【技术实现步骤摘要】
本专利技术涉及图像检索，特别是应用于相似图像搜索领域中，更具体地是涉及基于超级字典的图像检索方法及系统。
技术介绍
1、随着医疗影像检索、人脸检索、智慧城市、图像追踪、引擎识图的迅速发展，以图搜图，即相似图像搜索技术应用逐渐增多。其主要原理是相似图像检索，在一些搜索引擎或者工具中输入一张图片，会得到许多相似的图像。
2、以图搜图技术的发展主要经历两个阶段，第一阶段是传统的基于文本关键字检索，第二阶段是基于深度学习算法的图像检索技术。而现有的以图搜图方式中，对于图像的处理较为复杂，导致算法耗时长，对数据集的质量要求也较高。此外，现有技术中解析技术是利用预先设定的数学变换方法进行字典构造，字典中的所有原子都可以利用数学函数或者一些参数进行表达，例如离散余弦变换、轮廓波变换、参数化字典、小波变换、双树复数小波波变换等，利用这些数学变换进行字典构造，其主要优点是计算复杂度低、模型构造简单；但主要缺点是原始图像在变换分解的过程中会损失大量信息，这些信息中可能包含重要的图像内容（轮廓、边缘、纹理、形态等信息），字典中的原子构造不够饱和，对于内容较为复杂的图像不适用。
3、现有的农业领域中，针对农作物破坏未知原因的判定中，基于现有的图像，利用以图搜图方式来进行相似图片的确定，并不能满足当前获得的复杂图像的处理，并且现有的搜索方式其处理速度及结果精度都无法满足需要。如何基于农业领域图片的特点，准确得到相关图像以用于农业领域研究应用，是现今亟需解决的技术问题。
技术实现思路
2、本专利技术第一方面公开了一种基于超级字典的图像检索方法，所述方法包括：
3、步骤s1：从探测引擎中获取针对不同场景的多个初始图像；
4、步骤s2：对所述多个初始图像进行预处理；
5、步骤s3：对预处理操作后部分不符合设定格式要求的图像进行修复，得到修复后的图像集合；
6、步骤s4：基于修复后得到的图像集合，根据不同场景图像的分布，针对小样本数据集进行图像增强、扩充处理；
7、步骤s5：利用orb算法获取经步骤s4处理得到的图像的局部特征，利用alexnet神经网络算法获取经步骤s4处理得到的图像的全局特征，将所述局部特征与所述全局特征整合为超级字典；
8、步骤s6：向所述超级字典输入需要检索的图像集合，在所述超级字典中利用orb算法与alexnet算法分别提取所述需要检索的图像集合中各个图像的局部特征与全局特征，将提取到的局部特征与全局特征利用广义omp算法在所述超级字典中进行匹配检索，输出检索到的图像。
9、根据本专利技术第一方面所述的基于超级字典的图像检索方法，所述部分不符合设定格式要求的图像包括：内容有遮挡、拍摄角度不规整、以及有光照强度影响的图像。
10、根据本专利技术第一方面所述的基于超级字典的图像检索方法，在步骤s3中，对内容有遮挡的图像进行修复；具体包括：
11、利用边缘检测的方式对内容有遮挡的图像进行分割，基于遮挡部分与背景部分将内容有遮挡的图像划分为多个区域；
12、利用sift算子对分割后得到的区域图像进行特征提取，获取所述区域图像的颜色、纹理和背景信息；
13、基于所述区域图像的颜色、纹理和背景信息，利用拉格朗日插值法对所述区域图像进行插值修复，选择邻域信息填充遮挡部分；
14、对将经插值修复得到的图像执行基于图像纹理、颜色的融合，完成对被遮挡的内容的修复。
15、根据本专利技术第一方面所述的基于超级字典的图像检索方法，在步骤s3中，对拍摄角度不规整的图像进行修复；具体包括：
16、利用canny算子检测拍摄角度不规整的图像的边缘轮廓；
17、基于所述边缘轮廓，利用霍夫曼变化检测出其中包括的所有直线；
18、从获取到的所有直线中选取出水平方向的直线，计算非水平方向的直线与水平线之间的偏移角度，根据所述偏移角度对拍摄角度不规整的图像进行旋转矫正，输出经旋转矫正后的图像。
19、根据本专利技术第一方面所述的基于超级字典的图像检索方法，在步骤s3中，对有光照强度影响的图像进行修复；具体包括：
20、利用非线性传递函数对有光照强度影响的图像进行亮度提升；
21、利用高斯卷积核获取亮度提升后的图像的像素的亮度信息；
22、基于所述亮度信息，使用不同尺度的卷积核进行对比度增强，得到修复后的图像。
23、根据本专利技术第一方面所述的基于超级字典的图像检索方法，在步骤s5中：
24、利用orb算法提取所述局部特征具体包括：通过fast角点检测和brief描述器计算来提取所述局部特征；
25、利用alexnet神经网络算法提取所述全局特征具体包括：基于经步骤s4处理得到的图像，在神经网络的全连接层选择施密特正交进行图像特征正则化；对正则化后的图像进行局部响应归一化处理和重叠池化操作，从而得到全局特征；
26、其中，在所述神经网络中，选择核函数作为激活函数。
27、根据本专利技术第一方面所述的基于超级字典的图像检索方法，步骤s4还包括：针对修复后得到的图像集合所包含的图像，获取其在不同场景下的分布数量，将分布数量低于阈值的图像作为小样本图像，对小样本图像进行增强和扩充，选择裁剪、缩放、加黑框、角度旋转四种方式进行小样本增强处理。
28、本专利技术第二方面公开了一种基于超级字典的图像检索系统，所述系统包括处理单元，所述处理单元被配置为：执行用于实现第一方面所述的基于超级字典的图像检索方法的步骤。
29、本专利技术第三方面公开了一种电子设备，包括存储器及处理器，存储器中存储有计算机程序，所述处理器用于执行存储器中的程序以实现第一方面所述的基于超级字典的图像检索方法。
30、本专利技术第四方面公开了一种计算机可读存储介质，所述存储介质存储实现第一方面所述的基于超级字典的图像检索方法。
31、综上，本专利技术提出的方案具备如下技术效果：本专利技术提供了一种基于超级字典的图像检索方法及系统，基于获取的图像的特点选择合适算法进行修正，保证了图像处理的准确度；针对小样本数据，选取合适的方法进行样本增强、扩充，使得数据充足保证了超级字典的完整性及精确度；通过整合局部与全局特征，充分挖掘图像特征，保证检索结果的有效性。另外，基于本申请提出的相关处理方法步骤，保证得到图像检索的速度，降低了系统的整体开销。
本文档来自技高网...【技术保护点】
1.一种基于超级字典的图像检索方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于超级字典的图像检索方法，其特征在于，所述部分不符合设定格式要求的图像包括：内容有遮挡、拍摄角度不规整、以及有光照强度影响的图像。
3.根据权利要求2所述的基于超级字典的图像检索方法，其特征在于，在步骤S3中，对内容有遮挡的图像进行修复；具体包括：
4.根据权利要求2所述的基于超级字典的图像检索方法，其特征在于，在步骤S3中，对拍摄角度不规整的图像进行修复；具体包括：
5.根据权利要求2所述的基于超级字典的图像检索方法，其特征在于，在步骤S3中，对有光照强度影响的图像进行修复；具体包括：
6.根据权利要求1所述的基于超级字典的图像检索方法，其特征在于，在步骤S5中：
7.根据权利要求1所述的基于超级字典的图像检索方法，其特征在于，步骤S4还包括：针对修复后得到的图像集合所包含的图像，获取其在不同场景下的分布数量，将分布数量低于阈值的图像作为小样本图像，对小样本图像进行增强和扩充，选择裁剪、缩放、加黑框、角度旋转四种方式进
8.一种基于超级字典的图像检索系统，其特征在于，所述系统包括处理单元，所述处理单元被配置为：执行用于实现权利要求1-7中任一项所述的基于超级字典的图像检索方法的步骤。
9.一种电子设备，其特征在于：包括存储器及处理器，存储器中存储有计算机程序，所述处理器用于执行存储器中的程序以实现权利要求1-7中任一项所述的基于超级字典的图像检索方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储实现权利要求1-7中任一项所述的基于超级字典的图像检索方法的计算机程序。
...【技术特征摘要】
1.一种基于超级字典的图像检索方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于超级字典的图像检索方法，其特征在于，所述部分不符合设定格式要求的图像包括：内容有遮挡、拍摄角度不规整、以及有光照强度影响的图像。
3.根据权利要求2所述的基于超级字典的图像检索方法，其特征在于，在步骤s3中，对内容有遮挡的图像进行修复；具体包括：
4.根据权利要求2所述的基于超级字典的图像检索方法，其特征在于，在步骤s3中，对拍摄角度不规整的图像进行修复；具体包括：
5.根据权利要求2所述的基于超级字典的图像检索方法，其特征在于，在步骤s3中，对有光照强度影响的图像进行修复；具体包括：
6.根据权利要求1所述的基于超级字典的图像检索方法，其特征在于，在步骤s5中：
7.根据权利要求1所述的...
【专利技术属性】
技术研发人员：钱蓉，王忠培，周乐乐，邓浩然，李宝山，
申请(专利权)人：安徽省农业科学院农业经济与信息研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。