CN119415720A 基于SpringBoot的图像检索方法及相关装置 （紫光云技术有限公司）

基于SpringBoot的图像检索方法及相关装置本申请提供了一种基于SpringBoot的图像算法和ORB算法计算得到图像的特征向量；通过ISODATA算法对内存中的所有图片数据的特征向量进行聚类，并将聚类结果数据存储至Elasticsearch数据库中，以建立图像特征聚类Elasticsearch数据库中获取对应的图片的元数法通过使用图像特征提取和图像聚类的方式来2将加载进至内存中的图片数据通过颜色矩算法和ORB算法计算得到图通过ISODATA算法对内存中的所有图片数据的特征向量进行聚类，并将聚类结果数据线程主任务遍历资源目录下或数据库中的所有图片文件3.根据权利要求1所述的方法，其特征在于，所述颜色矩算法用于考量图像的颜色分聚类数据热更新，对图片生成的聚类结果数据进行实时将从新的图片数据中提取到的新的特征向量添加至聚类中，并据用户查询得到的图片的ID列表，从Elasticsearch数据库中获取对应的图片的元数据信响应于用户的查询方式为图片查询，则从Elasticsearch数据库中查询该类别中的所3响应于用户的查询方式为文本查询，则将用户的查询转换为语义向量，从根据用户查询得到的图片的ID列表，从Elasticsearch数据库中获取对应的图片的元初始化模块，被配置为读取指定资源目录下或者数据库特征提取模块，被配置为将加载进至内存中的图片数据通过颜色矩算法和ORB算法计检索模块，被配置为接收用户的图片或文本查询请求，根据用户查询得9.一种电子设备，包括存储器、处理器及存储在4的图像的技术。图像检索的方法主要分为两类：基于内容的图像检索(Content_based于有标注或标注准确的图像数据库，基于文本的图像检索的缺点是依赖于人工的文本标[0004]为了克服上述两种方法的缺点，一些研究者提出了基于深度学习的图像检索方[0009]将加载进至内存中的图片数据通过颜色矩算法和ORB算法计算得到图像的特征向[0010]通过ISODATA算法对内存中的所有图片数据的特征向量进行聚类，并将聚类结果[0011]接收用户的图片或文本查询请求，根据用户查询得到的图片的ID列表，从5[0014]特征提取模块，被配置为将加载进至内存中的图片数据通过颜色矩算法和ORB算[0015]聚类模块，被配置为通过ISODATA算法对内存中的所有图片数据的特征向量进行聚类，并将聚类结果数据存储至Elasticsearch数据库中，以建立图像特征聚类结果的索的ID列表，从Elasticsearch数据库中获取对应的图片的元数据信息，以检索得到目标图[0020]本申请所述的基于SpringBoot的图像检索方法及相关装置基于SpringBoot的特6的方式来创建和运行基于Web的应用程序。SpringBoot的优点是能够自动配置Spring和第采用多线程的方式读取指定资源目录下或者数据库中的图片数据，并将其加载至内存中，7[0045]步骤S102、将加载进至内存中的图片数据通过颜色矩算法和ORB算法(Oriented8[0082]double[]H_mean_double＝H_mean.get(0，0)；double[]S_mean_double＝S_9[0103]具体地，在本实施例中，使用SpringBoot程序自行实现支持生成聚类结果的ISODATA算法，对颜色矩和ORB两种算法生成的特征向量进行聚类处理提高检索速度。将得到的聚类结果存入数据库Elasticsearch(Elasticsearch为分布式搜索分析引擎，可[0104]本实施例所述采用的ISODATA算法为本领域的常规算法，且本申请并未对其进行更新后的聚类结果数据同步更新至数据库Elasticse中查询该类别中的所有图片的特征向量，与用户上传的图片的特征向量进行相似度计算，验[0137]特征提取模块12，被配置为将加载进至内存中的图片数据通过颜色矩算法和ORB[0138]聚类模块13，被配置为通过ISODATA算法对内存中的所有图片数据的特征向量进所述处理器执行所述程序时实现如上任意一实施例[0143]图6示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备案。(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器[0153]上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例