CN105740820A

CN105740820A - 图片辨别方法和辨别系统

Info

Publication number: CN105740820A
Application number: CN201610065611.3A
Authority: CN
Inventors: 魏志宇; 张婳
Original assignee: Individual
Current assignee: Individual
Priority date: 2016-01-29
Filing date: 2016-01-29
Publication date: 2016-07-06
Anticipated expiration: 2036-01-29
Also published as: CN105740820B

Abstract

本发明公开了一种图片辨别方法和图片辨别系统。其中，该方法包括：获取原始图片及原始图片中任一选取点处的细节图片；提取原始图片中选取点邻域内的图像特征和细节图片的图像特征；将原始图片中选取点邻域内的图像特征与细节图片的图像特征进行对比。如果对比误差在预定范围之内，则确定细节图片为原始图片中选取点处的细节图片。将细节图片发送至终端，以供终端根据细节图片进行图片辨别。其中，优选地，图像特征具体包括：颜色直方图和自回归文理模型数据。通过本发明实施例，解决了如何提高图片辨别的精准度的技术问题。

Description

图片辨别方法和辨别系统

技术领域

本发明实施例涉及图像识别技术领域，尤其是涉及一种图片辨别方法和辨别系统。

背景技术

随着科学技术的发展，市场上假冒的方式越来越多，假冒程度有时连鉴定专家也难以分辨出来，严重影响市场的正常运转。商家为了将自己的产品与假冒产品区分开来，常常在自己的产品上使用防伪技术。比如：在产品中加入微型电子芯片，利用芯片的唯一性来辨别产品的真伪；对于使用油墨的产品，在生产过程中，将预采集的脱氧核糖核酸(DNA)加入油墨中，利用DNA的唯一性来辨别产品真伪；或者通过短信方式进行测试的电码防伪技术来辨别产品真伪。目前市场上也充斥着许多与图片相关的假冒产品，使用高科技的电子技术以及印刷技术，可以使图片产品和真迹几乎完全相同。因此，使用有效的真伪鉴别技术对于任何图片产品都是很重要的。

有鉴于此，特提出本发明。

发明内容

本发明实施例的主要目的在于提供一种图片辨别方法，其至少部分地解决了如何提高图片辨别的精准度的技术问题。此外，还提供一种图片辨别系统。

为了实现上述目的，根据本发明的一个方面，提供了以下技术方案：

一种图片辨别方法，该方法至少可以包括：

获取原始图片及所述原始图片中任一选取点处的细节图片；

提取所述原始图片中所述选取点邻域内的图像特征和所述细节图片的图像特征；

将所述原始图片中所述选取点邻域内的图像特征与所述细节图片的图像特征进行对比；

如果对比误差在预定范围之内，则确定所述细节图片为所述原始图片中所述选取点处的细节图片；

将所述细节图片发送至终端，以供所述终端根据所述细节图片进行图片辨别。

根据本发明的另一个方面，还提供一种图片辨别系统，该系统至少包括：

获取单元，被配置为获取原始图片及所述原始图片中任一选取点处的细节图片；

提取单元，被配置为提取所述原始图片中所述选取点邻域内的图像特征和所述细节图片的图像特征；

对比单元，被配置为将所述原始图片中所述选取点邻域内的图像特征与所述细节图片的图像特征进行对比；

确定单元，被配置为如果对比误差在预定范围之内，则确定所述细节图片为所述原始图片中所述选取点处的细节图片；

发送单元，被配置为将所述细节图片发送至终端，以供所述终端根据所述细节图片进行图片辨别。

与现有技术相比，上述技术方案至少具有以下有益效果：

本发明实施例通过获取原始图片及原始图片中任一选取点处的细节图片。然后，

提取原始图片中选取点邻域内的图像特征和细节图片的图像特征。再将原始图片中选取点邻域内的图像特征与细节图片的图像特征进行对比。如果对比误差在预定范围之内，则确定细节图片为原始图片中选取点处的细节图片。可以随时接受用户的指令而将细节图片发送至终端，以供终端根据细节图片进行图片辨别。由此，提高了图片辨别的精准度。

当然，实施本发明的任一产品不一定需要同时实现以上所述的所有优点。

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。本发明的目的和其它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方法来实现和获得。

需要说明的是，发明内容部分并非旨在标识出请求保护的主题的必要技术特征，也并非是用来确定请求保护的主题的保护范围。所要求保护的主题不限于解决在背景技术中提及的任何或所有缺点。

附图说明

附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，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附图。在附图中：

图1为根据一示例性实施例示出的图片辨别方法的流程示意图；

图2为根据一示例性实施例示出的带有选取点的原始图片的示意图；

图3为根据一示例性实施例示出的图片辨别系统的结构示意图。

这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

下面结合附图以及具体实施例对本发明实施例解决的技术问题、所采用的技术方案以及实现的技术效果进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请的一部分实施例，并不是全部实施例。基于本申请中的实施例，本领域普通技术人员在不付出创造性劳动的前提下，所获的所有其它等同或明显变型的实施例均落在本发明的保护范围内。本发明实施例可以按照权利要求中限定和涵盖的多种不同方式来具体化。

需要说明的是，在下面的描述中，为了方便理解，给出了许多具体细节。但是很明显，本发明的实现可以没有这些具体细节。

需要说明的是，在没有明确限定或不冲突的情况下，本发明中的各个实施例及其中的技术特征可以相互组合而形成技术方案。

本发明实施例主要的技术构思是建立一藏家与消费者的共享平台，消费者通过将自己手中的藏品的细节图片与藏家上传至服务器的图画或字画等艺术品的细节图片进行对比，从而进行图片辨别，以判断自己手中的藏品的真伪。

本发明实施例提供一种图片辨别方法。如图1所示，该方法至少包括：

步骤S100：获取原始图片及原始图片中任一选取点处的细节图片。

在本步骤中，用户可以将在终端中已存储的原始图片的细节图片上传至服务器。另外，用户(例如：艺术家)也可以通过手势输入装置在原始图片上确定选取点，并获取该选取点处的细节图片，然后通过上传图片装置上传至服务器。其中，手势输入装置包括但不限于鼠标、触摸屏等。手势输入装置接收手势信息来在原始图片上确定选取点，以获取细节图片。如图2所示，其中示意性地示出了原始图片上的选取点(如图中黑色圆点所示)。

艺术家随时可以将原始图片(即真品)及其细节图片上传至服务器已进行更新。

获取原始图片中任一选取点处的细节图片具体可以包括：

步骤S102：根据原始图片，建立坐标系。

步骤S104：在坐标系上确定细节图片的选取点。

步骤S106：根据选取点，获取细节图片。

其中，根据选取点，获取细节图片具体还可以包括：

步骤S1062：对选取点进行放大，形成放大区域。

步骤S1064：通过摄像装置拍摄放大区域，从而获取细节图片。

具体地，在获取原始图片的细节图片时，用户可以通过手势输入装置在终端上选取细节图片的选取点，然后放大该选取点，例如，对选取点放大10至200倍，形成放大区域，以显示图片的细节，再使用摄像装置来拍摄该放大区域，从而获取原始图片的细节图片。

获取的细节图片对应到原始图片上是一个很小的区域，其可以是0.1*0.1毫米的区域。

步骤S110：提取原始图片中选取点邻域内的图像特征和细节图片的图像特征。

其中，本步骤还可以包括：

步骤S112：提取原始图片中选取点邻域内的颜色直方图和自回归文理模型数据。

步骤S114：提取细节图片的颜色直方图和自回归文理模型数据。

其中，颜色直方图包括但不限于基于RGB颜色空间的颜色直方图、基于HSV颜色空间的颜色直方图。RGB颜色空间利用了物理学中的三基色叠加原理从而组成各种不同颜色的原理。在RGB颜色空间中，R、G、B三个分量的属性是独立的。也即是说，RGB颜色可以表示为(Red,Green,Blue)。其中，各个分量的数值越小，亮度越低。数值越大，亮度越高；例如：(0,0,0)表示黑色，(255，255,255)表示白色。HSV(huesaturationvalue)表示色相、饱和度和亮度。HSV是把H(色相)，S(饱和度)，V(亮度)当做色值来定位颜色的空间。色相的取值范围是0-360度，用来表示颜色的类别。其中红色是0度，绿色是120度，蓝色是240度。饱和度的取值范围是0％-100％。用来表示颜色的鲜艳程度，灰色的饱和度是0％，纯粹的颜色(比如:大红(255,0,0),青色(0,255,255)等等)的饱和度是100％。亮度的取值范围是0％-100％，用来表示颜色的明暗程度，亮度为0％时为黑色，亮度为100％时为白色，亮度介于0％-100％之间时，则用来表示各个颜色的明暗程度。HSV颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集，圆锥的顶面对应于V＝1.它包含RGB模型中的R＝1，G＝1，B＝1三个面，所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于角度0°，绿色对应于角度120°，蓝色对应于角度240°。在HSV颜色模型中，每一种颜色和它的补色相差180°。饱和度S取值从0到1，所以圆锥顶面的半径为1。HSV颜色模型所代表的颜色域是CIE色度图的一个子集，这个模型中饱和度为百分之百的颜色，其纯度一般小于百分之百。在圆锥的顶点(即原点)处，V＝0,H和S无定义，代表黑色。圆锥的顶面中心处S＝0，V＝1,H无定义，代表白色。从该点到原点代表亮度渐暗的灰色，即具有不同灰度的灰色。对于这些点，S＝0,H的值无定义。

计算颜色直方图可以将颜色空间划分成若干个小的颜色区间，每个小区间成为直方图的一个bin。这个过程称为颜色量化(colorquantization)。然后，通过计算颜色落在每个小区间内的像素数量，可以得到颜色直方图。颜色量化有许多方法，例如向量量化、聚类方法或者神经网络方法。为了简便起见，可以将颜色空间的各个分量(维度)均匀地进行划分。

在提取自回归文理模型(SAR模型)数据时，通过将某个像素与其相邻像素的关系来将该想色的强度描述成随机变量。

例如：设s表示某个像素，则该像素的强度值g(s)表示为：

g(s)＝μ+Σθ(r)g(s+r)+ε(s)

其中，μ表示基准偏差，由整幅图像的平均强度值所决定；θ(r)表示一系列模型参数，用来表示不同相邻位置上的像素的权值；ε(s)表示噪音项，其为均值为0而方差为σ的高斯随机变量。g(s)表示为像素s与它的相邻像素强度值的线性叠加与噪音项ε(s)的和。

通过上式可以用回归法计算参数θ(r)和标准方差σ的值，它们反映了图像的各种纹理特征。可以使用最小误差法和极大似然估计方法来计算上述公式中的参数。

步骤S120：将原始图片中选取点邻域内的图像特征与细节图片的图像特征进行对比。

其中，本步骤具体还可以包括：利用人脸识别方法，将原始图片中选取点邻域内的图像特征与细节图片的图像特征进行对比。

步骤S130：如果对比误差在预定范围之内，则确定细节图片为原始图片中选取点处的细节图片。

在本步骤中，如果对比误差在5％以内，则将该细节图片进行存储，以供用户使用此细节图片进行图片辨别。如果对比误差超过5％，则表明该细节图片不是原始图片中选取点处的细节图片，需要进行重新获取。

步骤S140：将细节图片发送至终端，以供终端根据细节图片进行图片辨别。

在本步骤中，终端包括但不限于手机、平板电脑等。用户通过终端获取原始图片，点选在原始图片上的选取点，获取该选取点的细节图片。用户可以从服务器上下载与自己手中藏品的细节图片相对应的真品(相当于上述步骤中的原始图片)的细节图片，然后将两者进行对比，以辨别自己手中的藏品的真伪。

本发明实施例通过上述步骤提高了图片辨别的精准度。尤其是在艺术作品(例如：绘画、字画)方面，通过对艺术作品的图片的辨别，来判断消费者手中的作品的真伪。

本实施例中将各个步骤按照上述先后次序的方式进行了描述，本领域技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这样的次序执行，其可以同时执行或执行次序颠倒，这些简单的变化都在本发明的保护范围之内。

基于与方法实施例相同的技术构思，还提供一种图片辨别系统，如图3所示，该系统30至少包括：获取单元31、提取单元32、对比单元33、确定单元34和发送单元35。其中，获取单元31被配置为获取原始图片及原始图片中任一选取点处的细节图片。提取单元32被配置为提取原始图片中选取点邻域内的图像特征和细节图片的图像特征。对比单元33被配置为将原始图片中选取点邻域内的图像特征与细节图片的图像特征进行对比。确定单元34被配置为如果对比误差在预定范围之内，则确定细节图片为原始图片中选取点处的细节图片。发送单元35被配置为将细节图片发送至终端，以供终端根据细节图片进行图片辨别。

在上述实施例中，获取单元还可以包括：建立模块、确定模块和获取模块。其中，建立模块被配置为根据原始图片，建立坐标系。确定模块被配置为在坐标系上确定细节图片的选取点。获取模块被配置为根据选取点，获取细节图片。

在上述实施例中，获取模块具体可以包括：放大模块和拍摄模块。其中，放大模块被配置为对选取点进行放大，形成放大区域。拍摄模块被配置为通过摄像装置拍摄放大区域，从而获取细节图片。

在上述实施例中，提取单元具体包括：第一提取模块和第二提取模块。其中，第一提取模块被配置为提取原始图片中选取点邻域内的颜色直方图和自回归文理模型数据；第二提取模块被配置为提取细节图片的颜色直方图和自回归文理模型数据。

在上述实施例中，对比单元具体包括：对比模块。其中，对比模块被配置为利用人脸识别方法，将原始图片中选取点邻域内的图像特征与细节图片的图像特征进行对比。

需要说明的是：上述实施例提供的图片辨别系统在进行图片辨别时，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

上述系统实施例可以用于执行上述方法实施例，其技术原理、所解决的技术问题及产生的技术效果相似，所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

应指出的是，上面分别对本发明的系统实施例和方法实施例进行了描述，但是对一个实施例描述的细节也可应用于另一个实施例。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。本领域技术人员应该理解：本发明实施例中的模块或者步骤还可以再分解或者组合。例如上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

以上对本发明实施例所提供的技术方案进行了详细的介绍。虽然本文应用了具体的个例对本发明的原理和实施方式进行了阐述，但是，上述实施例的说明仅适用于帮助理解本发明实施例的原理；同时，对于本领域技术人员来说，依据本发明实施例，在具体实施方式以及应用范围之内均会做出改变。

需要说明的是：附图中的标记和文字只是为了更清楚地说明本发明，不视为对本发明保护范围的不当限定。

术语“包括”、“包含”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。

本发明的各个步骤可以用通用的计算装置来实现，例如，它们可以集中在单个的计算装置上，例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备或者多处理器装置，也可以分布在多个计算装置所组成的网络上，它们可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。因此，本发明不限于任何特定的硬件和软件或者其结合。

本发明提供的方法可以使用可编程逻辑器件来实现，也可以实施为计算机程序软件或程序模块(其包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件或数据结构等等)，例如根据本发明的实施例可以是一种计算机程序产品，运行该计算机程序产品使计算机执行用于所示范的方法。所述计算机程序产品包括计算机可读存储介质，该介质上包含计算机程序逻辑或代码部分，用于实现所述方法。所述计算机可读存储介质可以是被安装在计算机中的内置介质或者可以从计算机主体上拆卸下来的可移动介质(例如：采用热插拔技术的存储设备)。所述内置介质包括但不限于可重写的非易失性存储器，例如：RAM、ROM、快闪存储器和硬盘。所述可移动介质包括但不限于：光存储介质(例如：CD－ROM和DVD)、磁光存储介质(例如：MO)、磁存储介质(例如：磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如：存储卡)和具有内置ROM的媒体(例如：ROM盒)。

本发明并不限于上述实施方式，在不背离本发明实质内容的情况下，本领域普通技术人员可以想到的任何变形、改进或替换均落入本发明的范围。

尽管上文已经示出、描述和指出了适用于各种实施方式的本发明的基本新颖特征的详细描述，但是将会理解，在不脱离本发明意图的情况下，本领域技术人员可以对系统的形式和细节进行各种省略、替换和改变。

Claims

1.一种图片辨别方法，其特征在于，所述方法至少包括：

获取原始图片及所述原始图片中任一选取点处的细节图片；

2.根据权利要求1所述的方法，其特征在于，所述获取所述原始图片中任一选取点处的细节图片，具体包括：

根据所述原始图片，建立坐标系；

在所述坐标系上确定所述细节图片的选取点；

根据所述选取点，获取所述细节图片。

3.根据权利要求2所述的方法，其特征在于，所述根据所述选取点，获取所述细节图片，具体包括：

对所述选取点进行放大，形成放大区域；

通过摄像装置拍摄所述放大区域，从而获取所述细节图片。

4.根据权利要求1所述的方法，其特征在于，所述提取所述原始图片中所述选取点邻域内的图像特征和所述细节图片的图像特征，具体包括：

提取所述原始图片中所述选取点邻域内的颜色直方图和自回归文理模型数据；

提取所述细节图片的颜色直方图和自回归文理模型数据。

5.根据权利要求1所述的方法，其特征在于，所述将所述原始图片中所述选取点邻域内的图像特征与所述细节图片的图像特征进行对比，具体包括：

利用人脸识别方法，将所述原始图片中所述选取点邻域内的图像特征与所述细节图片的图像特征进行对比。

6.一种图片辨别系统，其特征在于，所述系统至少包括：

7.根据权利要求6所述的系统，其特征在于，所述获取单元具体包括：

建立模块，被配置为根据所述原始图片，建立坐标系；

确定模块，被配置为在所述坐标系上确定所述细节图片的选取点；

获取模块，被配置为根据所述选取点，获取所述细节图片。

8.根据权利要求7所述的系统，其特征在于，所述获取模块具体包括：

放大模块，被配置为对所述选取点进行放大，形成放大区域；

拍摄模块，被配置为通过摄像装置拍摄所述放大区域，从而获取所述细节图片。

9.根据权利要求6所述的系统，其特征在于，所述提取单元具体包括：

第一提取模块，被配置为提取所述原始图片中所述选取点邻域内的颜色直方图和自回归文理模型数据；

第二提取模块，被配置为提取所述细节图片的颜色直方图和自回归文理模型数据。

10.根据权利要求6所述的系统，其特征在于，所述对比单元具体包括：

对比模块，被配置为利用人脸识别方法，将所述原始图片中所述选取点邻域内的图像特征与所述细节图片的图像特征进行对比。