图像处理方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。

背景技术

构建图像的特征描述子是基于计算机视觉的各项任务中的一个基本问题，例如：在三维重建、视觉定位、图像拼接、图像检索等任务的首要步骤就是建立表达能力强、能够抵抗视角差异、光照差异的图像描述子。

图像描述子作为描述图像特征的重要数据，其鲁棒性、准确性和提取效率对其所应用到的任务的整体性能有着重要的影响。

发明内容

本公开提出了一种图像处理技术方案。

根据本公开的一方面，提供了一种图像处理方法，包括：

根据至少一组图像变换参数变换所述待处理图像，得到多张变换后的待处理图像；

分别对所述多张变换后的待处理图像进行图像特征提取，得到所述待处理图像中各个像素点对应的第一群特征图，其中任一像素点对应的第一群特征图用于表示该像素点对应于所述多张变换后的待处理图像的特征向量；

对任一像素点对应的所述第一群特征图进行群结构信息提取，得到该像素点对应的第二群特征图；

根据各个像素点对应的所述第二群特征图得到所述待处理图像的图像描述子。

在一种可能的实现方式中，所述方法还包括：

确定单位旋转量及单位缩放量；

根据所述单位旋转量及至少一个旋转系数，确定至少一个旋转角度，及根据所述单位缩放量及至少一个缩放系数，确定至少一个缩放尺度；

以所述至少一个旋转角度及所述至少一个缩放尺度组合出至少一组图像变换参数，每组图像变化参数中包括一个旋转角度及一个缩放尺度。

这样，可以实现对图像变化参数的均匀采样。

在一种可能的实现方式中，所述根据至少一组图像变换参数变换所述待处理图像，得到多张变换后的待处理图像，包括：

针对每一组图像变化参数，根据所述图像变化参数中包含的旋转角度对所述待处理图像进行旋转，根据所述图像变化参数中包含的缩放尺度对所述待处理图像进行缩放，得到变换后的待处理图像。

这样，可以获得多张变换后的待处理图像，可以利用待处理图像在多组图像变换参数下的特征变换，利用更大的信息量推理待处理图像的图像描述子，可以提高图像描述子的准确性和在尺度、旋转变换的鲁棒性。

在一种可能的实现方式中，所述分别对所述多张变换后的待处理图像进行图像特征提取，得到所述待处理图像中各个像素点对应的第一群特征图，包括：

分别对所述多张变换后的待处理图像进行图像特征提取，得到所述多张变换后的待处理图像对应的特征图；

针对任一像素点，根据该像素点在多张变换后的待处理图像对应的特征图中的特征向量，得到该像素点的第一群特征图。

这样，利用待处理图像在多组图像变换参数下的特征变换，通过多张变换后的待处理图像得到各个像素的第一群特征图，利用更大的信息量推理待处理图像的图像描述子，可以提高图像描述子的准确性和在尺度、旋转变换的鲁棒性。

在一种可能的实现方式中，所述对任一像素点对应的所述第一群特征图进行群结构信息提取，得到该像素点对应的第二群特征图，包括：

对任一像素点对应的所述第一群特征图进行群等变卷积处理，得到该像素点对应的第二群特征图，所述第二群特征图中包括所述第一群特征图的群结构信息。

这样，通过对第一群特征图进行群卷积处理，可以使得学习到的图像描述子能够抵抗视角变化带来的几何变换，提高了鲁棒性，进而可以提高图像描述子的准确率。

在一种可能的实现方式中，所述对任一像素点对应的所述第一群特征图进行群等变卷积处理，得到该像素点对应的第二群特征图，包括：

针对每一组图像变换参数，从各组图像变换参数中确定该图像变换参数的邻域；

针对任一像素点，根据各图像变换参数对应的邻域在所述第一群特征图中确定多个卷积区域；

对所述多个卷积区域执行卷积操作，得到该像素点对应的第二群特征图。

这样，可以使得学习到的图像描述子能够抵抗视角变化带来的几何变换，提高了鲁棒性，进而可以提高图像描述子的准确率。

在一种可能的实现方式中，所述根据各个像素点对应的所述第二群特征图得到所述待处理图像的图像描述子，包括：

对所述第二群特征图进行池化处理，得到所述待处理图像的图像描述子。

在一种可能的实现方式中，所述对任一像素点对应的所述第一群特征图进行群结构信息提取，得到该像素点对应的第二群特征图，包括：

对任一像素点对应的所述第一群特征图进行两次群等变卷积处理，得到该像素点对应的第一子图和第二子图，其中所述第一子图对应第一次群等变卷积处理的结果，所述第二子图对应第二次群等变卷积处理的结果；

所述根据各个像素点对应的所述第二群特征图得到所述待处理图像的图像描述子，包括：

根据所述第一子图及所述第二子图进行双线性插值池化处理，得到所述待处理图像的图像描述子。

这样，通过双线性插值池化的方式对第二群特征图进行池化处理，可以获得表达能力更强的图像描述子。

在一种可能的实现方式中，所述方法通过神经网络实现。

根据本公开的一方面，提供了一种图像处理装置，包括：

变换模块，用于根据至少一组图像变换参数变换所述待处理图像，得到多张变换后的待处理图像；

第一特征提取模块，用于分别对所述多张变换后的待处理图像进行图像特征提取，得到所述待处理图像中各个像素点对应的第一群特征图，其中任一像素点对应的第一群特征图用于表示该像素点对应于所述多张变换后的待处理图像的特征向量；

第二特征提取模块，用于对任一像素点对应的所述第一群特征图进行群结构信息提取，得到该像素点对应的第二群特征图；

处理模块，用于根据各个像素点对应的所述第二群特征图得到所述待处理图像的图像描述子。

在一种可能的实现方式中，所述装置还包括：

第一确定模块，用于确定单位旋转量及单位缩放量；

第二确定模块，用于根据所述单位旋转量及至少一个旋转系数，确定至少一个旋转角度，及根据所述单位缩放量及至少一个缩放系数，确定至少一个缩放尺度；

组合模块，用于以所述至少一个旋转角度及所述至少一个缩放尺度组合出至少一组图像变换参数，每组图像变化参数中包括一个旋转角度及一个缩放尺度。

在一种可能的实现方式中，所述变换模块，还用于：

针对每一组图像变化参数，根据所述图像变化参数中包含的旋转角度对所述待处理图像进行旋转，根据所述图像变化参数中包含的缩放尺度对所述待处理图像进行缩放，得到变换后的待处理图像。

在一种可能的实现方式中，所述第一特征提取模块，还用于：

分别对所述多张变换后的待处理图像进行图像特征提取，得到所述多张变换后的待处理图像对应的特征图；

针对任一像素点，根据该像素点在多张变换后的待处理图像对应的特征图中的特征向量，得到该像素点的第一群特征图。

在一种可能的实现方式中，所述第二特征提取模块，还用于：

对任一像素点对应的所述第一群特征图进行群等变卷积处理，得到该像素点对应的第二群特征图，所述第二群特征图中包括所述第一群特征图的群结构信息。

在一种可能的实现方式中，所述第二特征提取模块还用于：

针对每一组图像变换参数，从各组图像变换参数中确定该图像变换参数的邻域；

针对任一像素点，根据各图像变换参数对应的邻域在所述第一群特征图中确定多个卷积区域；

对所述多个卷积区域执行卷积操作，得到该像素点对应的第二群特征图。

在一种可能的实现方式中，所述处理模块，还用于：

对所述第二群特征图进行池化处理，得到所述待处理图像的图像描述子。

在一种可能的实现方式中，所述第二特征提取模块，还用于：

对任一像素点对应的所述第一群特征图进行两次群等变卷积处理，得到该像素点对应的第一子图和第二子图，其中所述第一子图对应第一次群等变卷积处理的结果，所述第二子图对应第二次群等变卷积处理的结果；

所述处理模块，还用于：

根据所述第一子图及所述第二子图进行双线性插值池化处理，得到所述待处理图像的图像描述子。

在一种可能的实现方式中，所述装置通过神经网络实现。

根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

这样，可以通过至少一组图像变换参数对待处理图像进行变换处理，得到多张变换后的待处理图像，并分别对多张变换后的待处理图像进行图像特征提取，得到待处理图像中各个像素点对应的第一群特征图，对第一群特征图进行群结构信息提取后，得到该像素点对应的第二群特征图，根据该第二群特征图可以得到该待处理图像的图像描述子。根据本公开提供的图像处理方法及装置、电子设备和存储介质，通过多张变换后的待处理图像得到各个像素的第一群特征图，利用了待处理图像在多组图像变换参数下的特征变换，信息量更大，因此可以提高图像描述子的准确性和在尺度、旋转变换的鲁棒性，经过一次推理即可得到每一像素点的图像描述子，因此提高了提取出图像描述子的计算效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像处理方法的流程图；

图2示出根据本公开示例性的图像处理方法的示意图；

图3示出根据本公开示例性的图像处理方法的示意图；

图4示出根据本公开实施例的图像处理装置的框图；

图5示出根据本公开实施例的一种电子设备800的框图；

图6示出根据本公开实施例的一种电子设备1900的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

相关技术中采用图像差分高斯金字塔检测图像中带有尺度、方向信息的图像关键点，并将图像关键点所在区域按照其尺度和方向从图像中裁剪出来后，通过卷积神经网络提取该区域的图像描述子，这种方式提取出的图像描述子准确性低，且计算效率低下。

或者相关技术中还可以直接采用卷积神经网络提取图像描述子，但由于卷积神经网络本身不具备尺度和旋转不变性，故针对提取的图像描述子的尺度、旋转变换的鲁棒性较差。

图1示出根据本公开实施例的图像处理方法的流程图，该图像处理方法可以由终端设备或其它处理设备执行，其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。其它处理设备可为服务器或云端服务器等。在一些可能的实现方式中，该图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。

如图1所示，所述方法可以包括：

在步骤S11中，根据至少一组图像变换参数变换所述待处理图像，得到多张变换后的待处理图像。

举例来说，上述图像变换参数可以为用于指导待处理图像进行变换的参数，变换可以是几何变换，例如旋转、缩放等，图像变换参数可以包括：旋转角度和缩放大小。可以分别根据各组图像变化参数中的旋转角度旋转待处理图像及根据缩放大小缩放待处理图像，以得到多张变换后的待处理图像。

在一种可能的实现方式中，上述方法还可以包括：

确定单位旋转量及单位缩放量；

根据所述单位旋转量及至少一个旋转系数，确定至少一个旋转角度，及根据所述单位缩放量及至少一个缩放系数，确定至少一个缩放尺度；

以所述至少一个旋转角度及所述至少一个缩放尺度组合出至少一组图像变换参数，每组图像变化参数中包括一个旋转角度及一个缩放尺度。

举例来说，单位旋转量可以为预设的旋转角度，旋转系数可以为对单位旋转量进行相应计算，以得到新的旋转角度的参数，单位缩放量可以为预设的缩放尺度，缩放系数可以为对单位缩放量进行相应计算，以得到新的缩放尺度的参数。

示例性的，旋转系数可以为单位旋转量的倍数或者旋转系数可以为对单位旋转量进行指数幂操作的指数，缩放系数可以为单位缩放量的倍数或者缩放系数可以为对单位缩放量进行指数幂操作的指数。

通过至少一个旋转系数对单位旋转量进行计算，可以得到至少一个旋转角度，通过至少一个缩放系数对单位缩放量进行计算，可以得到至少一个缩放尺度，通过对至少一个旋转角度和至少一个缩放尺度进行组合，可以得到至少一组图像变换参数，每一组图像变换参数中包括一个旋转角度及一个缩放尺度。这样，可以实现对图像变化参数的均匀采样。

在一种可能的实现方式中，上述根据至少一组图像变换参数变换所述待处理图像，得到多张变换后的待处理图像，可以包括：

针对每一组图像变化参数，根据所述图像变化参数中包含的旋转角度对所述待处理图像进行旋转，根据所述图像变化参数中包含的缩放尺度对所述待处理图像进行缩放，得到变换后的待处理图像。

举例来说，预设待处理图像旋转5次，则单位旋转量为360°/5＝72°，预设待处理图像的单位缩放量为长宽各缩小为待处理图像的1/2，假设旋转系数为：1、2、3、4、5，则得到的旋转角度包括：72°、144°、216°、288°、360°，假设缩放系数为：0、1、2、3，则得到的缩放尺度包括：1、1/2、1/4、1/8。根据上述旋转角度及缩放尺度组合后，可以得到20组图像变换参数，分别为：{72°、1}、{72°、1/2}、{72°、1/4}、{72°、1/8}、{144°、1}、{144°、1/2}、{144°、1/4}、{144°、1/8}、{216°、1}、{216°、1/2}、{216°、1/4}、{216°、1/8}、{288°、1}、{288°、1/2}、{288°、1/4}、{288°、1/8}、{360°、1}、{360°、1/2}、{360°、1/4}、{360°、1/8}。

根据上述20组图像变换参数对待处理图像进行图像变换后，可以得到20张变化后的待处理图像，示例性的，可以参照图2所示。

在步骤S12中，分别对所述多张变换后的待处理图像进行图像特征提取，得到所述待处理图像中各个像素点对应的第一群特征图，其中任一像素点对应的第一群特征图用于表示该像素点对应于所述多张变换后的待处理图像的特征向量。

举例来说，可以预训练用于进行图像特征提取的卷积神经网络分别对多张变换后的待处理图像进行图像特征提取，以提取到每一张待处理图像的特征图，根据多张待处理图像的特征图可以得到待处理图像中任一像素的第一群特征图。

在一种可能的实现方式中，上述分别对所述多张变换后的待处理图像进行图像特征提取，得到所述待处理图像中各个像素点对应的第一群特征图，可以包括：

分别对所述多张变换后的待处理图像进行图像特征提取，得到所述多张变换后的待处理图像对应的特征图；

针对任一像素点，根据该像素点在多张变换后的待处理图像对应的特征图中的特征向量，得到该像素点的第一群特征图。

可以分别对多张变换后的待处理图像进行图像特征提取，得到多张变换后的待处理图像对应的特征图，任一变换后的待处理图像对应的特征图中包括待处理图像中的像素点变换后的特征向量。针对待处理图像中的任一像素点，获取该像素点在变换后的待处理图像对应的特征图中的特征向量，该像素点在所有变换后的待处理图像对应的特征图中的特征向量组成该像素点的第一群特征图，示例性的，可以参照图2所示，图2中示意性地示出待处理图像的中心点对应的第一群特征图，其中图2最右侧中每个方块示意性地表示该中心点对应的一个特征向量，每个特征向量对应一组图像变换参数。

在步骤S13中，对任一像素点对应的所述第一群特征图进行群结构信息提取，得到该像素点对应的第二群特征图。

在步骤S14中，根据各个像素点对应的所述第二群特征图得到所述待处理图像的图像描述子。

举例来说，针对任一像素点对应的第一群特征图，可以提取该第一群特征图中的群结构信息，该群结构信息可以用于表征该像素点在旋转和尺度上的变换模式。群结构信息可以反映该像素点所经历的旋转、尺度缩放等变化的变化属性或者说变化方式。示例性的，可以通过预训练的用于提取群结构信息的卷积神经网络提取第一群特征图的群结构信息，以得到第二群特征图。

在得到各个像素点对应的第二群特征图后，可以对第二群特征图进行群卷积处理，以得到各个像素的图像描述子。

这样，可以通过至少一组图像变换参数对待处理图像进行变换处理，得到多张变换后的待处理图像，并分别对多张变换后的待处理图像进行图像特征提取，得到待处理图像中各个像素点对应的第一群特征图，对第一群特征图进行群结构信息提取后，得到该像素点对应的第二群特征图，根据该第二群特征图可以得到该待处理图像的图像描述子。根据本公开提供的图像处理方法，通过多张变换后的待处理图像得到各个像素的第一群特征图，利用了待处理图像在多组图像变换参数下的特征变换，信息量更大，因此可以提高图像描述子的准确性和在尺度、旋转变换的鲁棒性，经过一次推理即可得到每一像素点的图像描述子，因此提高了提取出图像描述子的计算效率。

在一种可能的实现方式中，所述对任一像素点对应的所述第一群特征图进行群结构信息提取，得到该像素点对应的第二群特征图，包括：

对任一像素点对应的所述第一群特征图进行群等变卷积处理，得到该像素点对应的第二群特征图，所述第二群特征图中包括第一群特征图的群结构信息。

举例来说，可以预训练对第一群特征图进行群等变卷积处理的群等变卷积神经网络，通过该群等变卷积神经网络对该第一群特征图进行处理，得到第二群特征图，该第二群特征图可以为规模为s*r*n的矩阵，其中，s为缩放系数的个数，r为旋转系数的个数，n为特征维度。

这样，通过对第一群特征图进行群卷积处理，可以使得学习到的图像描述子能够抵抗视角变化带来的几何变换，提高了鲁棒性，进而可以提高图像描述子的准确率。

在一种可能的实现方式中，上述对任一像素点对应的所述第一群特征图进行群等变卷积处理，得到该像素点对应的第二群特征图，可以包括：

针对每一组图像变换参数，从各组图像变换参数中确定该图像变换参数的邻域；

针对任一像素点，根据各图像变换参数对应的邻域在所述第一群特征图中确定多个卷积区域；

对所述多个卷积区域执行卷积操作，得到该像素点对应的第二群特征图。

举例来说，可以确定每一组图像变换参数的邻域。针对任一组图像变换参数，与该图像变换参数距离较近的多组图像变换参数可以组成该组图像变换参数的邻域，例如：可以确定该组图像变换参数尺度不变但顺时针旋转单位旋转量得到的图像变换参数1、该组图像变换参数尺度不变但逆时针旋转单位旋转量得到的图像变换参数2、该组图像变换参数不进行旋转但缩小单位缩放量得到的图像变换参数3、该组图像变换参数不进行旋转但放大单位缩放量得到的图像变换参数4、该组图像变换参数顺时针旋转单位旋转量及尺度放大单位缩放量得到的图像变换参数5、该组图像变换参数顺时针旋转单位旋转量及尺度缩小单位缩放量得到的图像变换参数6、该组图像变换参数逆时针旋转单位旋转量及尺度放大单位缩放量得到的图像变换参数7、该组图像变换参数逆时针旋转单位旋转量及尺度缩小单位缩放量得到的图像变换参数8组成了该组图像变换参数的邻域。

针对任一像素点对应的第一群特征图来说，该第一群特征图中的每一个特征向量对应一个图像变换参数，确定邻域中包括的多个图像变换参数在第一群特征图中对应的特征向量所组成的区域为卷积区域，根据多组图像变换参数可以得到多个邻域，根据多个邻域在第一群特征图中可以确定多个卷积区域。采用相同卷积网络分别对多个卷积区域分别进行卷积操作，得到的多个卷积操作的结果合并得到该像素点对应的第二群特征图。

示例性的，对于第一群特征图中的某一位置g，其卷积后的特征可以表示为公式一：

其中，h表示图像变换参数，H表示多组图像变换参数的集合，

在一种可能的实现方式中，上述根据所述第二群特征图得到所述待处理图像的图像描述子，可以包括：

对所述第二群特征图进行池化处理，得到所述待处理图像的图像描述子。

举例来说，得到第二群特征图后，该第二群特征图可以为规模为s*r*n的矩阵。在对该矩阵进行池化处理(例如：可以采用最大化池化或平均值池化)后，展开池化后的矩阵，得到的特征向量即为像素点的图像描述子。

这样，通过上述方式对第一群特征图进行群卷积处理，可以使得学习到的图像描述子能够抵抗视角变化带来的几何变换，提高了鲁棒性，进而可以提高图像描述子的准确率。

在一种可能的实现方式中，所述对任一像素点对应的所述第一群特征图进行群结构信息提取，得到该像素点对应的第二群特征图，可以包括：

对任一像素点对应的所述第一群特征图进行两次群等变卷积处理，得到该像素点对应的第一子图和第二子图，其中所述第一子图对应第一次群等变卷积处理的结果，所述第二子图对应第二次群等变卷积处理的结果；

所述根据各个像素点对应的所述第二群特征图得到所述待处理图像的图像描述子，可以包括：

根据所述第一子图及所述第二子图进行双线性插值池化处理，得到所述待处理图像的图像描述子。

举例来说，可以预训练两个群等变卷积神经网络第一群特征图进行群等变卷积处理，例如：分别通过第一群等变卷积神经网络及第二群等变卷积神经网络对第一群特征图进行群等变卷积处理，得到第一子图及第二子图。

举例来说，可以采用双线性插值池化方式，对第一子图及第二子图进行池化处理。示例性的，得到的第一子图为：s*r*n1的矩阵，得到的第二子图为：s*r*n2的矩阵。对第一子图及第二子图进行转置处理，并将转置后的第一子图及第二子图进行相乘处理，得到n1*n2的矩阵，并展开该矩阵后，得到的特征向量确定为待处理图像的图像描述子。

这样，通过双线性插值池化的方式对第二群特征图进行池化处理，可以获得表达能力更强的图像描述子。

在一种可能的实现方式中，上述方法可以通过神经网络进行实现。

举例来说，可以预训练神经网络，该神经网络可以包括第一卷积神经网络、第二卷积神经网络和池化网络，其中第一卷积神经网络可以用于对变换后的多张待处理图像进行图像特征提取，得到各个像素对应的第一群特征图(具体过程可以参照前述实施例，本公开在此不再赘述)，第二卷积神经网络可以对第一群特征图进行结构信息提取，得到各个像素对应的第二群特征图(具体过程可以参照前述实施例，本公开在此不再赘述)，池化网络可以对第二群特征图进行池化处理，得到待处理图像的图像描述子。

为了使本领域技术人员更好的理解本公开实施例，以下通过图3所示示例对本公开加以说明。

针对待处理图像可以通过多组图像变换参数以不同的旋转角度及缩放尺度进行变换，得到多张变换后的待处理图像。通过第一卷积神经网络可以分别对多张变换后的待处理图像进行图像特征提取，得到各个变换后的待处理图像的特征图，根据各个变换后的待处理图像的特征图得到各个像素点对应的第一群特征图。通过第一群等变卷积神经网络及第二群等变卷积神经网络分别对任一像素点对应的第一群特征图进行群等变卷积处理，得到包含群结构信息的第二群特征图(第一子图及第二子图)，通过对第二群特征图进行双线性池化，可以得到该像素点对应的图像描述子。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图4示出根据本公开实施例的图像处理装置的框图，如图4所示，所述图像处理装置包括：

变换模块401，可以用于根据至少一组图像变换参数变换所述待处理图像，得到多张变换后的待处理图像；

第一特征提取模块402，可以用于分别对所述多张变换后的待处理图像进行图像特征提取，得到所述待处理图像中各个像素点对应的第一群特征图，其中任一像素点对应的第一群特征图用于表示该像素点对应于所述多张变换后的待处理图像的特征向量；

第二特征提取模块403，可以用于对任一像素点对应的所述第一群特征图进行群结构信息提取，得到该像素点对应的第二群特征图；

处理模块404，可以用于根据各个像素点对应的所述第二群特征图得到所述待处理图像的图像描述子。

这样，可以通过至少一组图像变换参数对待处理图像进行变换处理，得到多张变换后的待处理图像，并分别对多张变换后的待处理图像进行图像特征提取，得到待处理图像中各个像素点对应的第一群特征图，对第一群特征图进行群结构信息提取后，得到该像素点对应的第二群特征图，根据该第二群特征图可以得到该待处理图像的图像描述子。根据本公开提供的图像处理装置，通过多张变换后的待处理图像得到各个像素的第一群特征图，利用了待处理图像在多组图像变换参数下的特征变换，信息量更大，因此可以提高图像描述子的准确性和在尺度、旋转变换的鲁棒性，经过一次推理即可得到每一像素点的图像描述子，因此提高了提取出图像描述子的计算效率。

在一种可能的实现方式中，所述装置还可以包括：

第一确定模块，可以用于确定单位旋转量及单位缩放量；

第二确定模块，可以用于根据所述单位旋转量及至少一个旋转系数，确定至少一个旋转角度，及根据所述单位缩放量及至少一个缩放系数，确定至少一个缩放尺度；

组合模块，可以用于以所述至少一个旋转角度及所述至少一个缩放尺度组合出至少一组图像变换参数，每组图像变化参数中包括一个旋转角度及一个缩放尺度。

在一种可能的实现方式中，上述变换模块，还可以用于：

针对每一组图像变化参数，根据所述图像变化参数中包含的旋转角度对所述待处理图像进行旋转，根据所述图像变化参数中包含的缩放尺度对所述待处理图像进行缩放，得到变换后的待处理图像。

在一种可能的实现方式中，所述第一特征提取模块，还可以用于：

分别对所述多张变换后的待处理图像进行图像特征提取，得到所述多张变换后的待处理图像对应的特征图；

针对任一像素点，根据该像素点在多张变换后的待处理图像对应的特征图中的特征向量，得到该像素点的第一群特征图。

在一种可能的实现方式中，所述第二特征提取模块，还可以用于：

对任一像素点对应的所述第一群特征图进行群等变卷积处理，得到该像素点对应的第二群特征图，所述第二群特征图中包括所述第一群特征图的群结构信息。

在一种可能的实现方式中，所述第二特征提取模块还可以用于：

针对每一组图像变换参数，从各组图像变换参数中确定该图像变换参数的邻域；

针对任一像素点，根据各图像变换参数对应的邻域在所述第一群特征图中确定多个卷积区域；

对所述多个卷积区域执行卷积操作，得到该像素点对应的第二群特征图。

在一种可能的实现方式中，所述处理模块，还可以用于：

对所述第二群特征图进行池化处理，得到所述待处理图像的图像描述子。

在一种可能的实现方式中，所述第二特征提取模块，还可以用于：

对任一像素点对应的所述第一群特征图进行两次群等变卷积处理，得到该像素点对应的第一子图和第二子图，其中所述第一子图对应第一次群等变卷积处理的结果，所述第二子图对应第二次群等变卷积处理的结果；

所述处理模块，还用于：

根据所述第一子图及所述第二子图进行双线性插值池化处理，得到所述待处理图像的图像描述子。

在一种可能的实现方式中，所述装置可以通过神经网络实现。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的图片搜索方法的指令。

本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的图片搜索方法的操作。

电子设备可以被提供为终端、服务器或其它形态的设备。

图5示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图5，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图6示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。