CN105335469A - 一种图像匹配、检索方法和装置 - Google Patents
一种图像匹配、检索方法和装置 Download PDFInfo
- Publication number
- CN105335469A CN105335469A CN201510630886.2A CN201510630886A CN105335469A CN 105335469 A CN105335469 A CN 105335469A CN 201510630886 A CN201510630886 A CN 201510630886A CN 105335469 A CN105335469 A CN 105335469A
- Authority
- CN
- China
- Prior art keywords
- thumbnail
- gray
- images
- feature
- image
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及计算机图像处理与识别技术领域,尤其涉及到计算机图像匹配、检索方法和装置。匹配、检索方法包括:生成对原始图像的M×M的缩略图;将缩略图转化为灰度图;计算缩略图中全部像素的灰度平均值;将所述缩略图中每个像素的灰度值与所述灰度平均值进行比较,比较值大于或等于1,则Pi=1,否则Pi=0;将所有Pi的集合按一定顺序组合成一个二进制整数,该二进制整数即为该原始图像的缩略图特征;逐位比较原始图像与待匹配图像的缩略图特征,如果不相同的数据位不超过一定阈值,则两个图像匹配,否则,认为是两张不同的图像。本发明以图像作为检索关键来检索相似图像,匹配准确性高、检索效率高,值得在图像匹配、检索等多媒体领域推广应用。
Description
技术领域
本发明涉及计算机图像处理与识别技术领域,尤其涉及到计算机图像匹配、检索方法和装置。
背景技术
在多媒体快速发展的今天,在许多场合,用户需要根据一副图片,在资源库中快速找到该原始图片或该图片所涉及的视频文件。
现有的图像匹配算法主要有:基于kd-tree的最近邻匹配方法,基于图像块近似匹配方法以及基于哈希表的临近元素检索方法。文献“ComputingNearest-NeighborFieldsviaPropagation-AssistedKD-Trees,2012CVPR”提出了一种基于传播方法KD-Trees匹配方法计算两个视角间稠密的匹配关系,旨在两张图像中通过一张图像恢复出另一张图像的信息。传统的基于树形结构的匹配方法,通常利用KD-Tree计算特征点之间的最近邻关系,该方法能够通过树形结构统计图像中带匹配特征的分布信息,然而该方法常常独立的考虑每一组匹配关系,并没有充分利用多个匹配特征对之间的相互依赖关系。图像块近似匹配方法(PatchMatch)是基于图像的局部一致性假设设计的图像匹配方法,即若图像1中的区域A与图像2中的区域B已验证具有匹配关系,则在相当的概率上A的临近区域与B的临近区域也具有相似的匹配关系。这是一个高效且自动的算法,巧妙的结合了基于树形结构与图像块的两种匹配思想。同时有效的避免了针对树形结构检索时具有的大量的回溯现象,而有能够提前对图像数据进行整理,回避了图像块匹配中需要随机采样的算法不稳定性。
此外,为了有效地从巨大数量的存储图片或视频文档中检索所需文档,考虑除文本之外主要包括图像的文档的检索是重要的。全文本搜索对于检索图像文件而不是文本的文档,诸如演示材料、广泛使用图形和可视数据之类的文档是能力不足的。当用户想要使用给定图像作为检索关键,并检索包括图像的文档时,现有的全文本搜索不能很好地起作用。
已知使用图像作为检索关键来检索相似图像的许多相似图像检索方案。如一种基于图像中的边缘等来确定对象的形状以抽取对象,并使用对象的配置、配色、多个对象之间的位置关系等的方案;一种基于直方图等抽取并使用形成整个图像的占主导的颜色的组合或彩色图案的方案等。例如,日本专利申请公开No.2005-244684披露了一种相似图像检索方案,该相似图像检索方案使用推导具有与认知相似度确定接近的特性的特征量的数学处理。但是其检索效率和准确性不高。
发明内容
本发明所要解决的技术问题是提出一种图像匹配方法,快速、准确进行图像的匹配。
为解决上述技术问题,本发明提出一种图像匹配、检索方法,包括以下步骤:
步骤S1:对原始图像进行采样得到M×M的缩略图;
步骤S2:将所述M×M的缩略图转化为灰度图;
步骤S3:计算所述缩略图中全部像素的灰度平均值V;
步骤S4:将所述缩略图中每个像素的灰度值Vi与所述灰度平均值进行比较,得到Pi=Vi/V,若Pi的值大于或等于1,则Pi=1,否则Pi=0,i为像素序号;
步骤S5:将所有Pi的集合按一定顺序组合成一个二进制整数,该二进制整数即为该原始图像的缩略图特征;
步骤S6:逐位比较原始图像与待匹配图像的缩略图特征,如果不相同的数据位不超过一定阈值,则两个图像匹配,否则,认为是两张不同的图像。
进一步的,将若干原始图片的缩略图特征存入一个数据库,并在所述数据库中为每个缩略图特征建立其与原始图片的关联。
更进一步的,对于一个原始视频文件,选取其特定的一帧图片,计算该图片的缩略图特征。
优选的,所述M×M的缩略图为8×8的缩略图。
一种图像匹配、检索的装置,包括:
缩略图获取器,用于对原始图像进行水平与竖直方向上降采样得到M×M的缩略图;
灰度图转化器,用于将所述M×M的缩略图转化为灰度图;
灰度平均值计算器:用于计算所述缩略图中全部像素的灰度平均值V;
灰度比较赋值器,用于将所述缩略图中每个像素的灰度值Vi与所述灰度平均值进行比较,得到Pi=Vi/V,若Pi的值大于或等于1,则Pi=1,否则Pi=0,i为像素序号;
缩略图特征生成器,用于将所有Pi的集合按一定顺序组合成一个二进制整数,该二进制整数即为该原始图像的缩略图特征;
缩略图特征比较器:逐位比较两个图像的缩略图特征,如果不相同的数据位不超过一定阈值,则两个图像匹配,否则,认为是两张不同的图像。
进一步的,图像匹配、检索的装置还包括缩略图特征数据库,用于存储若干原始图像的缩略图特征,且每个缩略图特征建有与原始图像的关联。
视频帧截取器,用于截取某个视频的一个特定帧图像。
本发明以图像作为检索关键来检索相似图像,匹配准确性高、检索效率高,值得在图像匹配、检索等多媒体领域推广应用。
附图说明
下面结合附图和具体实施方式对本发明的技术方案作进一步具体说明。
图1为本发明具体实施方法的处理流程图。
图2为本发明具体实施方式的结构示意图图。
具体实施方式
如图1所示,为几个步骤:
步骤1、判断的对象是图片还是视频,如果是图片直接进行步骤2,如果是视频,则进行
步骤2,截取保存视频画面特定一个帧的快照画面图片。
步骤3、将快照画面缩小尺寸到M×M,例如,8×8,16×16,本实施例选为8×8的尺寸,总共64个像素。这一步骤的作用是去除图片的细节,只保留结构、明暗等基本信息,摒弃不同尺寸、比例带来的图片差异。
步骤4、快照画面简化色彩:将缩小后的图片,转为64级灰度。也就是说,所有像素点总共只有64种颜色。
步骤5、计算平均值:计算所有64个像素的灰度平均值。
步骤6、比较像素的灰度:将每个像素的灰度,与平均值进行比较。大于或等于平均值,记为1;小于平均值,记为0。
步骤7、计算哈希值:将步骤6的比较结果,组合在一起,构成一个64位的整数,即这张图片的快照缩略图特征。
步骤8、得到快照缩略图特征以后存入数据库,数据库中为每个缩略图特征建立其与原始图片的关联。
步骤9、通过检索特征就对比不同的图片,看看64缩略图特征位中有多少位是不一样的。如果不相同的数据位不超过一定阈值,如5,就说明两张图片很相似;如果大于一定阈值,如10,就说明这是两张不同的图片。
如图2所示,一种图像匹配、检索的装置,包括:
缩略图获取器,用于对原始图像进行采样得到M×M的缩略图;
灰度图转化器,用于将所述M×M的缩略图转化为灰度图;
灰度平均值计算器:用于计算所述缩略图中全部像素的灰度平均值V;
灰度比较赋值器,用于将所述缩略图中每个像素的灰度值Vi与所述灰度平均值进行比较,得到Pi=Vi/V,若Pi的值大于或等于1,则Pi=1,否则Pi=0,i为像素序号;
缩略图特征生成器,用于将所有Pi的集合按一定顺序组合成一个二进制整数,该二进制整数即为该原始图像的缩略图特征;
缩略图特征比较器:逐位比较两个图像的缩略图特征,如果不相同的数据位不超过一定阈值,则两个图像匹配,否则,认为是两张不同的图像。
进一步的,图像匹配、检索的装置还包括缩略图特征数据库,用于存储若干原始图像的缩略图特征,且每个缩略图特征建有与原始图像的关联。
视频帧截取器,用于截取某个视频的一个特定帧图像。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种图像匹配、检索方法,其特征在于,包括以下步骤:
步骤S1:对原始图像进行采样得到M×M的缩略图;
步骤S2:将所述M×M的缩略图转化为灰度图;
步骤S3:计算所述缩略图中全部像素的灰度平均值V;
步骤S4:将所述缩略图中每个像素的灰度值Vi与所述灰度平均值进行比较,得到Pi=Vi/V,若Pi的值大于或等于1,则Pi=1,否则Pi=0,i为像素序号;
步骤S5:将所有Pi的集合按一定顺序组合成一个二进制整数,该二进制整数即为该原始图像的缩略图特征;
步骤S6:逐位比较原始图像与待匹配图像的缩略图特征,如果不相同的数据位不超过一定阈值,则两个图像匹配,否则,认为是两张不同的图像。
2.根据权利要求1所述的图像匹配、检索方法,其特征在于,将若干原始图片的缩略图特征存入一个数据库,并在所述数据库中为每个缩略图特征建立其与原始图片的关联。
3.根据权利要求1所述的图像匹配、检索方法,其特征在于,对于一个原始视频文件,选取其特定的一帧图片,计算该图片的缩略图特征。
4.根据权利要求1所述的图像匹配、检索方法,其特征在于,所述M×M的缩略图为8×8的缩略图。
5.一种图像匹配、检索的装置,包括:
缩略图获取器,用于对原始图像进行水平与竖直方向上降采样得到M×M的缩略图;
灰度图转化器,用于将所述M×M的缩略图转化为灰度图;
灰度平均值计算器:用于计算所述缩略图中全部像素的灰度平均值V;
灰度比较赋值器,用于将所述缩略图中每个像素的灰度值Vi与所述灰度平均值进行比较,得到Pi=Vi/V,若Pi的值大于或等于1,则Pi=1,否则Pi=0,i为像素序号;
缩略图特征生成器,用于将所有Pi的集合按一定顺序组合成一个二进制整数,该二进制整数即为该原始图像的缩略图特征;
缩略图特征比较器:逐位比较两个图像的缩略图特征,如果不相同的数据位不超过一定阈值,则两个图像匹配,否则,认为是两张不同的图像。
6.根据权利要求5所述的图像匹配、检索的装置,其特征在于,还包括缩略图特征数据库,用于存储若干原始图像的缩略图特征,且每个缩略图特征建有与原始图像的关联。
7.根据权利要求5或6所述的图像匹配、检索的装置,其特征在于,还包括视频帧截取器,用于截取某个视频的一个特定帧图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510630886.2A CN105335469A (zh) | 2015-09-29 | 2015-09-29 | 一种图像匹配、检索方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510630886.2A CN105335469A (zh) | 2015-09-29 | 2015-09-29 | 一种图像匹配、检索方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105335469A true CN105335469A (zh) | 2016-02-17 |
Family
ID=55285996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510630886.2A Pending CN105335469A (zh) | 2015-09-29 | 2015-09-29 | 一种图像匹配、检索方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105335469A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894541A (zh) * | 2016-04-18 | 2016-08-24 | 武汉烽火众智数字技术有限责任公司 | 一种基于多视频碰撞的运动目标检索方法和系统 |
CN105912704A (zh) * | 2016-04-27 | 2016-08-31 | 努比亚技术有限公司 | 图片检索方法和装置 |
CN107545221A (zh) * | 2016-06-28 | 2018-01-05 | 北京京东尚科信息技术有限公司 | 婴儿踢被识别方法、系统及装置 |
CN108090230A (zh) * | 2018-01-10 | 2018-05-29 | 浙江中国轻纺城网络有限公司 | 一种面料搜索方法及装置、计算机可读存储介质 |
CN108268533A (zh) * | 2016-12-30 | 2018-07-10 | 南京烽火软件科技有限公司 | 一种用于图像检索的图像特征匹配方法 |
CN108733676A (zh) * | 2017-04-14 | 2018-11-02 | 合信息技术(北京)有限公司 | 视频缩略图的提取方法及装置 |
CN109032810A (zh) * | 2017-06-09 | 2018-12-18 | 阿里巴巴集团控股有限公司 | 业务过程的启动方法和装置 |
CN110115839A (zh) * | 2019-05-14 | 2019-08-13 | 北京字节跳动网络技术有限公司 | 用于生成图片的方法和装置 |
CN110134813A (zh) * | 2019-05-16 | 2019-08-16 | 河北省科学院应用数学研究所 | 图像检索方法、图像检索装置及终端设备 |
CN111680178A (zh) * | 2019-03-11 | 2020-09-18 | 福建天泉教育科技有限公司 | 一种校验缩略图的方法及终端 |
CN112434185A (zh) * | 2020-10-26 | 2021-03-02 | 国家广播电视总局广播电视规划院 | 一种查找相似视频片段的方法、系统、服务器及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7870116B2 (en) * | 2007-02-08 | 2011-01-11 | Microsoft Corporation | Method for administrating data storage in an information search and retrieval system |
CN103336776A (zh) * | 2013-05-13 | 2013-10-02 | 云南瑞攀科技有限公司 | 基于图片内容的图片搜索方法 |
CN104361006A (zh) * | 2014-10-11 | 2015-02-18 | 北京中搜网络技术股份有限公司 | 一种轻量级图片搜索方法 |
-
2015
- 2015-09-29 CN CN201510630886.2A patent/CN105335469A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7870116B2 (en) * | 2007-02-08 | 2011-01-11 | Microsoft Corporation | Method for administrating data storage in an information search and retrieval system |
CN103336776A (zh) * | 2013-05-13 | 2013-10-02 | 云南瑞攀科技有限公司 | 基于图片内容的图片搜索方法 |
CN104361006A (zh) * | 2014-10-11 | 2015-02-18 | 北京中搜网络技术股份有限公司 | 一种轻量级图片搜索方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105894541B (zh) * | 2016-04-18 | 2019-05-17 | 武汉烽火众智数字技术有限责任公司 | 一种基于多视频碰撞的运动目标检索方法及系统 |
CN105894541A (zh) * | 2016-04-18 | 2016-08-24 | 武汉烽火众智数字技术有限责任公司 | 一种基于多视频碰撞的运动目标检索方法和系统 |
CN105912704A (zh) * | 2016-04-27 | 2016-08-31 | 努比亚技术有限公司 | 图片检索方法和装置 |
CN105912704B (zh) * | 2016-04-27 | 2020-05-05 | 北京慧辰资道资讯股份有限公司 | 图片筛选方法和装置 |
CN107545221A (zh) * | 2016-06-28 | 2018-01-05 | 北京京东尚科信息技术有限公司 | 婴儿踢被识别方法、系统及装置 |
CN108268533B (zh) * | 2016-12-30 | 2021-10-19 | 南京烽火天地通信科技有限公司 | 一种用于图像检索的图像特征匹配方法 |
CN108268533A (zh) * | 2016-12-30 | 2018-07-10 | 南京烽火软件科技有限公司 | 一种用于图像检索的图像特征匹配方法 |
CN108733676A (zh) * | 2017-04-14 | 2018-11-02 | 合信息技术(北京)有限公司 | 视频缩略图的提取方法及装置 |
CN109032810A (zh) * | 2017-06-09 | 2018-12-18 | 阿里巴巴集团控股有限公司 | 业务过程的启动方法和装置 |
CN108090230A (zh) * | 2018-01-10 | 2018-05-29 | 浙江中国轻纺城网络有限公司 | 一种面料搜索方法及装置、计算机可读存储介质 |
CN111680178B (zh) * | 2019-03-11 | 2022-07-05 | 福建天泉教育科技有限公司 | 一种校验缩略图的方法及终端 |
CN111680178A (zh) * | 2019-03-11 | 2020-09-18 | 福建天泉教育科技有限公司 | 一种校验缩略图的方法及终端 |
CN110115839A (zh) * | 2019-05-14 | 2019-08-13 | 北京字节跳动网络技术有限公司 | 用于生成图片的方法和装置 |
CN110134813A (zh) * | 2019-05-16 | 2019-08-16 | 河北省科学院应用数学研究所 | 图像检索方法、图像检索装置及终端设备 |
CN112434185A (zh) * | 2020-10-26 | 2021-03-02 | 国家广播电视总局广播电视规划院 | 一种查找相似视频片段的方法、系统、服务器及存储介质 |
CN112434185B (zh) * | 2020-10-26 | 2023-07-14 | 国家广播电视总局广播电视规划院 | 一种查找相似视频片段的方法、系统、服务器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105335469A (zh) | 一种图像匹配、检索方法和装置 | |
US11416710B2 (en) | Feature representation device, feature representation method, and program | |
US10831819B2 (en) | Hue-based color naming for an image | |
US20180181594A1 (en) | Searching Method and Apparatus | |
CN110866896B (zh) | 基于k-means与水平集超像素分割的图像显著性目标检测方法 | |
CN105069042A (zh) | 基于内容的无人机侦察图像数据检索方法 | |
US8538164B2 (en) | Image patch descriptors | |
EP4058936A1 (en) | Systems and methods for virtual and augmented reality | |
CN101763429A (zh) | 一种基于颜色和形状特征的图像检索方法 | |
US9384519B1 (en) | Finding similar images based on extracting keys from images | |
CN101930461A (zh) | 通信网络的数字图像可视化管理和检索 | |
WO2016037844A1 (en) | Method and apparatus for image retrieval with feature learning | |
CN106503112B (zh) | 视频检索方法和装置 | |
CN107423309A (zh) | 基于模糊哈希算法的海量互联网相似图片检测系统及方法 | |
CN105260428A (zh) | 图片处理方法和装置 | |
US20140099023A1 (en) | Search method for video clip | |
CN111666442B (zh) | 一种图像检索方法、装置及计算机设备 | |
CN105404657A (zh) | 一种基于cedd特征和phog特征的图像检索方法 | |
CN107506362B (zh) | 基于用户群优化的图像分类仿脑存储方法 | |
WO2020125100A1 (zh) | 一种图像检索方法、装置以及设备 | |
CN104346630A (zh) | 一种异构特征融合的云花卉识别方法 | |
CN105825201A (zh) | 视频监控中的运动目标跟踪方法 | |
CN111324766A (zh) | 一种基于lbp特征的加密图像检索方法 | |
CN104881668A (zh) | 一种基于代表性局部模式的图像指纹提取方法及系统 | |
CN116383470B (zh) | 一种具有隐私保护的图像搜索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 430074, Optics Valley Software Park, East Lake Development Zone, Wuhan, south of Hubei, South Lake Road, Optics Valley Software Park, 2, six, 5, No. 205 Applicant after: Language network (Wuhan) Information Technology Co., Ltd. Address before: 430074, Optics Valley Software Park, East Lake Development Zone, Wuhan, south of Hubei, South Lake Road, Optics Valley Software Park, 2, six, 5, No. 205 Applicant before: Wuhan Transn Information Technology Co., Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160217 |
|
RJ01 | Rejection of invention patent application after publication |