CN112232289A - 一种船只检索方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例提供了一种船只检索方法、装置、电子设备及存储介质。该方法包括：获取待检索船只影像；利用预先构建的神经网络模型对待检索船只影像进行船只位置识别，提取船只特征向量；基于特征向量将待检索船只与预先构建的特征数据库进行比对，计算待检索船只与特征数据库中船只的第一相似度；选择相似度大于第一预设阈值的船只，得到预检索结果；从识别的船只位置处截取局部影像；将局部影像遍历预检索结果中的每一张船只影像，计算局部影像与预检索结果中的每一张船只影像中与局部影像相同大小区域的第二相似度；当存在第二相似度达到第二预设阈值的目标船只时，确定待检索船只为目标船只。通过实施该方法，提高了船只检索的准确性。

Description

一种船只检索方法、装置、电子设备及存储介质

技术领域

本发明涉及图像处理领域，具体涉及一种船只检索方法、装置、电子设备及存储介质。

背景技术

随着观测技术的进步，可获取的影像数据量正在以惊人的速度增长。同时，数据日益多元化，数据获取数度更快，获取周期更短，时效性也更强。然而，与数据获取方面的快速发展不同，现有的数据处理技术还远远不能达到要求，从而导致了很多数据的浪费，不能充分利用数据的价值。研究如何从海量的数据中准确地获取有效的目标信息，检索出需要的图像，有利于数据库的高效利用。然而，当前许多图像中地物复杂且覆盖范围广，船只作为小型地物，具有特征信息相对较少，检索十分困难。

现有技术中，船只图像检索通常是计算待检索船只与数据库中的船只的相似度，以该相似度来确定出待检索船只身份，然而，在实际处理中，由于船只影像只能拍摄到船只的局部影像，在进行特征比对和相似度计算时，往往为了综合和局部影像的影响，会将相似度阈值相应地下调，这使得船只影响检索时，检索结果中会存在较大的噪音，导致检索结果不准确。

因此研究如何从海量船只图像数据中准确的对船只的身份进行识别，仍然是一个亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种船只检索方法、装置、电子设备及存储介质，以解决现有技术中船只检索准确性低的技术问题。

根据第一方面，本发明实施例提供了一种船只检索方法，包括如下步骤：获取待检索船只影像；利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，提取所述待检索船只的特征向量；基于所述特征向量将所述待检索船只与预先构建的特征数据库进行比对，计算所述待检索船只与所述特征数据库中船只的第一相似度，其中，所述特征数据库中存有船只特征向量及其与船只的对应关系；选择相似度大于第一预设阈值的船只，得到预检索结果；从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像；将所述局部影像遍历所述预检索结果中的每一张船只影像，计算所述局部影像与所述预检索结果中的每一张船只影像中与所述局部影像相同大小的区域的第二相似度；当所述预检索结果存在所述第二相似度达到第二预设阈值的目标船只时，确定所述待检索船只为所述目标船只。

本发明实施例提供的船只检索方法，先基于船只影像对船只位置进行识别，并提取船只特征向量，利用提取的特征向量与预先构建的特征数据库进行比对，根据第一预设阈值与第一相似度比对结果得到初步检索结果；然后截取确定的船只位置处的局部影像，用截取的局部影像历遍初步检索结果中的所有船只影像，根据第二预设阈值与第二相似度比对结果得到最终检索结果的目标船只，确定待检索船只为最终检索结果中的目标船只，完成船只检索。初步结果是现有技术中常用的特征检索步骤，但是只能粗略的得到检索结果，不排其中包含其他不是待检索船只的船只影像，因此，本发明实施例在现有技术上进一步对初步检索结果中利用局部影像的特征比对，并根据局部影像的图像熵的不同设定了不同的第二预设阈值，对初步检索结果进一步筛选得到最终的检索结果，由此得到的检索结果是经过了两次筛选的结果，提高了船只检索的准确性，基本上排除了其它干扰选项，便可以将该最终结果的目标船只确定为待检索船只。

结合第一方面，在第一方面第一实施例中，所述从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像，包括：确定所要截取的局部影像的目标框；以所述目标框的大小从所述待检索船只影像上进行遍历，计算每个目标框位置的图像熵；以在所述船只位置的最大图像熵的目标框所在区域，截取得到所述局部影像。

本发明实施例提供的船只检索方法，在对船只局部影像的截取过程中，选择包含最大的图像熵的局部影像作为截取对象，具体截取方法为：首先确定截取局部影像目标框的大小，然后以该目标框的大小在待检索船只影像上进行历遍，并且计算没有目标框经过的位置的图像熵，对比所有位置的图像熵的大小，选择最大的图像熵的位置进行截取。选取包含最大图像熵的位置作为局部影像，是为了在足够多的图像熵的情况下，与检索结果中的船只影像图片比对时能够更加精准的进行匹配，相较于初始通过待检索船只的特征向量与特征数据库中的船只影像的大范围的对比，锁定了足够多的图像熵，也就意味着包含足够多的船只信息特征量，能够实现每个船只信息特征量与预检索结果船只影像中与截取局部影像相同大小的区域的精准比对，这个时候便能够进一步地对预检索结果进行筛选，确定最大相似度的目标船只为待检索船只。

结合第一方面第一实施例，在第一方面第二实施例中，在以在所述船只位置的最大图像熵的目标框所在区域，截取得到所述局部影像之后，还包括：对所述局部影像进行背景图像识别，得到所述背景图像；从所述局部影像中去除所述背景图像。

本发明实施例提供的船只检索方法，在截取局部影像之后，还采用了背景消除法对截取的局部影像进行干扰噪音消除，保证截取的局部影像中的图像都是有效的船只特征信息，保证后续与预检索结果进行比对时能够实现精度的比对，提高了船只检索的准确性。在截取局部影像时，是通过历遍待检索船只影像得到的，在此之前并没有对待检索船只影像进行背景噪声干扰消除，基于此待检索船只影像截取的局部影像不排除含有其他干扰信息，采用背景消除法对截取的局部影像进行去噪，由此得到的局部影像中的特征信息便只有有效的船只特征信息。

结合第一方面，在第一方面第三实施例中，所述第二预设阈值大于所述第一预设阈值。

本发明实施例提供的船只检索方法，对第一预设阈值和第二预设阈值进行设定时，将第二预设阈值的设定大于第一阈值，如此可以保证二次筛选的有效实施，同时也能够保证进一步地对船只进行精准检索，提供了船只检索的准确性。第一预设阈值和第二预设阈值的差主要在对比影像种中含有的图像熵的不同，第一预设阈值基础下的船只比对采用的是待检索船只影像中的全部船只特征信息，图像熵的值比较低，与之比对的也是特征数据库中船只影像的所有船只特征信息，这是因为特征信息的分布不均匀，比对相似度不会特别高，所需要的限定的阈值也就不需要太大；第二阈值基础下的船只比对采用的是经过去噪之后的船只局部影像，有效的船只特征信息量会极大程度的提高，图像熵也就随之提高，这也就意味着只有与之高度相似的船只影像才会是目标船只。

结合第一方面，在第一方面第四实施例中，所述利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置之前，还包括：获取多个船只影像；根据所述多个船只影像的船只类型进行分类，并对所有船只影像上的船只位置进行标注，得到用于训练模型的船只影像样本集；利用所述船只影像样本集对初始神经网络模型进行训练，得到用于检测船只影像上船只位置的神经网络模型。

结合第一方面，在第一方面第五实施例中，利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，包括：将所述船只影像分割为多个第一区域；计算所述多个第一区域每个相邻区域的相似度；将相似度最高的两个第一区域合并，得到至少一个第二区域；计算所述第二区域和与其相邻的其它第一区域的相似度；将所述第二区域与相似度最高的第一区域进行合并，得到第三区域；重复上述步骤，直到完成所有第一区域的合并，得到最终船只位置所在区域。

本发明实施例提供的船只检索方法，在对待检索船只影像进行船只位置识别时，基于图像分割方法初始化所述待检索船只图像，生成多个区域块；计算每两个相邻区域块的相似度，将最相似的两个相邻区域块进行合并为一个新的区域；基于所述新的区域块，重复计算每个与其相邻区域块的相似度，并选择相似度最高的两个相邻区域块合并为一个新的区域块，直到完成所有区域块的相似度计算。通过上述步骤对待检索船只影像中的船只位置目标区域进行确定，对船只实现精准定位，并排除了待检索船只图像中其它非船只目标地物的干扰，保证了船只检索的准确性。

结合第一方面，在第一方面第六实施例中，所述多个船只影像和所述待检索船只影像均为卫星影像或者航拍影像。

根据第二方面，本发明实施例提供了一种船只检索装置，包括：

获取模块，用于获取待检索船只影像；提取模块，用于利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，提取所述待检索船只的特征向量；比对模块，用于基于所述特征向量将所述待检索船只与预先构建的特征数据库进行比对，计算所述待检索船只与所述特征数据库中船只的第一相似度，其中，所述特征数据库中存有船只特征向量及其与船只的对应关系；第一确定模块，用于选择相似度大于第一预设阈值的船只，得到预检索结果；截取模块，用于从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像；筛选模块，用于将所述局部影像遍历所述预检索结果中的每一张船只影像，计算所述局部影像与所述预检索结果中的每一张船只影像中与所述局部影像相同大小的区域的第二相似度；第二确定模块，用于当所述预检索结果存在所述第二相似度达到第二预设阈值的目标船只时，确定所述待检索船只为所述目标船只。

根据第三方面，本发明实施例拱了一种电子设备，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，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的船只检索方法。

根据第四方面，本发明实施例提供了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第一方面或者第一方面的任意一种实施方式中所述的船只检索方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1中船只检索方法的一个具体示例的流程图；

图2为本发明实施例1中船只检索方法中局部影像截取的一个具体示例的流程图；

图3为本发明实施例1中船只检索方法中神经网络模型构建的一个具体示例的流程图；

图4为本发明实施例1中船只检索方法中船只位置识别的一个具体示例的流程图；

图5为本发明实施例2中船只图像检索装置的一个具体示例的结构示意图；

图6为本发明实施例3中电子设备的一个具体示例的硬件结构式示意图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

实施例1

本实施例提供一种船只检索方法，用于对船只图像的检索。需要说明的是在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。如图1所示，该方法可以包括如下步骤：

S10，获取待检索船只影像；

S11，利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，提取所述待检索船只的特征向量；

本发明实施例提供的船只检索方法，在获取待检索船只影像之后利用预先构建的神经网络模型对待检索船只影像进行特征向量提取，同时也对船只位置进行了识别，初步锁定了船只目标区域，减少了后续船只特征比对的比对数据量，同时也能够排除其它非船只特征向量的干扰，保证了后续船只特征向量与特征数据库比对的有效性，提高了船只检索的准确性。

S12，基于所述特征向量将所述待检索船只与预先构建的特征数据库进行比对，计算所述待检索船只与所述特征数据库中船只的第一相似度，其中，所述特征数据库中存有船只特征向量及其与船只的对应关系；

本发明实施例提供的船只检索方法，对于船只特征向量与预先构建的特征数据库进行比对可以基于相似度计算来确定，具体地可以根据SURF算法对预先构建的特征数据库与提取的待检索船只特征信息进行相似度计算，也可以根据欧式距离计算预先构建的特征数据库与提取的待检索船只特征信息的相似度。本发明实施例对相似度计算算法不做限定，可以根据需要确定。

S13，选择相似度大于第一预设阈值的船只，得到预检索结果；

本发明实施例提供的船只检索方法，基于对预先构建的特征数据库与提取的待检索船只特征向量相似度计算，将所有得到的相似度结果与第一预设阈值进行比对，将相似度超过第一预设阈值的船只图像作为初步筛选结果，例如，船只影像A、B、C、D，为后续进一步筛选做铺垫。例如，第一预设阈值可以为90％。本发明实施例对第一预设阈值不做限定，可以根据需要确定。

S14，从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像；

本发明实施例提供的船只检索方法，在得到初步检索结果之后，为了实现精度更高的比对以达到二次筛选的效果，采用对待检索船只影像进行局部影像截取，减少比对的特征向量的数据量，同时提高比对船只特征向量相对的密度，在此基础上相较于第一次检索比对要求更高，提高了船只检索的准确性。

S15，将所述局部影像遍历所述预检索结果中的每一张船只影像，计算所述局部影像与所述预检索结果中的每一张船只影像中与所述局部影像相同大小的区域的第二相似度；

示例性地，在截取待检索船只影像中船头局部影像之后，将截取的船头局部影像在初步检索结果中船只影像A中进行滑动历遍整张船只影像A，计算船头局部影像与每次滑动锁定的船只影像A的区域的相似度大小，与其它初步检索结果中的船只影像B、C、D进行相同的历遍和相似度计算，分别得到船只影像A、B、C、D中所有历遍区域的相似度的集合，确定为第二相似度。

本发明实施例提供的船只检索方法，基于上述对船只局部影像的截取，在进行第二次比对的过程中，主要步骤是通过截取的局部影像历遍所有初步检索结果中的船只影像，然后分别计算局部影像与每一张船只影像中所有局部影像历遍的与其相同大小区域的相似度，得到第二相似度。通过对第二系相似度的计算，能够为后续筛选提供新的参考依据，同时也能够保证两次相似度得到的方式的不同，保证实现有效的二次筛选，提高了船只检索的准确性。

S16，当所述预检索结果存在所述第二相似度达到第二预设阈值的目标船只时，确定所述待检索船只为所述目标船只。

示例性地，第二预设阈值为96％，在初步检索中的船只影像A、B、C、D中比对的最高相似度分别为90％、91％、94％、98％，便可以确定船只影像D对应的船只为待检索船只影像中的船只。本发明实施例对第二预设阈值不做限定，可以根据需要确定。

本发明实施例提供的船只检索方法，基于截取的局部船只影像与每一张初步检索结果的船只影像的历遍的相识度计算，每一张得到的第二相似度结果与第二预设阈值进行比对，将包含相似度达到或者超过第二预设阈值区域的船只影像作为最终检索结果，确定该船只影像对应的船只为待检索船只。在此基础上能够有效的实现第二次筛选，进一步的保证了船只检索的准确性。

优选地，所述第二预设阈值大于所述第一预设阈值。

具体地，第一预设阈值和第二预设阈值的差主要在对比影像中含有的图像熵的不同，第一预设阈值基础下的船只比对采用的是待检索船只影像中的全部船只特征信息，图像熵的值比较低，与之比对的也是特征数据库中船只影像的所有船只特征信息，因为特征信息的分布不均匀，比对相似度不会特别高，所需要的限定的阈值也就不需要太大；第二阈值基础下的船只比对采用的是经过去噪之后的船只局部影像，有效的船只特征信息量会极大程度的提高，图像熵也就随之提高，这也就意味着只有与之高度相似的船只影像才会是目标船只，因此对于第二预设阈值的设定会高于第一预设阈值。

本发明实施例提供的船只检索方法，对第一预设阈值和第二预设阈值进行设定时，将第二预设阈值的设定大于第一阈值，如此可以保证二次筛选的有效实施，同时也能够保证进一步地对船只进行精准检索，提高了船只检索的准确性。

优选地，如图2所示，在实现上述S14中对局部影像进行截取时，包括以下步骤：

S131，确定所要截取的局部影像的目标框；

S132，以所述目标框的大小从所述待检索船只影像上进行遍历，计算每个目标框位置的图像熵；

S133，以在所述船只位置的最大图像熵的目标框所在区域，截取得到所述局部影像。

具体地，确定截取局部影像的目标框大小，例如，截取待检索船只影像的4％确定为目标框的大小，然后将该目标框有规律的在待检索船只影像中滑动，并且计算每个目标框经过的区域的图像熵，计算方式可以为：

其中，p_i为船只特征信息在每个目标框经过的区域中出现的概率。本发明实施例对图像熵的计算方式不做限定，可以根据需要确定。

然后根据图像熵的大小，选择图像熵最大的区域为截取对象。

本发明实施例提供的船只检索方法，截取图像熵最大的区域为局部影像，是为了保证截取的局部影像中含有尽可能多的船只特征信息量，适应第二次图像比对，有效的实施第二次筛选，同时因为具有更多的船只特征信息量，能够实现精度更高的图像比对，提高了船只检索的准确性。

优选地，基于上述S14对局部船只影像的截取，为了保证第二次进行有效的比对，在截取局部影像之后还包括：

对所述局部影像进行背景图像识别，得到所述背景图像；

从所述局部影像中去除所述背景图像。

具体地，采用背景消除法对船只对截取的局部影像进行干扰噪音消除，保证截取的局部影像中的图像都是有效的船只特征信息，保证后续与预检索结果进行比对时能够实现精度的比对，提高了船只检索的准确性。

优选地，如图3所示，在实现上述S11中的船只位置识别时，包括以下步骤：

S111，将所述船只影像分割为多个第一区域；

S112，计算所述多个第一区域与每个相邻区域的相似度；

S113，将相似度最高的两个第一区域合并，得到至少一个第二区域；

S114，计算所述第二区域和与其相邻的其它第一区域的相似度；

S115，将所述第二区域与相似度最高的第一区域进行合并，得到第三区域；

S116，重复上述步骤，直到完成所有第一区域的合并，得到最终船只位置所在区域。

具体地，首先将待检索船只图像进行分割生成多个区域块，然后对每个区域块和相邻的区域块进行相似度计算，确定相似度最高的两个相邻的区域块，并合并为一个新的区域块，然后基于合并的新的区域块计算与其相邻的区域块的相似度，再次选择相似度最高的两个区域块进行合并为新的区域块，重复上述步骤，直到完成所有区域块的相似度计算，确定最后的合并区域块，完成船只位置识别。

本发明实施例提供的船只检索方法，在将待检索船只影像与特征数据库进行比对之前，优先对船只位置进行识别，能够保证船只影像中的船只特征信息更加明显，同时也排除了其它噪声的干扰，提供了船只检索的准确性。

可选地，对于上述S11中神经网络的构建包括以下步骤：

S21，获取多个船只影像；

S22，根据所述多个船只影像的船只类型进行分类，并对所有船只影像上的船只位置进行标注，得到用于训练模型的船只影像样本集；

S23，利用所述船只影像样本集对初始神经网络模型进行训练，得到用于检测船只影像上船只位置的神经网络模型。

本发明实施例提供的船只检索方法，对于神经网络的构建不作限定，对于船只位置的识别检测，具体步骤如上述S11中对船只位置识别，此处不再赘述。

本发明实施例提供的船只检索方法，通过在现有技术得到的初步检索结果中，采用局部影像的与初步检索结果中的船只影像进行比对，并且根据实际情况设定了相较于第一预设阈值更高的第二预设阈值去对初步检索结果进行筛选，得到更加准确的船只检索结果，能够保证船只检索的精确度，提高了船只检索的准确性。

实施例2

在本实施例中提供了一种船只检索装置，该装置用于实现上述实施例1及其优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本发明实施例提供了一种船只检索装置，该装置可以用于实现实施例1或者其任意可选实施方式所述的船只检索方法。如图5所示，该装置包括：获取模块10，提取模块20，比对模块30，第一确定模块40，截取模块50，筛选模块60，第二确定模块70。

获取模块10，用于获取待检索船只影像，具体实施方式见实施例中步骤S10,在此不再赘述。

提取模块20，用于利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，提取所述待检索船只的特征向量，具体实施方式见实施例中步骤S11,在此不再赘述。

比对模块30，用于基于所述特征向量将所述待检索船只与预先构建的特征数据库进行比对，计算所述待检索船只与所述特征数据库中船只的第一相似度，其中，所述特征数据库中存有船只特征向量及其与船只的对应关系，具体实施方式见实施例中步骤S12,在此不再赘述。

第一确定模块40，用于选择相似度大于第一预设阈值的船只，得到预检索结果，具体实施方式见实施例中步骤S13,在此不再赘述。

截取模块50，用于从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像，具体实施方式见实施例中步骤S14,在此不再赘述。

筛选模块60，用于将所述局部影像遍历所述预检索结果中的每一张船只影像，计算所述局部影像与所述预检索结果中的每一张船只影像中与所述局部影像相同大小的区域的第二相似度，具体实施方式见实施例中步骤S15,在此不再赘述。

第二确定模块70，用于当所述预检索结果存在所述第二相似度达到第二预设阈值的目标船只时，确定所述待检索船只为所述目标船只，具体实施方式见实施例中步骤S16,在此不再赘述。

实施例3

本发明实施例提供了一种电子设备，如图6所示，该电子设备包括处理器31和存储器32，其中处理器31和存储器32可以通过总线或者其他方式连接，图6中以通过总线连接为例。

处理器31可以为中央处理器(CPU)。处理器31还可以为其它通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中船只检索方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中船只检索方法。

存储器32还可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器31所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或者其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至处理器31。上述网络的实施例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述存储器32中存储一个或者多个模块，当被所述处理器31执行时，执行如图1-4所示实施实例中的船只检索方法。

上述电子设备具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解。此处不再赘述。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种船只检索方法，其特征在于，包括如下步骤：

获取待检索船只影像；

利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，提取所述待检索船只的特征向量；

基于所述特征向量将所述待检索船只与预先构建的特征数据库进行比对，计算所述待检索船只与所述特征数据库中船只的第一相似度，其中，所述特征数据库中存有船只特征向量及其与船只的对应关系；

选择相似度大于第一预设阈值的船只，得到预检索结果；

从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像；

将所述局部影像遍历所述预检索结果中的每一张船只影像，计算所述局部影像与所述预检索结果中的每一张船只影像中与所述局部影像相同大小的区域的第二相似度；

当所述预检索结果存在所述第二相似度达到第二预设阈值的目标船只时，确定所述待检索船只为所述目标船只。

2.根据权利要求1所述的船只检索方法，其特征在于，所述从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像，包括：

确定所要截取的局部影像的目标框；

以所述目标框的大小从所述待检索船只影像上进行遍历，计算每个目标框位置的图像熵；

以在所述船只位置的最大图像熵的目标框所在区域，截取得到所述局部影像。

3.根据权利要求2所述的船只检索方法，其特征在于，在以在所述船只位置的最大图像熵的目标框所在区域，截取得到所述局部影像之后，还包括：

对所述局部影像进行背景图像识别，得到所述背景图像；

从所述局部影像中去除所述背景图像。

4.根据权利要求1所述的船只检索方法，其特征在于，所述第二预设阈值大于所述第一预设阈值。

5.根据权利要求1所述的船只检索方法，其特征在于，所述利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置之前，还包括：

获取多个船只影像；

根据所述多个船只影像的船只类型进行分类，并对所有船只影像上的船只位置进行标注，得到用于训练模型的船只影像样本集；

利用所述船只影像样本集对初始神经网络模型进行训练，得到用于检测船只影像上船只位置的神经网络模型。

6.根据权利要求1所述的船只检索方法，其特征在于，利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，包括：

将所述船只影像分割为多个第一区域；

计算所述多个第一区域与每个相邻区域的相似度；

将相似度最高的两个第一区域合并，得到至少一个第二区域；

计算所述第二区域和与其相邻的其它第一区域的相似度；

将所述第二区域与相似度最高的第一区域进行合并，得到第三区域；

重复上述步骤，直到完成所有第一区域的合并，得到最终船只位置所在区域。

7.根据权利要求1所述的船只检索方法，其特征在于，所述多个船只影像和所述待检索船只影像均为卫星影像或者航拍影像。

8.一种船只检索装置，其特征在于，包括：

获取模块，用于获取待检索船只影像；

提取模块，用于利用预先构建的神经网络模型从所述待检索船只影像中识别出船只位置，提取所述待检索船只的特征向量；

比对模块，用于基于所述特征向量将所述待检索船只与预先构建的特征数据库进行比对，计算所述待检索船只与所述特征数据库中船只的第一相似度，其中，所述特征数据库中存有船只特征向量及其与船只的对应关系；

第一确定模块，用于选择相似度大于第一预设阈值的船只，得到预检索结果；

截取模块，用于从所述待检索船只影像上所述船只位置处截取所述待检索船只上的局部影像；

筛选模块，用于将所述局部影像遍历所述预检索结果中的每一张船只影像，计算所述局部影像与所述预检索结果中的每一张船只影像中与所述局部影像相同大小的区域的第二相似度；

第二确定模块，用于当所述预检索结果存在所述第二相似度达到第二预设阈值的目标船只时，确定所述待检索船只为所述目标船只。

9.一种电子设备，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，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7任一项所述的船只检索方法。

10.一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权利要求1-7任一项所述的船只检索方法。

Images