像的特征向量分别与各备选图像的特征向量进行jaccard系数测算，确定各备选图像对应的jaccard系数值；

选取各备选图像中对应的jaccard系数值最大且携带有位置信息的各备选图像作为目标图像。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

选取各备选图像中携带有位置信息的图像，构建待选择图像集；

根据待选择图像集中备选图像中对应的jaccard系数值大小，选择待选择图像集中对应的jaccard系数值最大的图像作为目标图像。

上述用于实现图像处理方法的计算机可读存储介质，通过提取待处理图像的特征数据来查找得到各备选图像，可以获得与待处理图像相似的各图像，并通过分别获取待处理图像与各备选图像的特征向量，利用特征向量分别计算待处理图像与各备选图像的相似性，筛选出各个备选图像中携带有位置信息且与待处理图像的相似性最高的图像作为目标图像，提取目标图像携带的位置信息，作为待处理图像的位置信息添加至待处理图像，由于获取的目标图像与待处理图像相似度高，可以将目标图像对应的位置信息作为待处理图像的位置信息，得到携带有位置信息的图像。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。