一种基于关联规则学习的图像检索方法、装置及存储介质与流程

本发明涉及图像检索，具体涉及一种基于关联规则学习的图像检索方法、装置及存储介质。

背景技术：

1、电网图像检索旨在用户向计算机输入一个查询对象，计算机返回与该查询对象同属于同一子类别的检索结果。随着深度学习和人工智能的日益崛起，电网图像检索有着广阔的发展和应用前景。例如，可以精准地检索出不同子类的违章行为，从而帮助业务员提升电力作业的自动化和精准化。

2、目前，电网图像检索所面临的挑战：不同子类间差异较小，同一子类内方差较大。这与我们所希望的“子类间差异大，子类内方差小”恰恰背道而驰。由此，如何增强不同子类别间区分度和判别性是目前亟需解决的问题。

技术实现思路

1、有鉴于此，本发明实施例提供了涉及一种基于关联规则学习的图像检索方法、装置及存储介质，以解决现有技术中在进行电网图像检索时不同子类间差异较小的技术问题。

2、本发明提出的技术方案如下：

3、本发明实施例第一方面提供一种基于关联规则学习的图像检索方法，包括：获取待检索图像和检索数据库中图像；基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征；对待检索图像和检索数据库中图像的局部相关性特征进行特征匹配，确定检索数据库中和待检索图像属于同一子类别的检索结果。

4、可选地，基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征，包括：基于关联规则学习算法提取待检索图像的局部相关性特征；基于关联规则学习算法提取检索数据库中每一张图像的局部相关性特征。

5、可选地，基于关联规则学习算法提取待检索图像的局部相关性特征，包括：提取待检索图像的特征图和每张特征图中的激活像素；基于所述特征图和每张特征图中的激活像素，采用关联规则学习算法计算待检索图像的局部相关性特征。

6、可选地，提取待检索图像的特征图和每张特征图中的激活像素，包括：采用预训练模型将待检索图像映射为一组特征图；计算每张特征图中所有像素点响应值的均值；比较每张特征图中所有像素点的响应值和相应均值的大小，将响应值大于相应均值的像素点作为特征图中的激活像素。

7、可选地，基于所述特征图和每张特征图中的激活像素，采用关联规则学习算法计算待检索图像的局部相关性特征，包括：基于所述特征图和每张特征图中的激活像素生成特征图集合和激活像素集；根据所述特征图集合和激活像素集计算待检索图像的频繁模式；采用池化操作提取所述频繁模式中的特征作为待检索图像的局部相关性特征。

8、可选地，对待检索图像和检索数据库中图像的局部相关性特征进行特征匹配，确定检索数据库中和待检索图像属于同一子类别的检索结果，包括：计算待检索图像的局部相关性特征和检索数据库中每一张图像的局部相关性特征的相似度，得到多个相似度；对多个相似度进行排序，提取前预设个数的相似度对应的图像作为与待检索图像属于同一子类别的检索结果。

9、可选地，所述相似度采用余弦相似度函数计算。

10、本发明实施例第二方面提供一种基于关联规则学习的图像检索装置，包括：图像获取模块，用于获取待检索图像和检索数据库中图像；特征提取模块，用于基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征；特征匹配模块，用于对待检索图像和检索数据库中图像的局部相关性特征进行特征匹配，确定检索数据库中和待检索图像属于同一子类别的检索结果。

11、可选地，特征提取模块，包括：第一提取模块，用于基于关联规则学习算法提取待检索图像的局部相关性特征；第二提取模块，用于基于关联规则学习算法提取检索数据库中每一张图像的局部相关性特征。

12、可选地，第一提取模块，包括：提取模块，用于提取待检索图像的特征图和每张特征图中的激活像素；特征计算模块，用于基于所述特征图和每张特征图中的激活像素，采用关联规则学习算法计算待检索图像的局部相关性特征。

13、可选地，提取模块具体用于：采用预训练模型将待检索图像映射为一组特征图；计算每张特征图中所有像素点响应值的均值；比较每张特征图中所有像素点的响应值和相应均值的大小，将响应值大于相应均值的像素点作为特征图中的激活像素。

14、可选地，特征计算模块具体用于：基于所述特征图和每张特征图中的激活像素生成特征图集合和激活像素集；根据所述特征图集合和激活像素集计算待检索图像的频繁模式；采用池化操作提取所述频繁模式中的特征作为待检索图像的局部相关性特征。

15、可选地，特征匹配模块具体用于：计算待检索图像的局部相关性特征和检索数据库中每一张图像的局部相关性特征的相似度，得到多个相似度；对多个相似度进行排序，提取前预设个数的相似度对应的图像作为与待检索图像属于同一子类别的检索结果。

16、可选地，所述相似度采用余弦相似度函数计算。

17、本发明实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的基于关联规则学习的图像检索方法。

18、本发明实施例第四方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面及第一方面任一项所述的基于关联规则学习的图像检索方法。

19、本发明提供的技术方案，具有如下效果：

20、本发明实施例提供的基于关联规则学习的图像检索方法、装置及存储介质，通过获取待检索图像和检索数据库中图像；基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征；对待检索图像和检索数据库中图像的局部相关性特征进行特征匹配，确定检索数据库中和待检索图像属于同一子类别的检索结果。由此，该图像检索方法通过关联规则学习算法，对图像内部的关联信息进行挖掘，加强了细粒度特征表示，从而能够增强不同子类间判别性和区分度。

21、本发明实施例提供的基于关联规则学习的图像检索方法，采用预训练模型将待检索图像映射为一组特征图，即采用无监督框架和预训练模型，无需人工标注，在电力作业场景中具有很好的应用价值。

技术特征：

1.一种基于关联规则学习的图像检索方法，其特征在于，包括：

2.根据权利要求1所述的基于关联规则学习的图像检索方法，其特征在于，基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征，包括：

3.根据权利要求2所述的基于关联规则学习的图像检索方法，其特征在于，基于关联规则学习算法提取待检索图像的局部相关性特征，包括：

4.根据权利要求3所述的基于关联规则学习的图像检索方法，其特征在于，提取待检索图像的特征图和每张特征图中的激活像素，包括：

5.根据权利要求3所述的基于关联规则学习的图像检索方法，其特征在于，基于所述特征图和每张特征图中的激活像素，采用关联规则学习算法计算待检索图像的局部相关性特征，包括：

6.根据权利要求1所述的基于关联规则学习的图像检索方法，其特征在于，对待检索图像和检索数据库中图像的局部相关性特征进行特征匹配，确定检索数据库中和待检索图像属于同一子类别的检索结果，包括：

7.根据权利要求6所述的基于关联规则学习的图像检索方法，其特征在于，所述相似度采用余弦相似度函数计算。

8.一种基于关联规则学习的图像检索装置，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1-7任一项所述的基于关联规则学习的图像检索方法。

10.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-7任一项所述的基于关联规则学习的图像检索方法。

技术总结
本发明公开了一种基于关联规则学习的图像检索方法、装置及存储介质，通过获取待检索图像和检索数据库中图像；基于关联规则学习算法提取待检索图像和检索数据库中图像的局部相关性特征；对待检索图像和检索数据库中图像的局部相关性特征进行特征匹配，确定检索数据库中和待检索图像属于同一子类别的检索结果。由此，该图像检索方法通过关联规则学习算法，对图像内部的关联信息进行挖掘，加强了细粒度特征表示，从而能够增强不同子类间判别性和区分度。

技术研发人员：郑敏,吴春鹏,张国梁,林龙,刘卫卫,初宗博,周飞
受保护的技术使用者：国网智能电网研究院有限公司
技术研发日：
技术公布日：2024/1/12