CN102542523A - 一种基于街景的城市图片信息认证方法 - Google Patents
一种基于街景的城市图片信息认证方法 Download PDFInfo
- Publication number
- CN102542523A CN102542523A CN2011104477389A CN201110447738A CN102542523A CN 102542523 A CN102542523 A CN 102542523A CN 2011104477389 A CN2011104477389 A CN 2011104477389A CN 201110447738 A CN201110447738 A CN 201110447738A CN 102542523 A CN102542523 A CN 102542523A
- Authority
- CN
- China
- Prior art keywords
- picture
- streetscape
- information
- image
- exif
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于图像取证和检测技术领域，涉及一种基于街景的城市图片信息认证方法，包括：提取原始图片的EXIF属性信息；根据提取出的EXIF属性信息定位该原始图片的地理位置，并在相应的地理位置的街景视图中，每隔一定的方位度数提取一张该位置的街景图片；采用基于具有尺度不变性的特征的SIFT双向匹配方法，将原始图片与找到的街景图片做内容匹配；根据匹配结果进行图像信息认证，判断原始图片的EXIF经纬度信息的真实性。本发明采用的方法简单、易于实现，能够借助外在已有的图像资源，验证图像信息是否被篡改且匹配精度较高。
Description
技术领域
本发明属于图像取证和检测技术领域，涉及一种图像认证方法。
背景技术
随着各种图像处理设备和图像编辑软件的广泛使用，普通用户可以对图像进行各种编辑操作。然而数字媒体编辑的这种方便性，却又使得恶意攻击者可以轻易地对其进行篡改或伪造，由此可能造成极为严重的经济、政治(如2004年7月29日获民主党提名为该党2004年美国总统选举的候选人的约翰·克里深受网上流传的其与美国著名影星简方达一起，出席某抗议越南的反战活动的照片的影响——这活动压根就没举办过。)损失。因此，数字图像认证成为国内外研究的热门课题。它主要解决的问题是区分恶意篡改和正常处理，并且对篡改的区域进行精确定位。
传统的图像认证技术如【1】【2】使用水印将一些标识信息(即数字水印)直接嵌入图像当中，通过这些隐藏在图像中的信息，可以判断图像是否被篡改。属于主动方法，对水印容量有限制。较新的可逆水印方法【3】，将原始图像的SHA-256哈希值嵌入高频子带，根据提取的水印或者提取的水印与原水印的差值图进行篡改检测。图像盲检测算法克服了主动水印方法的限制，不要求在图像中主动嵌入任何信息，它包括基于数码相机的数字图像认证方法【4】，通过获取该数码相机所拍摄的数字图像，并通过所获取的数字图像提取该数码相机的模式噪声来进行认证。还有基于傅立叶变换的全盲图像认证方法【5】，利用运动图像的傅立叶变换模的带状调制特性，来判断图像是否经过篡改。这些方法一般是基于图像内容本身的验证，通过检测图像内容信息的完整性和真实性来判断图像是否被篡改过，认证算法本身通常较为复杂，计算量大。
现有最流行的图像匹配算法大多采用描述符之间的点积，然后根据第一和第二近邻点欧式距离的比值是否满足预定义的阈值来决定他们是否匹配。尽管这种策略减少了大部分几何和光度变换的影响，其缺点是牺牲了很多正确的特征点。一些改进的方法如光谱技术，其基于成对约束，提高了匹配的精度，但是忽视了正确匹配的数量。
相关文献
【1】郭晓梅；刘红梅；黄继武；一种数字图像的水印嵌入及认证方法(发明专利)，申请号：200910040627.9申请日：2009-06-26，公开号：101582158，公开日：2009-11-18
【2】安虎；左燕；肖雨婷；何小龙；杨志刚；杨文；张兵；彭骏；一种数字水印的认证和恢复方法(发明专利)，申请号：200910216716.4申请日：2009-12-11，公开号：101710414A，公开日：2010-05-19
【3】梁小萍；黄继武；一种用于图像认证的可逆水印方法(发明专利)，申请号：200610036388.6，申请日：2006-07-07，公开号：1885341，公开日：2006-12-27
【4】屈振华；李寅祥；康显桂；黄继武；一种数码相机的数字图像认证方法(发明专利)，申请号200910041228.4，申请日：2009-07-17，公开号：101616238，公开日：2009-12-30
【5】方勇；张瑾；基于傅立叶变换的全盲图像认证方法(发明专利)，申请号：200610028154.7，申请日：2006-06-27，公开号：1873684，公开日：2006-12-06
发明内容
本发明的目的是克服现有技术的上述不足，提供一种方法简单、易于实现，能够借助外在已有的图像资源，验证图像信息是否被篡改且匹配精度较高的图像信息认证方法。本发明的技术方案如下：
一种基于街景的城市图片信息认证方法，包括下列步骤：
步骤一：提取原始图片的包括GPS和方向属性在内的EXIF属性信息，主要是GPS信息；
步骤二：根据提取出的EXIF属性信息定位该原始图片的地理位置，并在相应的地理位置的街景视图中，每隔一定的方位度数提取一张该位置的街景图片；
步骤三：采用基于具有尺度不变性的特征的SIFT双向匹配方法，将原始图片与找到的街景图片做内容匹配；
步骤四：根据匹配结果进行图像信息认证，判断原始图片的EXIF经纬度信息的真实性。
作为优选实施方式，步骤二中，利用Google街景视图进行信息认证；步骤三中，采用的双向匹配方法采用基于三角形约束的双向匹配方法，该方法首先利用双向匹配算法得到稳定的特征匹配对作为种子点，然后使用三角剖分算法来重新组织这些种子点，最后利用基于三角形约束的特征匹配算法来提高匹配点的正确率和增加正确匹配的点的个数。
本发明的有益效果如下：
1.Google街景面向大众公开，而且其独特的三维实景效果使人有身临其境的感觉，可以360°的查看街道景观。只要是在其覆盖范围之内，可以根据需求获得指定地点的街景视图，并且可以截取不同角度的图片来做内容匹配，使匹配结果更有说服力。此方便性和易于应用性是传统的图像信息认证方法无法比拟的。
2.传统的图像认证技术包括数字水印和数字签名等技术，经过多年的发展，已经处于较为成熟的阶段。传统技术基本是通过检测图像内容信息的完整性和真实性来判断图像是否被篡改。然而这些技术无法验证图像EXIF属性信息被篡改的情况。本发明提出了利用原图像与对应的Google街景视图进行内容匹配的方法来判断图像属性信息的真实性，解决了这个问题。该方法简单易于实现，并且为图像的真实性提供一种新的判断依据，随着Google街景视图覆盖范围的逐渐变大，其应用前景非常广泛。
3.EXIF信息为大众熟知，可从各种类型的图片文件中提取出需要的属性信息，简单方便。SIFT特征点匹配算法已比较成熟，本发明优选方案使用的TCM算法，基于SIFT并对其进行了改进，增加了三角约束，更提高了匹配的准确率，所以本发明的方法方便而且高效。
附图说明
图1第一幅带有正确GPS信息的测试图片。
图2第二幅带有正确GPS信息的测试图片。
图3第三幅带有正确GPS信息的测试图片。
图4第四幅带有错误GPS信息的测试图片。
图5第五幅带有错误GPS信息的测试图片。
图6第六幅带有错误GPS信息的测试图片。
图7图1对应的18幅街景图(以正北开始，每隔20度取一幅图片)。
图8图2对应的18幅街景图(以正北开始，每隔20度取一幅图片)。
图9图3对应的18幅街景图(以正北开始，每隔20度取一幅图片)。
图10图4对应的18幅街景图(以正北开始，每隔20度取一幅图片)。
图11图5对应的18幅街景图(以正北开始，每隔20度取一幅图片)。
图12图6对应的18幅街景图(以正北开始，每隔20度取一幅图片)。
图13和图14分别为图1与其对应的320度和340度街景图的匹配结果图(连线的两点为匹配点)。
图15-图17分别为图2与其对应的260度、300度和320度街景图匹配结果图(连线的两点为匹配点)。
图18和图19分别为图3与其对应的60度、80度街景图匹配结果图(连线的两点为匹配点)。
具体实施方式
本发明是在基于街景视图(本发明选用Google街景视图)的图像信息认证，输入是一些带有EXIF属性信息的图片，主要包括GPS信息和方向信息，提取出图片的相关属性信息，找到对应的街景图片，而后进行图片的内容匹配的实验。
可交换图像文件(EXchangeable Image File format，EXIF)专门为数码相机的照片设定，可以记录数码照片的属性信息和拍摄时的数据如相机部分参数。EXIF最初由日本电子工业发展协会在1996年制定，版本为1.0。2010年4月，日本电子工业发展协会和相机与影像产品协会联合发布了2.3版。EXIF适用于大部分图像格式如JPEG、TIFF、RIFF等，记录的属性信息范围很广，包括数码相机拍摄信息的内容，如时间、日期、快门速度、光圈值等，甚至可以包括全球定位信息(经纬度)和图像处理软件的版本信息。应用软件如ACDSee和PowerExif等可以读取这些数据，再按照Exif标准，检索出它们的具体含义。
Google公司所开发的Google街景视图是应用于Google地图及Google地球，提供水平方向360°及垂直方向290°的街道全景。这项服务于2007年5月25日启用，当时仅涵盖美国的五大城市如纽约、旧金山等。现在，其覆盖范围已经扩展到了美国，法国，西班牙，意大利，荷兰，英国，澳大利亚，新西兰，日本等9个国家的135个城市。本发明就是利用这些街景视图来对生活中拍摄的街景图片进行身份信息认证。即我们可以从现有拍摄的街景图片中提取出EXIF属性信息，这些信息包括GPS信息和相机方向等，我们运用提取出的属性信息找到对应的街景视图，然后把原图片和对应的街景视图图片做一个内容上的匹配。本发明提出的方法是运用原图像与街景视图对比匹配的方法进行图像信息认证。
具体步骤如下：
步骤一：提取原始图片的EXIF属性信息
Exif包括厂商、机型、方向、水平垂直分辨率等图像信息，以及拍摄时的光圈、快门、白平衡、ISO、焦距、日期时间等各种相机拍摄记录信息。还包括GPS经度、纬度等全球定位系统(GPS)信息和缩略图信息等。
本发明主要用到的是GPS和方向等属性信息，在EXIF中对应的属性标签分别为GPSLatitudeRef(纬度参照)、GPSLatitude(纬度)、GPSLongitudeRef(经度参照)、GPSLongitude(经度)、Orientation(方向)。
步骤二：根据提取出的属性信息定位对应的街景图片
本发明利用当前的谷歌街景视图，找到与原始图片相对应的街景视图。这一步骤也是后期的图像匹配工作的一个必要前提。要保证图像认证的准确性，此处就要保证定位街景视图的准确性，本发明利用Google Street View Image API定位与原始图片的位置最接近的街景视图，为了保证后期图像内容匹配的准确性，此处以该位置的正北为起始点，每隔20度提取一张该位置的街景图片，保存下来为后期图像匹配做准备。当然若根据提取出的GPS等属性信息找不到对应的街景视图，则本发明的方法就不再适用了。
步骤三：将原始图片与找到的街景图片做内容匹配
图像的特征在一定程度上反映了图像的内容，特征的提取至关重要。常用的图像匹配算法一般采用Scale-invariant feature transform(简称SIFT)算法提取图像特征。SIFT算法可以处理两幅图像之间发生平移、旋转、尺度变化、光照变化情况下的特征匹配问题，并能在一定程度上对视角变化、仿射变化也具备较为稳定的特征匹配能力。因而基于SIFT特征的图像内容匹配具有较高的准确性和可靠性。
然而sift特征点匹配是单向匹配，可能会产生不正确和不稳定的匹配对，需要丢弃。本发明采用基于sift特征点匹配的图像双向匹配方法实现图像内容匹配。现有技术中已经有不少有关此类匹配算法，例如骞森，朱建英在《基于改进的SIFT特征的图像双向匹配算法》(机械科学与技术，2007年9月，第26卷第9期)及刘焕敏，王华，段慧芬在《一种改进的SIFT双向匹配算法》(兵工自动化，2009年28卷第06期，92-94)分别突出了两种双向匹配算法。
本发明提出的优选方案是选用发明人之前提出的一种基于双向匹配和三角形约束的特征匹配方法(简称TCM算法)，具体可参见一下两篇文献：
(1) Xiaojie Guo and Xiaochun Cao，《利用三角约束寻找更多好的特征点》，模式识别国际会议，Istanbul，Turkey，2010年8月，pp.1393-1396
(2) 天津大学.基于双向匹配和三角形约束的特征匹配方法，申请号：2010101605060.
本发明使用TCM算法进行图像匹配，使用Triangle-Constraint约束来寻找更好的特征点。其核心思想如下。首先通过Bi-matching的双向匹配方法选出一些稳定的特征匹配对作为种子点，这样就丢弃了很多由于sift单向匹配产生的错误匹配。然后通过Delaunay三角剖分算法组织这些种子点。将参考图片中的种子点按照一定规则划分成三角形，匹配图片的种子点也按照参考图片的顺序划分。众所周知，三角形是最简单，最稳定的多边形，只要给定了三角形的各个顶点，无需其他额外的信息，三角形就可以确定下来。由于两幅图片的种子点是按照相同的顺序组织成三角形的，本该是一一对应的。但是可能由于错误匹配的存在，会出现两幅图片中划分的三角形并不完全相同的情况，此处使用Triangle-Constraint约束(简称TC)来解决这个问题，以增加正确匹配的数量。方法大致如下，在两幅图片中对应的每对三角形中都有很多特征点，对参考图片中每个特征点计算一下该特征点与三角形三个顶点的相对位置关系，然后根据两个三角形的相对位置的转换矩阵，计算出与该特征点相对应的特征点在对应三角形中的具体位置，为了去除噪声等的影响，我们给定一个对应特征点所在的区域作为候选区域(本发明选取的是3个像素大小的区域)。对该候选区域中的特征点与原特征点计算一个相似性度量的分数，如果该区域内所有特征点的分数的最大值大于某个指定的阈值(本发明选择的阈值为0.4)则认为这对特征点是临时匹配的。对一个三角形的所有特征点处理以后，所有临时的匹配对组成一个组合，该集合的个数若大于两幅图片中各自图片所含特征点个数的最小值的指定倍数(本发明选择0.3倍)，则认为这些特征点是最终接受的匹配，反之则丢弃。TCM算法对于大多数几何和光度变换都具有很好的鲁棒性，包括旋转，缩放变化，模糊变换，视角的改变，JPEG压缩和照明变化，显著改善了正确的匹配数和匹配得分。
步骤四：根据匹配结果进行图像信息认证
根据两幅图片的匹配结果可以判断原始图片的EXIF信息的真实性，本发明使用的TCM算法已经去除 了很多错误匹配的情况，使匹配达到了很高的正确率。所以如果两幅图片匹配个数大于十个的话，就认为原始图片的EXIF信息是真实有效的。如果匹配个数太少，就认为两幅图片不相关，原始图片的EXIF信息是错误的。
本实施例选取了3幅正确EXIF信息的图片和3张错误的EXIF信息的图片作为测试图片(原始图片均为彩色图片)。具体步骤如下
步骤一提取属性信息：首先提取出图片的EXIF属性信息，主要包括GPS信息等，原图片如图1至图3的三幅带有正确GPS信息的测试图片，主要的EXIF属性信息如下：表1
三幅带有错误GPS信息的测试图片如图4至图6，主要的EXIF属性信息如下：
步骤二图片搜索：根据提取出来的经纬度等信息找对应的谷歌街景图片，此处为了使匹配结果更具有说服力，采取了将指定经纬度位置的街景图每隔20度截取一幅，共18幅图片用于后期的匹配。
图1对应的街景图见图7，共18幅(以正北开始，每隔20度取一幅图片)。
图2对应的街景图见图8，共18幅(以正北开始，每隔20度取一幅图片)。
图3对应的街景图见图9，共18幅(以正北开始，每隔20度取一幅图片)。
图4对应的街景图见图10，共18幅(以正北开始，每隔20度取一幅图片)。
图5对应的街景图见图11，共18幅(以正北开始，每隔20度取一幅图片)
图6对应的街景图见图12，共18幅(以正北开始，每隔20度取一幅图片)
步骤三图片内容匹配：运用TCM(Triangle-Constraint Matching)算法，对测试图片和对应的街景图片内容进行匹配，并输出匹配结果。
说明：
1.此处为了更好的观察匹配结果，对测试图片进行了尺寸缩小处理，然后将测试图片与对应的18幅街景图片分别进行匹配。对图片尺寸进行变换时，由于放大或者压缩会影响图片的像素质量，所以匹配效果会不如预想的结果好，但是影响不大。
2.为了更好的说明匹配结果，此处对18幅街景图片分别以其截取时对应的旋转角度命名(依次为000、020、040……340)
下面分别给出六幅测试图片的匹配结果：
图1的匹配结果：
| 测试图片 | 街景图 | 匹配个数 |
| 图1 | 000 | |
| 图1 | 020 | -- |
| 图1 | 040 | -- |
| 图1 | 060 |
[0075]
| 图1 | 080 | |
| 图1 | 100 | -- |
| 图1 | 120 | |
| 图1 | 140 | -- |
| 图1 | 160 | -- |
| 图1 | 180 | |
| 图1 | 200 | -- |
| 图1 | 220 | |
| 图1 | 240 | -- |
| 图1 | 260 | -- |
| 图1 | 280 | |
| 图1 | 300 | -- |
| 图1 | 320 | 31 |
| 图1 | 340 | 58 |
注：--表示两幅图片的种子数太少，不足以运行TCM算法，图片不相关。
图13和图14分别为图1与其对应的320度和340度街景图的匹配结果图(连线的两点为匹配点)。
图2的匹配结果
| 测试图片 | 街景图 | 匹配个数 |
| 图2 | 000 | -- |
| 图2 | 020 | |
| 图2 | 040 | -- |
| 图2 | 060 | |
| 图2 | 080 | -- |
| 图2 | 100 | |
| 图2 | 120 | |
| 图2 | 140 | -- |
| 图2 | 160 | |
| 图2 | 180 | -- |
| 图2 | 200 | |
| 图2 | 220 | |
| 图2 | 240 | -- |
| 图2 | 260 | 37 |
| 图2 | 280 | -- |
| 图2 | 300 | 340 |
| 图2 | 320 | 48 |
| 图2 | 340 | -- |
注： 表示两幅图片的种子数太少，不足以运行TCM算法，图片不相关。
图15图17分别为图2与其对应的260度、300度和320度街景图匹配结果图(连线的两点为匹配点)。
图3的匹配结果：
| 测试图片 | 街景图 | 匹配个数 |
| 图3 | 000 | |
| 图3 | 020 | |
| 图3 | 040 | -- |
| 图3 | 060 | 132 |
| 图3 | 080 | 151 |
| 图3 | 100 | |
| 图3 | 120 | -- |
| 图3 | 140 | -- |
| 图3 | 160 | |
| 图3 | 180 | -- |
| 图3 | 200 | |
| 图3 | 220 | -- |
| 图3 | 240 | -- |
| 图3 | 260 | |
| 图3 | 280 | -- |
| 图3 | 300 | |
| 图3 | 320 | -- |
| 图3 | 340 |
注：表示两幅图片的种子数太少，不足以运行TCM算法，图片不相关。
图18和图19分别为图3与其对应的060度、080度街景图匹配结果图(连线的两点为匹配点)。
图4的匹配结果如下：
| 测试图片 | 街景图 | 匹配个数 |
| 图4 | 000 | |
| 图4 | 020 | -- |
| 图4 | 040 | |
| 图4 | 060 | -- |
| 图4 | 080 | |
| 图4 | 100 | |
| 图4 | 120 | -- |
| 图4 | 140 | |
| 图4 | 160 | -- |
| 图4 | 180 | |
| 图4 | 200 | -- |
| 图4 | 220 | -- |
| 图4 | 240 | |
| 图4 | 260 | -- |
| 图4 | 280 | |
| 图4 | 300 | -- |
[0088]
| 图4 | 320 | |
| 图4 | 340 | -- |
注：表示两幅图片的种子数太少，不足以运行TCM算法，图片不相关。
图5的匹配结果：
| 测试图片 | 街景图 | 匹配个数 |
| 图5 | 000 | -- |
| 图5 | 020 | |
| 图5 | 040 | |
| 图5 | 060 | -- |
| 图5 | 080 | |
| 图5 | 100 | -- |
| 图5 | 120 | |
| 图5 | 140 | -- |
| 图5 | 160 | -- |
| 图5 | 180 | |
| 图5 | 200 | -- |
| 图5 | 220 | |
| 图5 | 240 | -- |
| 图5 | 260 | |
| 图5 | 280 | |
| 图5 | 300 | -- |
| 图5 | 320 | |
| 图5 | 340 | -- |
注：表示两幅图片的种子数太少，不足以运行TCM算法，图片不相关。
图6的匹配结果：
| 测试图片 | 街景图 | 匹配个数 |
| 图6 | 000 | -- |
| 图6 | 020 | |
| 图6 | 040 | |
| 图6 | 060 | -- |
| 图6 | 080 | |
| 图6 | 100 | -- |
| 图6 | 120 | |
| 图6 | 140 | -- |
| 图6 | 160 | -- |
| 图6 | 180 | |
| 图6 | 200 | -- |
| 图6 | 220 | |
| 图6 | 240 | -- |
| 图6 | 260 | -- |
[0095]
| 图6 | 280 | |
| 图6 | 300 | -- |
| 图6 | 320 | |
| 图6 | 340 | -- |
注：表示两幅图片的种子数太少，不足以运行TCM算法，图片不相关。
步骤四：根据匹配结果进行图像信息认证
对于图1，最好的匹配结果为图14，匹配效果很好，匹配点个数大于10，所以判断图1的EXIF的经纬度信息为真实的。
对于图2，最好的匹配结果为图17。图2经过TCM匹配算法后，找到了匹配的街景图片，并且匹配效果比较好，匹配点个数大于10，所以判断图2的EXIF的经纬度信息为真实的。
对于图3，取其最好的匹配结果为图19。图3经过TCM的匹配算法后，找到了匹配的街景图片为图19，并且匹配效果很好，匹配点个数大于10，所以判断图3的EXIF的经纬度信息为真实的。
而对于图4、5、6三幅图片，经过TCM算法的内容匹配，没有找到与测试图片匹配的图片，所以认为这三幅图片的EXIF的经纬度信息是错误的。
结论：当得到一张图片，提取其中的GPS等EXIF属性信息，并根据这些信息去找到对应的google街景图片，经过TCM算法的内容匹配，如果找到与原始图片相匹配的街景图片，并且匹配结果较好，那么就认为原始图片的EXIF的经纬度信息是真实有效的，反之，若没有找到匹配的街景图片，则认为原图片的EXIF的经纬度信息是错误的。
Claims (3)
1.一种基于街景的城市图片信息认证方法，包括下列步骤：
步骤一：提取原始图片的包括GPS和方向属性在内的EXIF属性信息，主要是GPS信息；
步骤二：根据提取出的EXIF属性信息定位该原始图片的地理位置，并在相应的地理位置的街景视图中，每隔一定的方位度数提取一张该位置的街景图片；
步骤三：采用基于具有尺度不变性的特征的SIFT双向匹配方法，将原始图片与找到的街景图片做内容匹配；
步骤四：根据匹配结果进行图像信息认证，判断原始图片的EXIF经纬度信息的真实性。
2.根据权利要求1所述的城市图片信息认证方法，其特征在于，步骤二中，利用Google街景视图进行信息认证。
3.根据权利要求1所述的城市图片信息认证方法，其特征在于，步骤三中，采用的双向匹配方法采用基于三角形约束的双向匹配方法，该方法首先利用双向匹配算法得到稳定的特征匹配对作为种子点，然后使用三角剖分算法来重新组织这些种子点，最后利用基于三角形约束的特征匹配算法来提高匹配点的正确率和增加正确匹配的点的个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011104477389A CN102542523A (zh) | 2011-12-28 | 2011-12-28 | 一种基于街景的城市图片信息认证方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011104477389A CN102542523A (zh) | 2011-12-28 | 2011-12-28 | 一种基于街景的城市图片信息认证方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102542523A true CN102542523A (zh) | 2012-07-04 |
Family
ID=46349349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011104477389A Pending CN102542523A (zh) | 2011-12-28 | 2011-12-28 | 一种基于街景的城市图片信息认证方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102542523A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177444A (zh) * | 2013-03-08 | 2013-06-26 | 中国电子科技集团公司第十四研究所 | 一种sar图像自动配准方法 |
| CN103916435A (zh) * | 2013-01-04 | 2014-07-09 | 阿里巴巴集团控股有限公司 | 判断信息真实性的方法和装置 |
| WO2016011763A1 (zh) * | 2014-07-24 | 2016-01-28 | 百度在线网络技术（北京）有限公司 | 图像展现方法、装置、设备及非易失性计算机存储介质 |
| CN105389375A (zh) * | 2015-11-18 | 2016-03-09 | 福建师范大学 | 一种基于可视域的图像索引设置方法、系统及检索方法 |
| CN108427935A (zh) * | 2018-03-28 | 2018-08-21 | 天津市测绘院 | 街景比对图像的生成方法和装置 |
| CN108534797A (zh) * | 2018-04-13 | 2018-09-14 | 北京航空航天大学 | 一种实时高精度视觉里程计方法 |
| CN109284409A (zh) * | 2018-08-29 | 2019-01-29 | 清华大学深圳研究生院 | 基于大规模街景数据的图片组地理定位方法 |
| CN110019599A (zh) * | 2017-10-13 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 获取兴趣点poi信息的方法、系统、装置及电子设备 |
| CN112100521A (zh) * | 2020-09-11 | 2020-12-18 | 广州宸祺出行科技有限公司 | 一种街景识别定位并获取全景图片的方法及系统 |
| CN116645404A (zh) * | 2023-05-30 | 2023-08-25 | 江苏省基础地理信息中心 | 一种照片gps位置信息提取匹配方法以及提取匹配装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1777233A (zh) * | 2004-11-16 | 2006-05-24 | 上海镁原信息技术有限公司 | 使用gps对数码相片进行拍摄位置定位的方法 |
| CN101527041A (zh) * | 2009-04-22 | 2009-09-09 | 天津大学 | 基于shadow matte一致性的图片伪造检测方法 |
| US20100118116A1 (en) * | 2007-06-08 | 2010-05-13 | Wojciech Nowak Tomasz | Method of and apparatus for producing a multi-viewpoint panorama |
| CN101719130A (zh) * | 2009-11-25 | 2010-06-02 | 中兴通讯股份有限公司 | 街景地图的实现方法和实现系统 |
| CN101833765A (zh) * | 2010-04-30 | 2010-09-15 | 天津大学 | 基于双向匹配和三角形约束的特征匹配方法 |
| JP2011109428A (ja) * | 2009-11-18 | 2011-06-02 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
| CN102253995A (zh) * | 2011-07-08 | 2011-11-23 | 盛乐信息技术（上海）有限公司 | 一种利用位置信息实现图像搜索的方法和系统 |
-
2011
- 2011-12-28 CN CN2011104477389A patent/CN102542523A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1777233A (zh) * | 2004-11-16 | 2006-05-24 | 上海镁原信息技术有限公司 | 使用gps对数码相片进行拍摄位置定位的方法 |
| US20100118116A1 (en) * | 2007-06-08 | 2010-05-13 | Wojciech Nowak Tomasz | Method of and apparatus for producing a multi-viewpoint panorama |
| CN101527041A (zh) * | 2009-04-22 | 2009-09-09 | 天津大学 | 基于shadow matte一致性的图片伪造检测方法 |
| JP2011109428A (ja) * | 2009-11-18 | 2011-06-02 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
| CN101719130A (zh) * | 2009-11-25 | 2010-06-02 | 中兴通讯股份有限公司 | 街景地图的实现方法和实现系统 |
| CN101833765A (zh) * | 2010-04-30 | 2010-09-15 | 天津大学 | 基于双向匹配和三角形约束的特征匹配方法 |
| CN102253995A (zh) * | 2011-07-08 | 2011-11-23 | 盛乐信息技术（上海）有限公司 | 一种利用位置信息实现图像搜索的方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| XIAOJIE GUO, XIAOCHUN CAO: "Triangle-Constraint for Finding More Good Features", 《20TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION》, 26 August 2010 (2010-08-26), pages 1393 - 1396 * |
| 吴飞，蔡胜渊等: "三角形约束下的图像特征点匹配方法", 《计算机辅助设计与图形学学报》, vol. 22, no. 3, 31 March 2010 (2010-03-31), pages 503 - 510 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103916435A (zh) * | 2013-01-04 | 2014-07-09 | 阿里巴巴集团控股有限公司 | 判断信息真实性的方法和装置 |
| CN103177444A (zh) * | 2013-03-08 | 2013-06-26 | 中国电子科技集团公司第十四研究所 | 一种sar图像自动配准方法 |
| WO2016011763A1 (zh) * | 2014-07-24 | 2016-01-28 | 百度在线网络技术（北京）有限公司 | 图像展现方法、装置、设备及非易失性计算机存储介质 |
| CN105389375B (zh) * | 2015-11-18 | 2018-10-02 | 福建师范大学 | 一种基于可视域的图像索引设置方法、系统及检索方法 |
| CN105389375A (zh) * | 2015-11-18 | 2016-03-09 | 福建师范大学 | 一种基于可视域的图像索引设置方法、系统及检索方法 |
| CN110019599A (zh) * | 2017-10-13 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 获取兴趣点poi信息的方法、系统、装置及电子设备 |
| CN108427935A (zh) * | 2018-03-28 | 2018-08-21 | 天津市测绘院 | 街景比对图像的生成方法和装置 |
| CN108427935B (zh) * | 2018-03-28 | 2022-02-15 | 天津市测绘院有限公司 | 街景比对图像的生成方法和装置 |
| CN108534797A (zh) * | 2018-04-13 | 2018-09-14 | 北京航空航天大学 | 一种实时高精度视觉里程计方法 |
| CN109284409A (zh) * | 2018-08-29 | 2019-01-29 | 清华大学深圳研究生院 | 基于大规模街景数据的图片组地理定位方法 |
| CN109284409B (zh) * | 2018-08-29 | 2020-08-25 | 清华大学深圳研究生院 | 基于大规模街景数据的图片组地理定位方法 |
| CN112100521A (zh) * | 2020-09-11 | 2020-12-18 | 广州宸祺出行科技有限公司 | 一种街景识别定位并获取全景图片的方法及系统 |
| CN112100521B (zh) * | 2020-09-11 | 2023-12-22 | 广州宸祺出行科技有限公司 | 一种街景识别定位并获取全景图片的方法及系统 |
| CN116645404A (zh) * | 2023-05-30 | 2023-08-25 | 江苏省基础地理信息中心 | 一种照片gps位置信息提取匹配方法以及提取匹配装置 |
| CN116645404B (zh) * | 2023-05-30 | 2024-07-12 | 江苏省基础地理信息中心 | 一种照片gps位置信息提取匹配方法以及提取匹配装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102542523A (zh) | 一种基于街景的城市图片信息认证方法 | |
| Li et al. | Worldwide pose estimation using 3d point clouds | |
| RU2608261C2 (ru) | Автоматическое генерирование тега на основании содержания изображения | |
| JP5612310B2 (ja) | 顔認識のためのユーザーインターフェース | |
| US20210019526A1 (en) | Hybrid feature point/watermark-based augmented reality | |
| US8509600B2 (en) | Copy detection | |
| KR100982192B1 (ko) | 사진의 촬영 위치 및 방향 정보 태깅 방법과 그 장치 | |
| CN101833765B (zh) | 基于双向匹配和三角形约束的特征匹配方法 | |
| WO2013086475A1 (en) | System and methods for world-scale camera pose estimation | |
| GB2493514A (en) | Using a measure of depth to detect if video data derives from a reference video | |
| JP5468824B2 (ja) | ３次元における形状の一致を判定する方法および装置 | |
| US20160286122A1 (en) | Expanding the field of view of photograph | |
| Ma et al. | Remote sensing image registration based on multifeature and region division | |
| JP2011039974A (ja) | 画像検索方法およびシステム | |
| JP2017010549A (ja) | ライトフィールドデータベースでのデータ取り出しのための方法及び装置 | |
| CN111860486B (zh) | 卡片识别方法、装置及设备 | |
| Bollimpalli et al. | SIFT based robust image watermarking resistant to resolution scaling | |
| Ji et al. | PKUBench: A context rich mobile visual search benchmark | |
| CN106373079A (zh) | Android照片位置和时间数字水印嵌入和提取方法 | |
| Meng et al. | Detecting photographic cropping based on vanishing points | |
| Dhanaraj et al. | A study on detection of copy-move forgery in digital images | |
| Saleem | A key-point based robust algorithm for detecting cloning forgery | |
| WO2013017306A1 (en) | Copy detection | |
| Akoum et al. | Image Forgery Analyse and Detection | |
| Warbhe et al. | Digital image forensics: An affine transform robust copy-paste tampering detection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20120704 |
|
| C20 | Patent right or utility model deemed to be abandoned or is abandoned |