一种智能相似图像识别和检索方法与系统与流程

本发明涉及一种检索方法与系统，具体为智能相似图像识别和检索方法与系统，属于图像相似检索。

背景技术：

1、图像相似检索，是指通过计算机技术对图像进行分析和处理，从大规模的图像数据库中检索出与查询图像相似的图像的过程。这个过程主要依赖于图像之间的相似度计算，通过比较图像的特征来判断它们之间的相似程度。

2、图像相似检索是一种基于图像内容的检索技术，通过提取图像特征并计算相似度来实现对大规模图像数据库的快速、准确搜索。随着深度学习等技术的不断发展，图像相似检索的准确性和效率将得到进一步提升，并在更多领域发挥重要作用。随着深度学习的发展，基于深度学习的自动特征提取方法逐渐成为主流，如卷积神经网络能够从图像中学习到更高级、更抽象的特征表示。

3、现有的图像场景相似度，基本上都是利用卷积图像算法如cnn、efficient net或者其它算法从整张图像中提取一个512维的特征，与另外的图像进行相似度度量计算，但是这样的方法，从整个图片中提取一个特征，往往很难适应图片之间的各种变化：如光线变化、角度变化等等各种变化情况，在大角度变化下，这样的特征只有很低的余弦相似度，为此，提出一种智能相似图像识别和检索方法与系统。

技术实现思路

1、有鉴于此，本发明提供一种智能相似图像识别和检索方法与系统，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。

2、本发明实施例的技术方案是这样实现的：一种智能相似图像识别和检索方法，包括以下步骤：

3、使用super point算法从每个图像中提取关键特征点；

4、构建特征向量，为每个特征点生成256维的描述向量，用于表示特征点的局部特征；

5、构建向量数据库，将图像的特征点及其描述向量存储到向量数据库中；

6、使用hnsw算法在向量数据库中预检索，根据特征点的描述向量找到候选图像；

7、使用lightglue算法对筛选后的候选图像进行匹配，获取相似场景图像。

8、进一步优选的，所述super point算法从图像中提取512个特征点，每个特征点对应256维特征向量，所述super point算法从图像中提取[512*256]个向量化特征。

9、进一步优选的，所述向量数据库中设置有检索和查询机制，所述向量数据库支持大规模图像数据的检索。

10、进一步优选的，所述super point算法在提取关键特征点时，包括以下步骤，

11、将图像输入到super point预训练的网络中；

12、网络中的特征点检测提取模块识别图像中的关键位置；

13、对每个检测到的特征点，生成256维的描述向量，描述特征点周围的局部特征；

14、然后输出特征点的位置信息和对应的描述向量。

15、一种智能相似图像识别和检索系统，包括预处理模块、特征点检测提取模块、向量数据库、预检索模块、筛选模块和匹配模块；

16、所述预处理模块的信号端与所述特征点检测提取模块的信号端连接，所述向量数据库的信号端分别与所述特征点检测模块的信号端和所述预检索模块的信号端连接，所述筛选模块的信号端分别与所述匹配模块的信号端和所述预检索模块的信号端连接；

17、所述预处理模块用于，对输入图像进行预处理，包括尺寸调整和归一化处理。

18、进一步优选的，所述特征点检测提取模块用于，从每个图像中提取关键特征点；

19、所述向量数据库用于，存储图像的特征点及其描述向量。

20、进一步优选的，所述预检索模块用于，使用hnsw算法在向量数据库中预检索，根据特征点的描述向量找到候选图像；

21、所述筛选模块用于，对预检索得到的候选图像进行初步筛选，去除不相关的图像。

22、进一步优选的，所述匹配模块用于，对筛选后的候选图像进行匹配，获取相似场景图像。

23、本发明实施例由于采用以上技术方案，其具有以下优点：本发明通过利用superpoint算法，从图片中提取512个特征点，以及每个特征点对应的216维特征向量，总共有[512 * 256]的向量化特征，也就是说一个图片有512个点，每个点对应一个256维的向量，所有的存储图像特征点及其描述向量存储到向量数据库中，再用hnsw算法，在向量数据库中从点的维度上进行检索、并将每个点检索出来的点所属的图片进行投票，得到topn的图片，再使用lightglue算法对筛选后的候选图像进行匹配，获取相似场景图像，实现对预检索后的图片进行更高精度的匹配。

24、上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

技术特征：

1.一种智能相似图像识别和检索方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种智能相似图像识别和检索方法，其特征在于：所述superpoint算法从图像中提取512个特征点，每个特征点对应256维特征向量，所述super point算法从图像中提取[512*256]个向量化特征。

3.根据权利要求2所述的一种智能相似图像识别和检索方法，其特征在于：所述向量数据库中设置有检索和查询机制，所述向量数据库支持大规模图像数据的检索。

4.根据权利要求1所述的一种智能相似图像识别和检索方法，其特征在于：所述superpoint算法在提取关键特征点时，包括以下步骤，

5.一种智能相似图像识别和检索系统，应用于如权利要求1-4任一项所述的智能相似图像识别和检索方法，其特征在于，包括预处理模块、特征点检测提取模块、向量数据库、预检索模块、筛选模块和匹配模块；

6.根据权利要求5所述的一种智能相似图像识别和检索系统，其特征在于：所述特征点检测提取模块用于，从每个图像中提取关键特征点；

7.根据权利要求6所述的一种智能相似图像识别和检索系统，其特征在于：所述预检索模块用于，使用hnsw算法在向量数据库中预检索，根据特征点的描述向量找到候选图像；

8.根据权利要求7所述的一种智能相似图像识别和检索系统，其特征在于：所述匹配模块用于，对筛选后的候选图像进行匹配，获取相似场景图像。

技术总结
本发明提供了一种智能相似图像识别和检索方法与系统，包括以下步骤：使用Super Point算法从每个图像中提取关键特征点；构建特征向量，为每个特征点生成256维的描述向量，用于表示特征点的局部特征。本发明先利用Super Point算法，从图片中提取512个特征点，以及每个特征点对应的216维特征向量，总共有[512*256]的向量化特征，在向量数据库中从点的维度上进行检索、并将每个点检索出来的点所属的图片进行投票计数，取出向量数据库中被匹配到点最多的图片，得到topN的图片，再使用LightGlue算法对筛选后的候选图像进行匹配，获取相似场景图像，实现对预检索后的图片进行更高精度的匹配，在大规模检索数据量下，同时得到最高的检索效率和精度。

技术研发人员：吴永杰,龙涛,杨恒,余文炫,刘艳
受保护的技术使用者：深圳爱莫科技有限公司
技术研发日：
技术公布日：2024/12/5