(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210778038.6 (22)申请日 2022.07.04 (65)同一申请的已公布的文献号 申请公布号 CN 114840692 A (43)申请公布日 2022.08.02 (73)专利权人 智慧眼科技股份有限公司 地址 410205 湖南省长 沙市高新 开发区尖 山路39号长 沙中电软件园一期14栋 (72)发明人 刘伟华　李林　 (74)专利代理 机构 深圳众鼎汇成知识产权代理 有限公司 4 4566 专利代理师 朱业刚 (51)Int.Cl. G06F 16/51(2019.01) G06F 16/55(2019.01)G06F 16/583(2019.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (56)对比文件 CN 108171252 A,2018.0 6.15 CN 111259979 A,2020.0 6.09 CN 110490057 A,2019.1 1.22 US 2009324107 A1,20 09.12.31 唐颖军等.图像高维数据的K-means自适应 聚类算法. 《小型微型计算机系统》 .2016,(第08 期), 审查员 刘冰珣 (54)发明名称 图像库构建方法、 图像检索方法、 装置及相 关设备 (57)摘要 本发明公开了一种图像库构建方法、 图像检 索方法、 装置、 计算机设备及存储介质， 所述方法 包括： 获取图像高维特征集合； 对所有高维特征 进行聚类处理， 直到损失函数收敛， 得到至少两 个簇； 基于 所有簇， 构建倒排文件系统； 针对每一 个簇， 对簇中的所有点进行边连接处理， 得到簇 对应的完整图， 并将所有完整图作为当前聚类 图； 对当前聚类图进行聚类处理， 得到至少两个 簇中心； 基于 所有簇中心， 构建中间图； 将中间图 作为当前聚类图， 并返回对所述 当前聚类图进行 聚类处理， 得到至少两个簇中心的步骤继续执 行， 直到中间图对应的层数达到预设层数时， 得 到多层跳表； 基于倒排文件系统和多层跳表， 构 建图像库。 采用本发明提高对图像进行检索的准 确率。 权利要求书3页 说明书11页 附图4页 CN 114840692 B 2022.09.30 CN 114840692 B 1.一种图像库构建方法， 其特 征在于， 所述图像库构建方法包括： 获取图像高维特 征集合； 对所述图像高维特征集合中的所有高维特征进行聚类处理， 直到损 失函数收敛， 得到 至少两个簇， 其中， 所述簇由点构成， 所述 点与所述高维特 征一一对应； 基于所有所述簇， 构建倒排文件系统； 针对每一个所述簇， 对所述簇 中的所有点进行边连接处理， 得到所述簇对应的完整图， 并将所有 所述完整图作为当前聚类图， 其中， 所有 所述完整图为多层跳表的最底层图， 所述 多层跳表包括 N个层， 每一个层对应一个图， 所述 N为大于等于2的正整数； 对所述当前聚类图进行聚类处 理， 得到至少两个簇中心； 基于所有所述簇 中心， 构建中间图， 其中， 所述中间图为所述多层跳表的当前聚类图对 应的上一层图； 将所述中间图作为当前聚类图， 并返回所述对所述当前聚类图进行聚类处理， 得到至 少两个簇中心的步骤继续执行， 直到所述中间图对应的层数达到预设层数时， 得到多层跳 表； 基于所述倒排文件系统和所述多层跳表， 构建图像库。 2.如权利要求1所述的图像库构建方法， 其特征在于， 所述获取图像高维特征集合的步 骤包括： 获取图像集 合； 基于预设的特征提取方式， 对所述图像集合中的每一张图像进行高维特征提取， 得到 所述图像对应的高维特 征； 将所有所述图像对应的高维特 征加入图像高维特 征集合中， 得到图像高维特 征集合。 3.如权利要求1所述的图像库构建方法， 其特征在于， 所述对所述图像 高维特征集合中 的所有高维特 征进行聚类处 理， 直到损失函数收敛， 得到 至少两个簇的步骤 包括： 基于预设的簇中心选取方式， 从所有高维特征中选取预设数量的高维特征作为簇中 心， 并基于所述簇中心， 构建簇； 针对每一个所述高维特征， 计算所述高维特征与每一个所述簇对应的簇中心 的距离， 得到所述高维特 征对应的距离结果； 根据所述高维特征对应的距离结果， 将所述高维特征划分到所述距离结果最小对应的 簇中； 在每一个所述簇中， 重新选取预设数量的高维特征作为簇中心， 并返回所述针对每一 个所述高维特征， 计算所述高维特征与每一个所述簇对应的簇中心的距离， 得到所述高维 特征对应的距离结果的步骤继续执 行， 直到损失函数收敛， 得到 至少两个簇 。 4.如权利要求1所述的图像库构建方法， 其特征在于， 所述基于所有所述簇， 构建倒排 文件系统的步骤 包括： 针对每一个簇， 将所述簇对应的簇 中心作为关键字， 构建倒 排文件， 并将所述簇的所有 点加入所述倒排文件中； 基于所有所述倒排文件， 确定倒排文件系统。 5.如权利要求1所述的图像库构建方法， 其特征在于， 所述针对每一个所述簇， 对所述 簇中的所有点进行边连接处理， 得到所述簇对应的完整图， 并将所有所述完整图作为当前权　利　要　求　书 1/3 页 2 CN 114840692 B 2聚类图的步骤 包括： 针对每一个所述簇中的任一点， 计算所述点与所述簇的其他点的相似度， 得到所述点 对应的所有相似度结果； 按照相似度从小到大的顺序， 从所述点对应的所有相似度 结果选取预设数量的相似度 结果对应的点作为待连接点； 将所述点与所有所述待连接点进行边连接处理， 直到所述簇中所有点选取完毕， 得到 所述簇对应的完整图。 6.一种图像检索方法， 其特征在于， 所述图像检索方法应用 在权利要求1至5任一项构 建的图像库上， 所述图像 检索方法包括： 获取待检索图像， 并将所述待检索图像输入到图像库中； 对所述待检索图像进高维特 征提取， 得到待检索高维特 征； 基于倒排文件系统， 计算所述待检索高维特征与每一个倒 排文件对应的关键字的相似 度， 并根据计算得到的相似度结果， 确定所述待检索高维特 征对应的Top ‑k个簇； 针对所述Top ‑k个簇中的每一个簇， 基于所述多层跳表， 检索到与所述待检索高维特征 距离最近的n个点， 并将所述 n个点作为 候选点， 其中， 所述 n为大于等于2的正整数； 将所有所述 候选点对应的图像作为所述待检索图像的检索结果。 7.如权利要求6所述的图像检索方法， 其特征在于， 所述针对所述Top ‑k个簇中的每一 个簇， 基于所述多层跳表， 检索到与所述待检索高维特征距离最近的n个点， 并将所述n个点 作为候选点的步骤 包括： 针对所述Top ‑k个簇中的每一个簇， 确定所述簇对应的簇中心； 将所述簇中心作为当前搜索点， 并选取 所述多层跳表的最高层图作为当前检索图； 将所述当前搜索点与 所述当前检索图中的相邻点进行距离计算， 得到所述当前搜索点 与每一个相邻点对应的距离结果， 其中， 所述相邻点是指所述当前检索图中与所述当前搜 索点存在边连接的点； 基于所有所述距离结果， 将所述距离结果最小对应的相邻点作为当前搜索点， 所述当 前检索图对应的下一层图作为当前检索图， 返回所述将所述当前搜索点与所述当前检索图 中的相邻点进 行距离计算， 得到所述当前搜索点与每一个相 邻点对应的距离结果的步骤继 续执行， 直到所述当前检索图对应的下一层图为 最底层图； 当所述当前检索图对应的下一层图为最底层图时， 将所述当前搜索点与所述当前检索 图中的相邻点进行距离计算， 得到所述当前搜索点与每一个相邻点对应的距离结果； 按照距离结果从小到大的顺序， 选取出n个距离结果对应的相邻点， 并将所述n个相邻 点作为所述簇对应的候选点。 8.一种图像库构建装置， 其特 征在于， 所述图像库构建装置包括： 图像高维特 征集合获取模块， 用于获取图像高维特 征集合； 簇获取模块， 用于对所述图像高维特征集合中的所有高维特征进行聚类处理， 直到损 失函数收敛， 得到 至少两个簇， 其中， 所述簇由点构成， 所述 点与所述高维特 征一一对应； 倒排文件系统构建模块， 用于基于所有所述簇， 构建倒排文件系统； 完整图确定模块， 用于针对每一个所述簇， 对所述簇 中的所有点进行边连接处理， 得到 所述簇对应的完整图， 并将所有 所述完整图作为当前聚类图， 其中， 所有 所述完整图为多层权　利　要　求　书 2/3 页 3 CN 114840692 B 3