CN103914561A - 一种图像搜索方法和装置 - Google Patents
一种图像搜索方法和装置 Download PDFInfo
- Publication number
- CN103914561A CN103914561A CN201410153842.0A CN201410153842A CN103914561A CN 103914561 A CN103914561 A CN 103914561A CN 201410153842 A CN201410153842 A CN 201410153842A CN 103914561 A CN103914561 A CN 103914561A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- scale map
- eigenwert
- value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims description 6
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims description 6
- 230000008569 process Effects 0.000 description 18
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013549 information retrieval technique Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Abstract
本发明公开了一种图像搜索方法,包括:压缩待搜索图像的尺寸并获取压缩后的待搜索图像的灰度图;将灰度图分割成若干块,获取每一块灰度图的低频区域;将低频区域进行二值化处理,得到每一块灰度图的特征值;将每一块灰度图的特征值与各图像的哈希映射容器中相应块的特征值进行匹配,将匹配成功的块的数量超过第一预设阈值的图像作为搜索结果。本发明实现了快速检索到匹配图像并且减小了局部图像的变化对匹配准确度造成的影响。本发明还公开了用于实现上述方法的装置。
Description
技术领域
本发明涉及视频图像处理技术领域,尤其涉及一种图像搜索方法和装置。
背景技术
基于内容的图像检索是一种信息检索技术,是指借助对视觉媒体从底层到高层进行处理、分析和理解的过程中获取其内容,并根据内容进行检索。其目的是从图像库中找到具有指定特征或内容的图像,融合了计算机视觉、图像处理及模式识别等多种处理技术。
近重复搜索是图像检索的一个方面,是指一幅图像是另外一幅图像的复制,但是在拍摄条件、时间、渲染环境或编辑操作等导致与源图像有差异。近重复搜索是一种十分有用的工具,例如在版权检测、多媒体链接等方面具有广泛应用。
近重复搜索的常用方法是获取图像的兴趣点,再利用一些匹配方法进行搜索。这些匹配方法中图像特征计算复杂度很高,匹配效率低,获得的近似图像较少。
发明内容
本发明实施例提供一种图像搜索方法和装置,能够快速检索到匹配图像并且减小了局部图像的变化对匹配准确度造成的影响。
为达上述目的,本发明实施例采用以下技术方案:
一种图像搜索方法,包括:
压缩待搜索图像的尺寸并获取压缩后的待搜索图像的灰度图;
将所述灰度图分割成若干块,获取每一块灰度图的低频区域;
将所述低频区域进行二值化处理,得到每一块灰度图的特征值;
将所述每一块灰度图的特征值与各图像的哈希映射容器中相应块的特征值进行匹配,将匹配成功的块的数量超过第一预设阈值的图像作为搜索结果。
降低对图像颜色差异及细节特征的敏感性,提高匹配效率,搜索到更多与待搜索图像相近似的其他图像。
所述将低频区域进行二值化处理,得到每一块灰度图的特征值,包括:
获取所述低频区域的均值;
将所述低频区域的各个值与所述均值比较,大于所述均值的值置为1,小于或等于所述均值的值置为0。
所述将低频区域进行二值化处理,得到每一块灰度图的特征值,包括:
对所述低频区域的每一个值Vi(i=0,…,m),构造一个L维的向量Mi,所述向量M i各元素的值由1和-1随机填充;
将Vi作为权重,计算向量
对向量S中每个元素的值进行二值化得到每块灰度图的特征值
降低特征值维度,从而降低了对图像细微差别的敏感性,提高搜索准确度,将更多具有主要相似特征的图像搜索出来。
所述将每一块灰度图的特征值与各图像的哈希映射容器中相应块的特征值进行匹配,包括:
如果所述待搜索图像的一块灰度图的特征值与哈希映射容器中相应块的特征值相同或相似的个数大于第二预设阈值,则确定所述待搜索图像的一块灰度图与所述相应块的图像匹配成功。降低了局部图像变化对搜索结果的影响。
所述待搜索图像为电视广告节目的截屏图像。
一种图像搜索装置,包括:
压缩模块,用于压缩待搜索图像的尺寸并获取压缩后的待搜索图像的灰度图;
分割模块,用于将所述灰度图分割成若干块,获取每一块灰度图的低频区域;;
处理模块,用于将所述低频区域进行二值化处理,得到每一块灰度图的特征值;
匹配模块,用于将所述每一块灰度图的特征值与各图像的哈希映射容器中相应块的特征值进行匹配,将匹配成功的块的数量超过第一预设阈值的图像作为搜索结果。
所述处理模块包括:
获取单元,用于获取所述低频区域的均值;
第一处理单元,用于将所述低频区域的各个值与所述均值比较,大于所述均值的值置为1,小于或等于所述均值的值置为0。
所述处理模块包括:
第二处理单元,对所述低频区域的每一个值Vi(i=0,…,m),构造一个L维的向量Mi,所述向量M i各元素的值由1和-1随机填充;
计算单元,用于将Vi作为权重,计算向量
对向量S中每个元素的值进行二值化得到每块灰度图的特征值
所述匹配模块包括:
确定单元,用于如果所述待搜索图像的一块灰度图的特征值与哈希映射容器中相应块的特征值相同或相似的个数大于第二预设阈值,则确定所述待搜索图像的一块灰度图与所述相应块的图像匹配成功。
所述待搜索图像为电视广告节目的截屏图像。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明实施例提供的一种图像搜索方法的流程示意图;
图2是本发明实施例提供的一种图像搜索装置的结构示意图;
图3是本发明实施例提供的一种处理模块的结构示意图;
图4是本发明实施例提供的另一种处理模块的结构示意图;
图5是本发明实施例提供的匹配模块的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
当电视台在播放广告节目时,不同电视台或不同时段由于播放需求的不同,往往会对原始广告图像尺寸进行缩放,在画面中的播放位置进行改变,甚至是对画面进行局部改变以弹出节目提示或时间提示等。这些修改会导致在搜索与源图像相似的图像时无法被准确的获取到。
另外当搜索的图像数据量非常大时,需要较高的计算效率。本发明实施例在局部敏感哈希算法(Local Sensitive Hash)的基础上,提出了一种改进的感知哈希算法来提取图像特征。局部敏感哈希算法的基本过程是首先将图像分割成n块,每块利用改进的感知哈希算法生成特征;图像的每块区域建立一个哈希映射容器HashMap,然后将每块生成的特征映射到各自对应的HashMap中。这样就将局部相似的特征映射到HashMap的同一个值中。在搜索时,采用同样的方法获取各块的特征,并在对应块的HashMap中找到相似的图像,将各块找到的相似图像取并,取相似图像数目超过阈值的作为最终匹配的图像。这样在保证快速搜索到匹配图像的同时降低了对局部区域改变的敏感性。在此框架下,利用感知哈希算法(PerceptualHash Algorithm)可以保证提取的特征对于缩放和局部改变不敏感。
图1是本发明实施例提供的一种图像搜索方法,该方法包括:
S101,压缩待搜索图像的尺寸并获取压缩后的待搜索图像的灰度图。
压缩待搜索图像的尺寸用于去除图像中的高频和细节,只保留结构轮廓和明暗效果。可将待搜索图像缩小为统一尺寸,例如8×8或16×16尺寸,削弱因不同比例或尺寸而带来的图像差异。
获取压缩后图像的灰度图,以简化图像中色彩,可设置转化后灰度图的灰度级,例如转换为64级灰度图,则该图像中最多会有64种灰度颜色。
经过以上处理,可以保证图像对缩放或尺度的变化和轻微的颜色差异不敏感。
S102,将灰度图分割成若干块,获取每一块灰度图的低频区域;
将灰度图继续分割为若干块,使其成为包括若干图像块的灰度图像。分别对每一块灰度图像进行离散余弦变换以获取每一块灰度图的低频区域。
S103,将低频区域进行二值化处理,得到每一块灰度图的特征值。
在本发明一实施例中,步骤S103进一步包括以下步骤:
S103a,获取低频区域的均值。
低频区域包含m个值,则获取该m个值的均值。
S103b,将低频区域的各个值与均值比较,大于均值的值置为1,小于或等于所述均值的值置为0。
利用该均值对低频区域进行二值化处理,大于均值的值置为1,小于或等于所述均值的值置为0,将m个二值化后的值作为该块图像的特征值。
发明人发现,将感知哈希算法应用到局部敏感哈希算法的框架下,利用上述实施方式获取的特征值来进行匹配时,会产生一些误匹配,精确度不高。因此本发明实施例在此基础上,考虑感知哈希算法的利用均值来二值化低频区域的值,没有充分利用低频区域的特征,因此在本发明另一实施例中,该步骤S103可通过以下步骤来实现:
S103c,对低频区域的每一个值Vi(i=0,…,m),构造一个L维的向量M i,向量 Mi各元素的值由1和-1随机填充。
S103d,将Vi作为权重,计算向量
对向量S中每个元素的值进行二值化得到每块灰度图的特征值
将低频区域的m个值分别作为权重值与向量M i相乘后再求和,得到一个L维的向量S,再利用向量S中的L个值进行二值化处理,得到该块图像的特征值B[j]。向量M i的维度L小于低频区域的值的数量m,以降低每块图像特征值的维度,避免因差距仅仅是轻微颜色差异或者局部弹出信息而导致两块基本相同的图像映射出完全不同的特征值,而导致搜索准确度降低,采用上述算法可以有效降低搜索时对图像局部变化和细微差异的敏感性,提高搜索准确度,将更多具有相似特征的图片搜索出来。
S104,将每一块灰度图的特征值与各图像的哈希映射容器中相应块的特征值进行匹配,将匹配成功的块的数量超过第一预设阈值的图像作为搜索结果。
各图像的哈希映射容器(HashMap)中相应块的特征值也可以通过步骤S103中所述的任意一种方式来获取,在此不进行重复说明。
对于每一块图像来说,如果待搜索图像的一块灰度图的特征值与哈希映射容器中相应块的特征值相同或相似的个数大于第二预设阈值,则确定待搜索图像的一块灰度图与相应块的图像匹配成功。对于整幅待搜索图像来说图像匹配成功的块的数量超过第一预设阈值的图像作为搜索结果。由于降低了对于图像细微特征以及局部变化的敏感度,可以搜索到更多与待搜索图像相近似的其他图像。
本发明实施例中的待搜索图像为电视广告节目的截屏图像,即使根据不同播放需求对原始广告图像尺寸进行缩放,在画面中的播放位置进行改变,或者在播放画面中有其他信息弹出,也能够保持较高的搜索准确度,搜索到更多具有相同特征的广告画面。
图2是本发明实施例提供的一种图像搜索装置,该装置包括:
压缩模块20,用于压缩待搜索图像的尺寸并获取压缩后的待搜索图像的灰度图;
分割模块21,用于将所述灰度图分割成若干块,获取每一块灰度图的低频区域;;
处理模块22,用于将所述低频区域进行二值化处理,得到每一块灰度图的特征值;
匹配模块23,用于将所述每一块灰度图的特征值与各图像的哈希映射容器中相应块的特征值进行匹配,将匹配成功的块的数量超过第一预设阈值的图像作为搜索结果。
在本发明一实施例中,所述处理模块22如图3所示,包括:
获取单元220,用于获取所述低频区域的均值;
第一处理单元221,用于将所述低频区域的各个值与所述均值比较,大于所述均值的值置为1,小于或等于所述均值的值置为0。
在本发明一实施例中,所述处理模块22如图4所示,包括:
第二处理单元222,对所述低频区域的每一个值Vi(i=0,…,m),构造一个L维的向量M i,所述向量M i各元素的值由1和-1随机填充;
计算单元223,用于将Vi作为权重,计算向量
对向量S中每个元素的值进行二值化得到每块灰度图的特征值
所述匹配模块23如图5所示,包括:
确定单元230,用于如果所述待搜索图像的一块灰度图的特征值与哈希映射容器中相应块的特征值相同或相似的个数大于第二预设阈值,则确定所述待搜索图像的一块灰度图与所述相应块的图像匹配成功。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种图像搜索方法,其特征在于,包括:
压缩待搜索图像的尺寸并获取压缩后的待搜索图像的灰度图;
将所述灰度图分割成若干块,获取每一块灰度图的低频区域;
将所述低频区域进行二值化处理,得到每一块灰度图的特征值;
将所述每一块灰度图的特征值与各图像的哈希映射容器中相应块的特征值进行匹配,将匹配成功的块的数量超过第一预设阈值的图像作为搜索结果。
2.如权利要求1所述的方法,其特征在于,所述将低频区域进行二值化处理,得到每一块灰度图的特征值,包括:
获取所述低频区域的均值;
将所述低频区域的各个值与所述均值比较,大于所述均值的值置为1,小于或等于所述均值的值置为0。
3.如权利要求1所述的方法,其特征在于,所述将低频区域进行二值化处理,得到每一块灰度图的特征值,包括:
对所述低频区域的每一个值Vi(i=0,…,m),构造一个L维的向量M i,所述向量M i各元素的值由1和-1随机填充;
将Vi作为权重,计算向量
对向量S中每个元素的值进行二值化得到每块灰度图的特征值
4.如权利要求1所述的方法,其特征在于,所述将每一块灰度图的特征值与各图像的哈希映射容器中相应块的特征值进行匹配,包括:
如果所述待搜索图像的一块灰度图的特征值与哈希映射容器中相应块的特征值相同或相似的个数大于第二预设阈值,则确定所述待搜索图像的一块灰度图与所述相应块的图像匹配成功。
5.如权利要求1-4任一所述的图像搜索方法,其特征在于,所述待搜索图像为电视广告节目的截屏图像。
6.一种图像搜索装置,其特征在于,包括:
压缩模块,用于压缩待搜索图像的尺寸并获取压缩后的待搜索图像的灰度图;
分割模块,用于将所述灰度图分割成若干块,获取每一块灰度图的低频区域;;
处理模块,用于将所述低频区域进行二值化处理,得到每一块灰度图的特征值;
匹配模块,用于将所述每一块灰度图的特征值与各图像的哈希映射容器中相应块的特征值进行匹配,将匹配成功的块的数量超过第一预设阈值的图像作为搜索结果。
7.如权利要求6所述的装置,其特征在于,所述处理模块包括:
获取单元,用于获取所述低频区域的均值;
第一处理单元,用于将所述低频区域的各个值与所述均值比较,大于所述均值的值置为1,小于或等于所述均值的值置为0。
8.如权利要求6所述的装置,其特征在于,所述处理模块包括:
第二处理单元,对所述低频区域的每一个值Vi(i=0,…,m),构造一个L维的向量M i,所述向量M i各元素的值由1和-1随机填充;
计算单元,用于将Vi作为权重,计算向量
对向量S中每个元素的值进行二值化得到每块灰度图的特征值
9.如权利要求6所述的装置,其特征在于,所述匹配模块包括:
确定单元,用于如果所述待搜索图像的一块灰度图的特征值与哈希映射容器中相应块的特征值相同或相似的个数大于第二预设阈值,则确定所述待搜索图像的一块灰度图与所述相应块的图像匹配成功。
10.如权利要求6所述的装置,其特征在于,所述待搜索图像为电视广告节目的截屏图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410153842.0A CN103914561B (zh) | 2014-04-16 | 2014-04-16 | 一种图像搜索方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410153842.0A CN103914561B (zh) | 2014-04-16 | 2014-04-16 | 一种图像搜索方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103914561A true CN103914561A (zh) | 2014-07-09 |
CN103914561B CN103914561B (zh) | 2018-04-13 |
Family
ID=51040241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410153842.0A Expired - Fee Related CN103914561B (zh) | 2014-04-16 | 2014-04-16 | 一种图像搜索方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103914561B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808709A (zh) * | 2016-03-04 | 2016-07-27 | 北京智慧眼科技股份有限公司 | 人脸识别快速检索方法及装置 |
CN105956020A (zh) * | 2016-04-22 | 2016-09-21 | 广州精点计算机科技有限公司 | 一种基于感知哈希的相似图像搜索方法和装置 |
CN107766492A (zh) * | 2017-10-18 | 2018-03-06 | 北京京东尚科信息技术有限公司 | 一种图像搜索的方法和装置 |
CN110120029A (zh) * | 2019-04-30 | 2019-08-13 | 淮阴师范学院 | 基于感知哈希算法的图像融合方法 |
CN110738236A (zh) * | 2019-09-16 | 2020-01-31 | 深圳市国信合成科技有限公司 | 图像匹配方法、装置、计算机设备及存储介质 |
CN111177470A (zh) * | 2019-12-30 | 2020-05-19 | 深圳Tcl新技术有限公司 | 视频的处理方法、视频的搜索方法及终端设备 |
WO2020132895A1 (en) * | 2018-12-25 | 2020-07-02 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image segmentation |
CN111898587A (zh) * | 2020-08-14 | 2020-11-06 | 广州盈可视电子科技有限公司 | 一种视频打码处理方法和装置 |
CN112330618A (zh) * | 2020-10-29 | 2021-02-05 | 浙江大华技术股份有限公司 | 图像偏移检测方法、设备及存储介质 |
CN113228101B (zh) * | 2018-12-25 | 2024-05-10 | 浙江大华技术股份有限公司 | 用于图像分割的系统和方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101539944A (zh) * | 2009-04-10 | 2009-09-23 | 浙江工业大学 | 基于Haar特征匹配的数字图像内容搜索方法 |
US20100034469A1 (en) * | 2006-10-11 | 2010-02-11 | Spikenet Technology | Method of fast searching and recognition of a digital image representative of at least one graphical pattern in a bank of digital images |
-
2014
- 2014-04-16 CN CN201410153842.0A patent/CN103914561B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100034469A1 (en) * | 2006-10-11 | 2010-02-11 | Spikenet Technology | Method of fast searching and recognition of a digital image representative of at least one graphical pattern in a bank of digital images |
CN101539944A (zh) * | 2009-04-10 | 2009-09-23 | 浙江工业大学 | 基于Haar特征匹配的数字图像内容搜索方法 |
Non-Patent Citations (4)
Title |
---|
ARUN QAMRA等: "Enhanced Perceptual Distance Functions and Indexing for Image Replica Recognition", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
PI9NC: "局部敏感哈希(Locality-Sensitive Hashing, LSH)方法介绍", 《HTTP://BLOG.CSDN.NET/PI9NC/ARTICLE/DETAILS/12372627》 * |
ZOUXY09: "基于感知哈希算法的视觉目标跟踪", 《HTTP://BLOG.CSDN.NET/ZOUXY09/ARTICLE/DETAILS/17471401》 * |
张斌: "基于感知哈希与数字水印图像内容认证技术研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808709A (zh) * | 2016-03-04 | 2016-07-27 | 北京智慧眼科技股份有限公司 | 人脸识别快速检索方法及装置 |
CN105808709B (zh) * | 2016-03-04 | 2019-10-29 | 智慧眼科技股份有限公司 | 人脸识别快速检索方法及装置 |
CN105956020A (zh) * | 2016-04-22 | 2016-09-21 | 广州精点计算机科技有限公司 | 一种基于感知哈希的相似图像搜索方法和装置 |
CN105956020B (zh) * | 2016-04-22 | 2019-11-05 | 广东精点数据科技股份有限公司 | 一种基于感知哈希的相似图像搜索方法和装置 |
CN107766492A (zh) * | 2017-10-18 | 2018-03-06 | 北京京东尚科信息技术有限公司 | 一种图像搜索的方法和装置 |
CN107766492B (zh) * | 2017-10-18 | 2020-07-31 | 北京京东尚科信息技术有限公司 | 一种图像搜索的方法和装置 |
WO2020132895A1 (en) * | 2018-12-25 | 2020-07-02 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image segmentation |
CN113228101A (zh) * | 2018-12-25 | 2021-08-06 | 浙江大华技术股份有限公司 | 用于图像分割的系统和方法 |
CN113228101B (zh) * | 2018-12-25 | 2024-05-10 | 浙江大华技术股份有限公司 | 用于图像分割的系统和方法 |
CN110120029A (zh) * | 2019-04-30 | 2019-08-13 | 淮阴师范学院 | 基于感知哈希算法的图像融合方法 |
CN110120029B (zh) * | 2019-04-30 | 2023-06-23 | 淮阴师范学院 | 基于感知哈希算法的图像融合方法 |
CN110738236A (zh) * | 2019-09-16 | 2020-01-31 | 深圳市国信合成科技有限公司 | 图像匹配方法、装置、计算机设备及存储介质 |
CN110738236B (zh) * | 2019-09-16 | 2022-07-22 | 深圳市国信合成科技有限公司 | 图像匹配方法、装置、计算机设备及存储介质 |
CN111177470A (zh) * | 2019-12-30 | 2020-05-19 | 深圳Tcl新技术有限公司 | 视频的处理方法、视频的搜索方法及终端设备 |
CN111177470B (zh) * | 2019-12-30 | 2024-04-30 | 深圳Tcl新技术有限公司 | 视频的处理方法、视频的搜索方法及终端设备 |
CN111898587A (zh) * | 2020-08-14 | 2020-11-06 | 广州盈可视电子科技有限公司 | 一种视频打码处理方法和装置 |
CN112330618A (zh) * | 2020-10-29 | 2021-02-05 | 浙江大华技术股份有限公司 | 图像偏移检测方法、设备及存储介质 |
CN112330618B (zh) * | 2020-10-29 | 2023-09-01 | 浙江大华技术股份有限公司 | 图像偏移检测方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103914561B (zh) | 2018-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103914561A (zh) | 一种图像搜索方法和装置 | |
US11328401B2 (en) | Stationary object detecting method, apparatus and electronic device | |
Siva et al. | Looking beyond the image: Unsupervised learning for object saliency and detection | |
He et al. | Mobile product search with bag of hash bits and boundary reranking | |
KR101479387B1 (ko) | 얼굴 검출을 위한 방법 및 장치 | |
KR102180327B1 (ko) | 전체적 특성 피드백을 이용한 점진적인 시각적 질의 처리 | |
CN102572465A (zh) | 用于使用深度图信息的多视图像生成的装置和方法 | |
US20120099796A1 (en) | Image patch descriptors | |
US9025889B2 (en) | Method, apparatus and computer program product for providing pattern detection with unknown noise levels | |
EP2742486A2 (en) | Coding of feature location information | |
CN104794685A (zh) | 一种实现图像去噪的方法及装置 | |
JP5261493B2 (ja) | 拡張画像識別 | |
CN111222548A (zh) | 相似图像检测方法、装置、设备及存储介质 | |
CN103632153A (zh) | 一种基于区域的图像显著图提取方法 | |
WO2015116582A1 (en) | Emotion modification for image and video content | |
US9875386B2 (en) | System and method for randomized point set geometry verification for image identification | |
CN116109964A (zh) | 视频地图的智能提取方法、装置、存储介质及计算机设备 | |
CN105825228A (zh) | 图像识别方法及装置 | |
CN100487722C (zh) | 一种确定特征的级联分类器的连接顺序和特征阈值的方法 | |
Olaode et al. | Bag-of-visual words codebook development for the semantic content based annotation of images | |
CN101504723B (zh) | 一种建立投影空间的方法和装置 | |
Law et al. | Hybrid pooling fusion in the bow pipeline | |
CN113282781B (zh) | 图像检索方法及装置 | |
Du et al. | Image hashing for tamper detection with multiview embedding and perceptual saliency | |
CN113688261A (zh) | 图像数据清理方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180413 |