CN106296634A - 一种检测相似图像的方法和装置 - Google Patents
一种检测相似图像的方法和装置 Download PDFInfo
- Publication number
- CN106296634A CN106296634A CN201510283434.1A CN201510283434A CN106296634A CN 106296634 A CN106296634 A CN 106296634A CN 201510283434 A CN201510283434 A CN 201510283434A CN 106296634 A CN106296634 A CN 106296634A
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- similarity
- sobel
- similar
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种检测相似图像的方法和装置,属于图像处理技术领域。方法包括:获取第一图像的第一索贝尔特征和第一直方图特征,以及获取第二图像的第二索贝尔特征和第二直方图特征;根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,以及根据所述第一直方图特征和所述第二直方图特征,确定所述第一图像的颜色和所述第二图像的颜色是否相似;如果所述第一图像的边缘和所述第二图像的边缘相似且所述第一图像的颜色和所述第二图像的颜色相似,则确定所述第一图像和所述第二图像为相似图像。装置包括:获取模块,第一确定模块和第二确定模块。本发明能够提高检测相似图像的准确性。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种检测相似图像的方法和装置。
背景技术
目前,大部分终端都具有拍摄功能,用户使用终端拍摄图像时,为了保证拍摄出来的图像的美观性,往往在同一个场景下拍摄多张相似图像,这些相似图像占用终端大量的存储空间。因此,终端需要识别相似图像,只保存相似图像中的一张图像,将相似图像中的其他图像删除,从而节约终端的存储空间。
现有技术提供了一种检测相似图像的方法,可以为:获取两张图像的直方图特征,计算两张图像的直方图特征的相似度;如果该相似度超过预设阈值,则确定这两张图像为相似图像;否则,确定这两张图像不相似。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
如果两张颜色相同但是颜色布局不同的图像,由于这两张图像的颜色布局不同,因此这两张图像是不相似图像,但是由于这两张颜色相同,导致这两张图像的直方特征图是相同的,因此通过现有方法则确定这两张图像为相似图像,从而导致检测相似图像的准确性低。
发明内容
为了解决现有技术的问题,本发明提供了一种检测相似图像的方法和装置。技术方案如下:
一种检测相似图像的方法,所述方法包括:
获取第一图像的第一索贝尔特征和第一直方图特征,以及获取第二图像的第二索贝尔特征和第二直方图特征;
根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,以及根据所述第一直方图特征和所述第二直方图特征,确定所述第一图像的颜色和所述第二图像的颜色是否相似;
如果所述第一图像的边缘和所述第二图像的边缘相似且所述第一图像的颜色和所述第二图像的颜色相似,则确定所述第一图像和所述第二图像为相似图像。
一种检测相似图像的装置,所述装置包括:
获取模块,用于获取第一图像的第一索贝尔特征和第一直方图特征,以及获取第二图像的第二索贝尔特征和第二直方图特征;
第一确定模块,用于根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,以及根据所述第一直方图特征和所述第二直方图特征,确定所述第一图像的颜色和所述第二图像的颜色是否相似;
第二确定模块,用于如果所述第一图像的边缘和所述第二图像的边缘相似且所述第一图像的颜色和所述第二图像的颜色相似,则确定所述第一图像和所述第二图像为相似图像。
在本发明实施例中,根据第一图像的第一索贝尔特征和第二图像的第二索贝尔特征,确定第一图像的边缘和第二图像的边缘是否相似,以及根据第一图像的第一直方图特征和第二图像的第二直方图特征,确定第一图像的颜色和第二图像的颜色是否相似;如果第一图像的边缘和第二图像的边缘相似且第一图像的颜色和第二图像的颜色相似,则确定第一图像和第二图像为相似图像,从而结合图像的边缘和颜色确定两张图像是否为相似图像,提高了检测相似图像的准确性。
附图说明
图1是本发明实施例1提供的一种检测相似图像的方法流程图;
图2-1是本发明实施例2提供的一种检测相似图像的方法流程图;
图2-2是本发明实施例2提供的将第一灰度图像和第二灰度图像划分为多个灰度图像块的示意图;
图2-3是本发明实施例2提供的将第一图像和第二图像划分为多个图像块的示意图;
图2-4是本发明实施例2提供的获取第一图像的第一直方图特征和第一索贝尔特征的示意图;
图2-5是本发明实施例2提供的获取第二图像的第二直方图特征和第二索贝尔特征的示意图;
图2-6是本发明实施例2提供的获取第一图像与第二图像的第三相似度的示意图;
图3-1是本发明实施例3提供的一种检测相似图像的装置结构示意图;
图3-2是本发明实施例3提供的一种第一确定模块的结构示意图;
图3-3是本发明实施例3提供的另一种检测相似图像的装置结构示意图;
图4是本发明实施例4提供的一种终端的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
本发明实施例提供了一种检测相似图像的方法,在第一图像的第一直方图特征和第二图像的第二直方图特征的基础上,结合第一图像的第一索贝尔特征和第二图像的第二索贝尔特征,确定第一图像和第二图像是否为相似图像。
该方法的执行主体为终端,参见图1,其中,该方法包括:
步骤101:获取第一图像的第一索贝尔特征和第一直方图特征,以及获取第二图像的第二索贝尔特征和第二直方图特征;
步骤102:根据第一索贝尔特征和第二索贝尔特征,确定第一图像的边缘和第二图像的边缘是否相似,以及根据第一直方图特征和第二直方图特征,确定第一图像的颜色和第二图像的颜色是否相似;
步骤103:如果第一图像的边缘和第二图像的边缘相似且第一图像的颜色和第二图像的颜色相似,则确定第一图像和第二图像为相似图像。
在本发明实施例中,根据第一图像的第一索贝尔特征和第二图像的第二索贝尔特征,确定第一图像的边缘和第二图像的边缘是否相似,以及根据第一图像的第一直方图特征和第二图像的第二直方图特征,确定第一图像的颜色和第二图像的颜色是否相似;如果第一图像的边缘和第二图像的边缘相似且第一图像的颜色和第二图像的颜色相似,则确定第一图像和第二图像为相似图像,从而结合图像的边缘和颜色确定两张图像是否为相似图像,提高了检测相似图像的准确性。
实施例2
本发明实施例提供了一种检测相似图像的方法,在第一图像的第一直方图特征和第二图像的第二直方图特征的基础上,结合第一图像的第一索贝尔特征和第二图像的第二索贝尔特征,确定第一图像和第二图像是否为相似图像。
该方法的执行主体为终端,参见图2-1,其中,该方法包括:
步骤201:获取第一图像的第一索贝尔特征和第二图像的第二索贝尔特征;
其中,第一索贝尔特征包括第一图像中的每个第一灰度图像块的第三索贝尔特征,第二索贝尔特征包括第二图像中的每个第二灰度图像块的第四索贝尔特征,每个第一灰度图像块对应一个第二灰度图像块;则获取第一图像的第一索贝尔特征以及获取第二图像的第二索贝尔特征可以通过以下步骤(1)至(3)实现,包括:
(1):分别将第一图像和第二图像进行灰度转换得到第一灰度图像和第二灰度图像;
分别将第一图像和第二图像进行解码并归一化处理得到第一RGB图像和第二RGB图像;分别将第一RGB图像和第二RGB图像进行灰度转换得到第一灰度图像和第二灰度图像。
其中,对于第一RGB图像中的每个像素点或者第二RGB图像中的每个像素点,可以按照以下公式(1)进行灰度转换得到每个像素点的灰度值:
G=0.299R+0.590G+0.110B (1)
其中,G为像素点的灰度值,R为该像素点的R值,G为该像素点的G值,B为该像素点的B值。
为了提高终端的运算效率,去掉浮点运算,在公式(1)两边同时乘以256,再同时除以256,得到公式(1):
G=(77R+151G+28B)/256 (2)
则公式(2)等价于G=(77R+151G+28B)>>8;其中,>>表示右移。
需要说明的是,去掉浮点运算能够提高终端的运算效率,从而提高检测相似图像的效率。
(2):分别将第一灰度图像和第二灰度图像均分为多个第一灰度图像块和多个第二灰度图像块;
将第一灰度图像均分为多个第一灰度图像块,将第二灰度图像均分为多个第二灰度图像块;多个第一灰度图像块中的每个第一灰度图像块对应一个第二灰度图像块。
其中,将第一灰度图像均分的多个第一灰度图像块的第一块数以及将第二图灰度像均分为多个第二灰度图像块的第二块数可以根据想要进行设置并更改,只要保证第一块数等于第二块数即可;例如,第一块数和第二块数都为4,9或16等;经过发明人的实验研究,既能保证检测相似图像的准确性还能不增加终端的CPU运算压力,第一块数和第二块数优选的取9。
例如,第一块数和第二块数为9,参见图2-2,则将第一灰度图像均分为9块,得到9个第一灰度图像块;将第二灰度图像均分为9块,得到9个第二灰度图像块。根据各图像块的位置,选择在灰度图像中的相对位置相同的两个灰度图像块确定为对应的灰度图像块。
(3):分别获取每个第一灰度图像块的第三索贝尔特征和每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征。
其中,图像的索贝尔特征即是图像中包括的亮点数量和暗点数量;则本步骤可以通过以下步骤(3-1)至(3-3)实现,包括:
(3-1):计算每个第一灰度图像块中的每个像素点的亮度值以及每个第二灰度图像块中的每个像素点的亮度值;
对于第一灰度图像块中的每个像素点或者每个第二灰度图像中的每个像素点,根据该像素点的灰度值,通过以下公式(3)计算该像素点的亮度值:
A=(Ax 2+Ay 2)1/2 (3)
其中, A为像素点的亮度值,G为像素点的灰度值。
为了提高终端的运算效率,避免出现浮点运算,可以将公式(3)进行近似,用绝对值运算近似平方和开方,也即取A=|Ax|+|Ay|。
(3-2):根据每个像素点的亮度值确定每个像素点是亮点还是暗点;
对于每个像素点,确定该像素点的亮度值是否大于第一预设亮度值;如果该亮度值大于第一预设亮度值,则确定该像素点为亮点;如果该亮度值不大于第一预设亮度值,则确定该亮度值是否小于第二预设亮度值,如果该亮度值小于第二预设亮度值,则确定该像素点为暗点。
其中,第一预设亮度值和第二预设亮度值都可以根据需要进行设置并更改,在本发明实施例中对第一预设亮度值和第二预设亮度值都不做具体限定;例如,第一预设亮度值为220,第二预设亮度值为30,则如果像素点的亮度值大于220,则确定该像素点为亮点;如果像素点的亮度值小于30,则确定该像素点为暗点。
(3-3):统计每个第一灰度图像块中的第三亮点数量和第三暗点数量,以及统计每个第二灰度图像块中的第四亮点数量和第四暗点数量。
对于每个第一灰度图像块,统计该第一灰度图像块中包括的亮点数量和暗点数量,将该亮点数量作为第三亮点数量,将该暗点数量作为第三暗点数量。
对于每个第二灰度图像块,统计该第二灰度图像块中包括的亮点数量和暗点数量,将该亮点数量作为第四亮点数量,将该暗点数量作为第四暗点数量。
进一步度,将多个第三亮点数量之和作为第一亮点数量,将多个第三暗点数量之和作为第一暗点数量,将多个第四亮点数量之和作为第二亮点数量,将多个第四暗点数量之和作为第二暗点数量。
步骤202:根据第一索贝尔特征和第二索贝尔特征,确定第一图像的边缘和第二图像的边缘是否相似,如果相似,执行步骤203;
第一索贝尔特征包括第一图像中的第一亮点数量和第一暗点数量;第二索贝尔特征包括第二图像中的第二亮点数量和第二暗点数量;则本步骤可以通过以下步骤(1)至(4)实现,包括:
(1):根据第一亮点数量和第二亮点数量,计算第一图像与第二图像之间的亮点相似度;
根据第一亮点数量和第二亮点数量,通过以下公式(4)计算第一图像与第二图像之间的亮点相似度。
其中,Dsobel1(a,b)为亮点相似度,nMax=min(a,b),nAbs=|a-b|,a为第一亮点数量,b为第二亮点数量。
(2):根据第一暗点数量和第二暗点数量,计算第一图像与第二图像之间的暗点相似度;
根据第一暗点数量和第二暗点数量,通过以下公式(5)计算第一图像与第二图像之间的暗点相似度。
其中,Dsobel2(a,b)为暗点相似度,nMax=min(a,b),nAbs=|a-b|,a为第一暗点数量,b为第二暗点数量。
(3):根据亮点相似度和暗点相似度,计算第一索贝尔特征与第二索贝尔特征之间的第一相似度。
获取亮点相似度和暗点相似度中的最小值,将该最小值作为第一索贝尔特征与第二索贝尔特征之间的第一相似度。也即Dsobel=min(Dsobel,Dsobel2)。
(4):如果第一相似度大于第一预设数值,则确定第一图像的边缘和第二图像的边缘相似;
如果第一相似度不大于第一预设数值,则确定第一图像的边缘和第二图像的边缘不相似。
第一预设数值可以根据需要进行设置并更改,在本发明实施例中,对第一预设数值不作具体限定;例如,第一预设数值可以为0.6或者0.8等。
需要说明的是,在本发明实施例中第一索贝尔特征包括第一图像中的每个第一灰度图像块的第三索贝尔特征,第二索贝尔特征包括第二图像中的每个第二灰度图像块的第四索贝尔特征;则本步骤可以为:
计算第一索贝尔特征与第二索贝尔特征之间的第一相似度,如果第一相似度大于第一预设数值,则确定第一图像的边缘和第二图像的边缘相似。
其中,计算第一索贝尔特征与第二索贝尔特征之间的第一相似度的步骤可以通过以下步骤(A)和(B)实现,包括:
(A):分别计算每个第一灰度图像块的第三索贝尔特征与每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征之间的相似度,得到多个第四相似度;
第三索贝尔特征包括第一灰度图像块中的第三亮点数量和第三暗点数量;第四索贝尔特征包括第二灰度图像块中的第四亮点数量和第四暗点数量。则本步骤可以通过以下步骤(A-1)至(A-3)实现,包括:
(A-1):根据第三亮点数量和第四亮点数量,计算第一灰度图像块与第二灰度图像块之间的亮点相似度;
(A-2):根据第三暗点数量和第四暗点数量,计算第一灰度图像块与第二灰度图像块之间的暗点相似度;
(A-3):根据亮点相似度和暗点相似度,计算第三索贝尔特征与第四索贝尔特征之间的第四相似度。
通过以上步骤(A-1)至(A-3)计算得到每个第一灰度图像块的第三索贝尔特征与每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征之间的相似度,得到多个第四相似度。
(B):计算多个第四相似度的平均相似度作为第一索贝尔特征与第二索贝尔特征之间的第一相似度。
步骤203:获取第一图像的第一直方图特征和第二图像的第二直方图特征;
其中,本步骤可以通过以下步骤(1)至(3)实现,包括:
(1):分别将第一图像和第二图像进行解码以及归一化处理得到第一RGB(Red Green Blue,红绿蓝)图像和第二RGB图像;
具体地,分别将第一图像和第二图像进行解码处理,得到第三RGB图像和第四RGB图像,分别对第三RGB图像和第四RGB图像进行归一化处理,得到第一RGB图像和第二RGB图像。
其中,分别对第三RGB图像和第四RGB图像进行归一化处理,将第三RGB图像的宽度和高度缩放到100*100,将第四RGB图像的宽度和高度缩放到100*100,从而将第一图像和第二图像处理为相同大小的图像,方便检测第一图像和第二图像是否为相似图像。
(2):分别将第一RGB图像和第二RGB图像转换为第一HSV(HueSaturation Value,色相饱和度明度)图像和第二HSV图像;
HSV图像包括三个通道,分别为H通道、S通道和V通道;对于第一RGB图像中的每个像素点和第二RGB图像中的每个像素点,根据每个像素点的R值、G值和B值,通过以下公式(6)计算每个像素点的H值;通过以下公式(7)计算每个像素点的S值;通过以下公式(8)计算每个像素点的V值。从而将第一RGB图像转换为第一HSV图像,将第二RGB图像转换为第二HSV图像。
V=max (8)
其中,max=max{R值,G值,B值},min=min{R值,G值,B值}。
需要说明的是,为了减少图像亮度的干扰,只需要统计H通道的直方图,因此,在本步骤中只需要将第一RGB图像和第二RGB图像进行H通道转换即可。也即本步骤可以为:
对于第一RGB图像中的每个像素点和第二RGB图像中的每个像素点,根据每个像素点的R值、G值和B值,通过以下公式(6)计算每个像素点的H值得到每个像素的H值,第一RGB图像中的每个像素点的H值组成第一HSV图像的H通道图像,第二RGB图像中的每个像素点的H值组成第二HSV图像的H通道图像,从而将第一RGB图像转换为第一HSV图像的H通道图像,将第二RGB图像转换为第二HSV图像的H通道图像。
(3):对第一HSV图像和第二HSV图像进行H通道直方图统计得到第一图像的第一直方图特征和第二直方图特征。
其中,第一直方图特征包括多个第三直方图特征,第二直方图特征包括多个第四直方图特征。
将第一HSV图像的H通道图像均分为多个第一图像块,将第二HSV图像的H通道图像均分为多个第二图像块;多个第一图像块中的每个第一图像块对应一个第二图像块;分别对每个第一图像块进行H通道直方图统计得到每个第一图像块的第三直方图特征;分别对多个第二图像块中的每个第二图像块进行H通道直方图统计得到每个第二图像块的第四直方图特征。
将第一HSV图像的H通道图像均分为多个第一图像块的第三块数以及将第二HSV图像的H通道图像均分为多个第二图像块的第四块数可以根据想要进行设置并更改,只要保证第三块数等于第四块数即可;例如,第三块数和第四块数都为4,9或16等。经过发明人的实验研究,既能保证检测相似图像的准确性还能不增加终端的CPU(Central Processing Unit,中央处理器)运算压力,第三块数和第四块数优选的取4。
例如,第三块数和第四块数为4,参见图2-3,则将第一HSV图像的H通道图像均分为4个第一图像块,分别为第一图像块1,第一图像块2,第一图像块3和第一图像块4;将第二HSV图像的H通道图像均分为4个第二图像块,分别为第二图像块1,第二图像块2,第二图像块3和第二图像块4;根据各图像块的位置,选择在图像中的相对位置相同的两个图像块为对应的图像块,则确定第一图像块1对应第二图像块1,第一图像块2对应第二图像块2,第一图像块3对应第二图像块3,第一图像块4对应第二图像块4。分别对第一图像块1,第一图像块2,第一图像块3和第一图像块4进行H通道直方图统计得到第一图像块1的第三直方图特征,第一图像块2的第三直方图特征,第一图像块3的第三直方图特征和第一图像块4的第三直方图特征;分别对第二图像块1,第二图像块2,第二图像块3和第二图像块4进行H通道直方图统计得到第二图像块1的第四直方图特征,第二图像块2的第四直方图特征,第二图像块3的第四直方图特征和第二图像块4的第四直方图特征。
需要说明的是,进行直方图统计时,直方图的bin数量优选的取32个。
在本发明实施例中,也可以同时获取第一图像的第一直方图特征和第一索贝尔特征,参见图2-4所示;同时获取第二图像的第二直方图特征和第二索贝尔特征的,参见图2-5所示。
步骤204:根据第一直方图特征和第二直方图特征,确定第一图像的颜色和第二图像的颜色是否相似;
计算第一直方图特征与第二直方图特征之间的第二相似度,如果第二相似度大于第二预设数值,则确定第一图像的颜色和第二图像的颜色相似。
其中,第一图像的第一直方图特征包括第一图像中的每个第一图像块的第三直方图特征,第二图像的第二直方图特征包括第二图像中的每个第二图像块的第四直方图特征,每个第一图像块对应一个第二图像块;则计算第一直方图特征与第二直方图特征之间的第二相似度可以通过以下步骤(1)和(2)实现,包括:
(1):分别计算每个第一图像块的直方图与每个第一图像块对应的第二图像块的直方图之间的相似度,得到多个第五相似度;
其中,对于每个第一图像块,通过以下公式(9)计算该第一图像块与该第一图像块对应的第二图像块的直方图之间的第五相似度的步骤为:
其中,Dhist为第四相似度; Npixel为直方图统计的像素数量。
其中,如果第一图像块与第一图像块对应的第二图像块的bin里分布的点数都小于总点数的预设比例,则对这两个bin取交集改为取最大值,即 从而达到降低噪声的效果。
其中,预设比例可以根据小于进行设置并更改,在本发明实施例中对预设比例不作具体限定;例如,预设比例为1%或者2%等。
(2):计算多个第五相似度的平均相似度作为第一图像与第二图像的直方图之间的第二相似度。
进一步地,如果第二相似度不大于第二预设数值,则确定第一图像的颜色和第二图像的颜色不相似。
第二预设数值可以根据需要进行设置并更改,在本发明实施例中对第二预设数值不作具体限定;例如,第二预设数值可以为0.6或者0.8等。
步骤205:如果第一图像的边缘和第二图像的边缘相似且第一图像的颜色和第二图像的颜色相似,则确定第一图像和第二图像为相似图像。
其中,本步骤可以通过以下步骤(1)和(2)实现,包括:
(1):根据第一相似度和第二相似度,计算第一图像与第二图像之间的第三相似度;
获取第一相似度对应的第一权重以及第二相似度对应的第二权重,计算第一相似度和第一权重的乘积得到第一数值,计算第二相似度和第二权重的乘积得到第二数值,计算第一数值和第二数值之和作为第一图像与第二图像之间的第三相似度。
其中,第一权重和第二权重可以根据想要进行设置并更改,只要保证第一权重和第二权重之和等于1即可。为了保证检测相似图像的准确性,经过发明人的实验研究,当第一权重为0.68,第二权重为0.32时,检测相似图像的准确性最高。
则Dxsd=0.32*Dhist+0.68*Dsobel;其中,Dxsd为第三相似度,Dhist为第二相似度,Dsobel为第一相似度;为了避免浮点运算,在以上公式两边同时乘以100,再同时除以100得到Dxsd=(32*Dhist+*68Dsobel)/100。
综上所述,根据第一直方图特征、第二直方图特征、第一索贝尔特征和第二索贝尔特征,计算第一图像与第二图像之间的第三相似度的过程如图2-6所示。
(2):如果第三相似度大于第三预设数值,则确定第一图像和第二图像为相似图像;
确定第三相似度是否大于第三预设数值,如果第三相似度大于第三预设数值,则确定第一图像和第二图像为相似图像;如果第三相似度不大于第三预设数值,则确定第一图像和第二图像不为相似图像。
第三预设数值可以根据需要进行设置并更改,在本发明实施例中对第三预设数值不作具体限定;例如,第三预设数值为0.8。
进一步地,如果第一图像和第二图像为相似图像,将第一图像和第二图像归为一类,删除第一图像或者第二图像,从而节省终端的存储空间。
如果终端中包括多张图像,通过以上步骤201-205,能够获取多张图像的第一相似度和第二相似度,通过以下步骤对将多张图像中的每张图像进行分类,包括:
(1):将每张图像的第一相似度和第二相似度组成集合N;
(2):从集合N中任意取一组相似度,该组相似度包括第一相似度和第二相似度,计算选择的一组相似度与集合N中剩余的任意一组相似度之间的第三相似度;
取任一个特征Ni放入集合M中记为M{P{N1}},再从N中任意取一个特征Nj和Pi{0}属于M{P1{0},……Pn{0}}比较,计算Nj与Pi{0}的第三相似度。
(3):如果第三相似度大于预设数值,则确定该任意图像与该选择的图像为相似图像,将该任意图像与该选择的图像归为一类。
如果第三相似度大于第三预设数值,将Nj放入Pi{}中,直到N中元素为空,M{P{}}即为分类结果。
需要说明的是,整个过程所需的特征比较次数为n(n-1)/2;其中,n为图像数量。
需要说明的是,在本发明实施例中,也可以不通过计算第三相似度的方法确定第一图像与第二图像是否为相似图像,也可以通过调用SVM(Support VectorMachines,支持向量机)分类器,确定第一图像与第二图像是否为相似图像,具体过程如下:
根据第一直方图特征、第二直方图特征、第一索贝尔特征和第二索贝尔特征,通过分类器确定第一图像和第二图像是否为相似图像。
具体地,调用终端上的SVM分类器,将第一直方图特征、第二直方图特征、第一索贝尔特征和第二索贝尔特征输入给SVM分类器,由该SVM根据第一直方图特征、第二直方图特征、第一索贝尔特征和第二索贝尔特征确定第一图像和第二图像是否为相似图像。
在本发明实施例中,根据第一图像的第一索贝尔特征和第二图像的第二索贝尔特征,确定第一图像的边缘和第二图像的边缘是否相似,以及根据第一图像的第一直方图特征和第二图像的第二直方图特征,确定第一图像的颜色和第二图像的颜色是否相似;如果第一图像的边缘和第二图像的边缘相似且第一图像的颜色和第二图像的颜色相似,则确定第一图像和第二图像为相似图像,从而结合图像的边缘和颜色确定两张图像是否为相似图像,提高了检测相似图像的准确性。
实施例3
本发明实施例提供了一种检测相似图像的装置,参见图3-1,装置包括:
获取模块301,用于获取第一图像的第一索贝尔特征和第一直方图特征,以及获取第二图像的第二索贝尔特征和第二直方图特征;
第一确定模块302,用于根据第一索贝尔特征和第二索贝尔特征,确定第一图像的边缘和第二图像的边缘是否相似,以及根据第一直方图特征和第二直方图特征,确定第一图像的颜色和第二图像的颜色是否相似;
第二确定模块303,用于如果第一图像的边缘和第二图像的边缘相似且第一图像的颜色和第二图像的颜色相似,则确定第一图像和第二图像为相似图像。
进一步地,参见图3-2,第一确定模块302,包括:
第一计算单元3021,用于计算第一索贝尔特征与第二索贝尔特征之间的第一相似度;
第一确定单元3022,用于如果第一相似度大于第一预设数值,则确定第一图像的边缘和第二图像的边缘相似;
第一确定模块302,还包括:
第二计算单元3023,计算第一直方图特征与第二直方图特征之间的第二相似度;
第二确定单元3024,用于如果第二相似度大于第二预设数值,则确定第一图像的颜色和第二图像的颜色相似。
进一步地,参见图3-3,第二确定模块303,包括:
第三计算单元3031,用于根据第一相似度和第二相似度,计算第一图像与第二图像之间的第三相似度;
第三确定单元3032,用于如果第三相似度大于第三预设数值,则确定第一图像和第二图像为相似图像。
进一步地,第一索贝尔特征包括第一图像中的每个第一灰度图像块的第三索贝尔特征,第二索贝尔特征包括第二图像中的每个第二灰度图像块的第四索贝尔特征,每个第一灰度图像块对应一个第二灰度图像块;
获取模块301,包括:
转换单元3011,用于分别将第一图像和第二图像进行灰度转换得到第一灰度图像和第二灰度图像;
划分单元3012,用于分别将第一灰度图像和第二灰度图像均分为多个第一灰度图像块和多个第二灰度图像块;
获取单元3013,用于分别获取每个第一灰度图像块的第三索贝尔特征和每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征。
进一步地,第一计算单元3021,包括:
第一计算子单元,用于分别计算每个第一灰度图像块的第三索贝尔特征与每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征之间的相似度,得到多个第四相似度;
第二计算子单元,用于计算多个第四相似度的平均相似度作为第一索贝尔特征与第二索贝尔特征之间的第一相似度。
进一步地,第一索贝尔特征包括第一图像中的第一亮点数量和第一暗点数量,第二索贝尔特征包括第二图像中的第二亮点数量和第二暗点数量;
第一确定模块302,包括:
第四计算单元3025,用于根据第一亮点数量和第二亮点数量,计算第一图像与第二图像之间的亮点相似度;
第五计算单元3026,用于根据第一暗点数量和第二暗点数量,计算第一图像与第二图像之间的暗点相似度;
第六计算单元3027,用于根据亮点相似度和暗点相似度,计算第一索贝尔特征与第二索贝尔特征之间的第一相似度;
第四确定单元3028,用于如果第一相似度大于第一预设数值,则确定第一图像的边缘和第二图像的边缘相似。
进一步地,第一图像的第一直方图特征包括第一图像中的每个第一图像块的第三直方图特征,第二图像的第二直方图特征包括第二图像中的每个第二图像块的第四直方图特征,每个第一图像块对应一个第二图像块;
第二计算单元3023,包括:
第三计算子单元,用于分别计算每个第一图像块的第三直方图特征与每个第一图像块对应的第二图像块的第四直方图特征之间的相似度,得到多个第五相似度;
第四计算子单元,用于计算多个第五相似度的平均相似度作为第一直方图特征与第二直方图特征之间的第二相似度。
进一步地,该装置还包括:
第三确定模块304,用于根据第一直方图特征、第一索贝尔特征、第二直方图特征和第二索贝尔特征,通过支持向量机SVM分类器确定第一图像和第二图像是否为相似图像。
在本发明实施例中,根据第一图像的第一索贝尔特征和第二图像的第二索贝尔特征,确定第一图像的边缘和第二图像的边缘是否相似,以及根据第一图像的第一直方图特征和第二图像的第二直方图特征,确定第一图像的颜色和第二图像的颜色是否相似;如果第一图像的边缘和第二图像的边缘相似且第一图像的颜色和第二图像的颜色相似,则确定第一图像和第二图像为相似图像,从而结合图像的边缘和颜色确定两张图像是否为相似图像,提高了检测相似图像的准确性。
实施例4
请参考图4,其示出了本发明实施例所涉及的具有触敏表面的终端结构示意图,该终端为上述实例3提供的检测相似图像的装置提供运行环境。具体来讲:
终端900可以包括RF(Radio Frequency,射频)电路110、包括有一个或一个以上计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、WiFi(wireless fidelity,无线保真)模块170、包括有一个或者一个以上处理核心的处理器180、以及电源190等部件。本领域技术人员可以理解,图4中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
RF电路110可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器180处理;另外,将涉及上行的数据发送给基站。通常,RF电路110包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier,低噪声放大器)、双工器等。此外,RF电路110还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯系统)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA(Code Division Multiple Access,码分多址)、WCDMA(Wideband CodeDivision Multiple Access,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(Short Messaging Service,短消息服务)等。
存储器120可用于存储软件程序以及模块,处理器180通过运行存储在存储器120的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端900的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器120还可以包括存储器控制器,以提供处理器180和输入单元130对存储器120的访问。
输入单元130可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器180,并能接收处理器180发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131,输入单元130还可以包括其他输入设备132。具体地,其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端900的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板141。进一步的,触敏表面131可覆盖显示面板141,当触敏表面131检测到在其上或附近的触摸操作后,传送给处理器180以确定触摸事件的类型,随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图4中,触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面131与显示面板141集成而实现输入和输出功能。
终端900还可包括至少一种传感器150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板141的亮度,接近传感器可在终端900移动到耳边时,关闭显示面板141和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于终端900还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路160、扬声器161,传声器162可提供用户与终端900之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号,传输到扬声器161,由扬声器161转换为声音信号输出;另一方面,传声器162将收集的声音信号转换为电信号,由音频电路160接收后转换为音频数据,再将音频数据输出处理器180处理后,经RF电路110以发送给比如另一终端,或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔,以提供外设耳机与终端900的通信。
WiFi属于短距离无线传输技术,终端900通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图4示出了WiFi模块170,但是可以理解的是,其并不属于终端900的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器180是终端900的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器120内的软件程序和/或模块,以及调用存储在存储器120内的数据,执行终端900的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器180可包括一个或多个处理核心;优选的,处理器180可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器180中。
终端900还包括给各个部件供电的电源190(比如电池),优选的,电源可以通过电源管理系统与处理器180逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,终端900还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,终端900的显示单元是触摸屏显示器,终端900还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行述一个或者一个以上程序包含用于进行以下操作的指令:
获取第一图像的第一索贝尔特征和第一直方图特征,以及获取第二图像的第二索贝尔特征和第二直方图特征;
根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,以及根据所述第一直方图特征和所述第二直方图特征,确定所述第一图像的颜色和所述第二图像的颜色是否相似;
如果所述第一图像的边缘和所述第二图像的边缘相似且所述第一图像的颜色和所述第二图像的颜色相似,则确定所述第一图像和所述第二图像为相似图像。
可选的,所述根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,包括:
计算所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度;
如果所述第一相似度大于第一预设数值,则确定所述第一图像的边缘和所述第二图像的边缘相似;
所述根据所述第一直方图特征和所述第二直方图特征,确定所述第一图像的颜色和所述第二图像的颜色是否相似,包括:
计算所述第一直方图特征与所述第二直方图特征之间的第二相似度;
如果所述第二相似度大于第二预设数值,则确定所述第一图像的颜色和所述第二图像的颜色相似。
可选的,所述如果所述第一图像的边缘和所述第二图像的边缘相似且所述第一图像的颜色和所述第二图像的颜色相似,则确定所述第一图像和所述第二图像为相似图像,包括:
根据所述第一相似度和所述第二相似度,计算所述第一图像与所述第二图像之间的第三相似度;
如果所述第三相似度大于第三预设数值,则确定所述第一图像和所述第二图像为相似图像。
可选的,所述第一索贝尔特征包括所述第一图像中的每个第一灰度图像块的第三索贝尔特征,所述第二索贝尔特征包括所述第二图像中的每个第二灰度图像块的第四索贝尔特征,所述每个第一灰度图像块对应一个第二灰度图像块;
所述获取第一图像的第一索贝尔特征以及获取第二图像的第二索贝尔特征,包括:
分别将第一图像和第二图像进行灰度转换得到第一灰度图像和第二灰度图像;
分别将所述第一灰度图像和所述第二灰度图像均分为多个第一灰度图像块和多个第二灰度图像块;
分别获取所述每个第一灰度图像块的第三索贝尔特征和所述每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征。
可选的,所述计算所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度,包括:
分别计算所述每个第一灰度图像块的第三索贝尔特征与所述每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征之间的相似度,得到多个第四相似度;
计算所述多个第四相似度的平均相似度作为所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度。
可选的,所述第一索贝尔特征包括所述第一图像中的第一亮点数量和第一暗点数量,所述第二索贝尔特征包括所述第二图像中的第二亮点数量和第二暗点数量;
所述根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,包括:
根据所述第一亮点数量和所述第二亮点数量,计算所述第一图像与所述第二图像之间的亮点相似度;
根据所述第一暗点数量和所述第二暗点数量,计算所述第一图像与所述第二图像之间的暗点相似度;
根据所述亮点相似度和所述暗点相似度,计算所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度;
如果所述第一相似度大于第一预设数值,则确定所述第一图像的边缘和所述第二图像的边缘相似。
可选的,所述第一图像的第一直方图特征包括所述第一图像中的每个第一图像块的第三直方图特征,所述第二图像的第二直方图特征包括所述第二图像中的每个第二图像块的第四直方图特征,所述每个第一图像块对应一个第二图像块;
所述计算所述第一直方图特征与所述第二直方图特征之间的第二相似度,包括:
分别计算所述每个第一图像块的第三直方图特征与所述每个第一图像块对应的第二图像块的第四直方图特征之间的相似度,得到多个第五相似度;
计算所述多个第五相似度的平均相似度作为所述第一直方图特征与所述第二直方图特征之间的第二相似度。
可选的,所述方法还包括:
根据所述第一直方图特征、所述第一索贝尔特征、所述第二直方图特征和所述第二索贝尔特征,通过支持向量机SVM分类器确定所述第一图像和所述第二图像是否为相似图像。
在本发明实施例中,根据第一图像的第一索贝尔特征和第二图像的第二索贝尔特征,确定第一图像的边缘和第二图像的边缘是否相似,以及根据第一图像的第一直方图特征和第二图像的第二直方图特征,确定第一图像的颜色和第二图像的颜色是否相似;如果第一图像的边缘和第二图像的边缘相似且第一图像的颜色和第二图像的颜色相似,则确定第一图像和第二图像为相似图像,从而结合图像的边缘和颜色确定两张图像是否为相似图像,提高了检测相似图像的准确性。
需要说明的是:上述实施例提供的检测相似图像的装置在检测相似图像时,仅以上述各功能模块的划分进行举例说明,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完成,即将装置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。另外,上述实施例提供的检测相似图像的装置与检测相似图像的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种检测相似图像的方法,其特征在于,所述方法包括:
获取第一图像的第一索贝尔特征和第一直方图特征,以及获取第二图像的第二索贝尔特征和第二直方图特征;
根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,以及根据所述第一直方图特征和所述第二直方图特征,确定所述第一图像的颜色和所述第二图像的颜色是否相似;
如果所述第一图像的边缘和所述第二图像的边缘相似且所述第一图像的颜色和所述第二图像的颜色相似,则确定所述第一图像和所述第二图像为相似图像。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,包括:
计算所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度;
如果所述第一相似度大于第一预设数值,则确定所述第一图像的边缘和所述第二图像的边缘相似;
所述根据所述第一直方图特征和所述第二直方图特征,确定所述第一图像的颜色和所述第二图像的颜色是否相似,包括:
计算所述第一直方图特征与所述第二直方图特征之间的第二相似度;
如果所述第二相似度大于第二预设数值,则确定所述第一图像的颜色和所述第二图像的颜色相似。
3.如权利要求2所述的方法,其特征在于,所述如果所述第一图像的边缘和所述第二图像的边缘相似且所述第一图像的颜色和所述第二图像的颜色相似,则确定所述第一图像和所述第二图像为相似图像,包括:
根据所述第一相似度和所述第二相似度,计算所述第一图像与所述第二图像之间的第三相似度;
如果所述第三相似度大于第三预设数值,则确定所述第一图像和所述第二图像为相似图像。
4.如权利要求2所述的方法,其特征在于,所述第一索贝尔特征包括所述第一图像中的每个第一灰度图像块的第三索贝尔特征,所述第二索贝尔特征包括所述第二图像中的每个第二灰度图像块的第四索贝尔特征,所述每个第一灰度图像块对应一个第二灰度图像块;
所述获取第一图像的第一索贝尔特征以及获取第二图像的第二索贝尔特征,包括:
分别将第一图像和第二图像进行灰度转换得到第一灰度图像和第二灰度图像;
分别将所述第一灰度图像和所述第二灰度图像均分为多个第一灰度图像块和多个第二灰度图像块;
分别获取所述每个第一灰度图像块的第三索贝尔特征和所述每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征。
5.如权利要求4所述的方法,其特征在于,所述计算所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度,包括:
分别计算所述每个第一灰度图像块的第三索贝尔特征与所述每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征之间的相似度,得到多个第四相似度;
计算所述多个第四相似度的平均相似度作为所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度。
6.如权利要求1所述的方法,其特征在于,所述第一索贝尔特征包括所述第一图像中的第一亮点数量和第一暗点数量,所述第二索贝尔特征包括所述第二图像中的第二亮点数量和第二暗点数量;
所述根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,包括:
根据所述第一亮点数量和所述第二亮点数量,计算所述第一图像与所述第二图像之间的亮点相似度;
根据所述第一暗点数量和所述第二暗点数量,计算所述第一图像与所述第二图像之间的暗点相似度;
根据所述亮点相似度和所述暗点相似度,计算所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度;
如果所述第一相似度大于第一预设数值,则确定所述第一图像的边缘和所述第二图像的边缘相似。
7.如权利要求2所述的方法,其特征在于,所述第一图像的第一直方图特征包括所述第一图像中的每个第一图像块的第三直方图特征,所述第二图像的第二直方图特征包括所述第二图像中的每个第二图像块的第四直方图特征,所述每个第一图像块对应一个第二图像块;
所述计算所述第一直方图特征与所述第二直方图特征之间的第二相似度,包括:
分别计算所述每个第一图像块的第三直方图特征与所述每个第一图像块对应的第二图像块的第四直方图特征之间的相似度,得到多个第五相似度;
计算所述多个第五相似度的平均相似度作为所述第一直方图特征与所述第二直方图特征之间的第二相似度。
8.如权利1所述的方法,其特征在于,所述方法还包括:
根据所述第一直方图特征、所述第一索贝尔特征、所述第二直方图特征和所述第二索贝尔特征,通过支持向量机SVM分类器确定所述第一图像和所述第二图像是否为相似图像。
9.一种检测相似图像的装置,其特征在于,所述装置包括:
获取模块,用于获取第一图像的第一索贝尔特征和第一直方图特征,以及获取第二图像的第二索贝尔特征和第二直方图特征;
第一确定模块,用于根据所述第一索贝尔特征和所述第二索贝尔特征,确定所述第一图像的边缘和所述第二图像的边缘是否相似,以及根据所述第一直方图特征和所述第二直方图特征,确定所述第一图像的颜色和所述第二图像的颜色是否相似;
第二确定模块,用于如果所述第一图像的边缘和所述第二图像的边缘相似且所述第一图像的颜色和所述第二图像的颜色相似,则确定所述第一图像和所述第二图像为相似图像。
10.如权利要求9所述的装置,其特征在于,所述第一确定模块,包括:
第一计算单元,用于计算所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度;
第一确定单元,用于如果所述第一相似度大于第一预设数值,则确定所述第一图像的边缘和所述第二图像的边缘相似;
所述第一确定模块,还包括:
第二计算单元,计算所述第一直方图特征与所述第二直方图特征之间的第二相似度;
第二确定单元,用于如果所述第二相似度大于第二预设数值,则确定所述第一图像的颜色和所述第二图像的颜色相似。
11.如权利要求10所述的装置,其特征在于,所述第二确定模块,包括:
第三计算单元,用于根据所述第一相似度和所述第二相似度,计算所述第一图像与所述第二图像之间的第三相似度;
第三确定单元,用于如果所述第三相似度大于第三预设数值,则确定所述第一图像和所述第二图像为相似图像。
12.如权利要求10所述的装置,其特征在于,所述第一索贝尔特征包括所述第一图像中的每个第一灰度图像块的第三索贝尔特征,所述第二索贝尔特征包括所述第二图像中的每个第二灰度图像块的第四索贝尔特征,所述每个第一灰度图像块对应一个第二灰度图像块;
所述获取模块,包括:
转换单元,用于分别将第一图像和第二图像进行灰度转换得到第一灰度图像和第二灰度图像;
划分单元,用于分别将所述第一灰度图像和所述第二灰度图像均分为多个第一灰度图像块和多个第二灰度图像块;
获取单元,用于分别获取所述每个第一灰度图像块的第三索贝尔特征和所述每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征。
13.如权利要求12所述的装置,其特征在于,所述第一计算单元,包括:
第一计算子单元,用于分别计算所述每个第一灰度图像块的第三索贝尔特征与所述每个第一灰度图像块对应的第二灰度图像块的第四索贝尔特征之间的相似度,得到多个第四相似度;
第二计算子单元,用于计算所述多个第四相似度的平均相似度作为所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度。
14.如权利要求9所述的装置,其特征在于,所述第一索贝尔特征包括所述第一图像中的第一亮点数量和第一暗点数量,所述第二索贝尔特征包括所述第二图像中的第二亮点数量和第二暗点数量;
所述第一确定模块,包括:
第四计算单元,用于根据所述第一亮点数量和所述第二亮点数量,计算所述第一图像与所述第二图像之间的亮点相似度;
第五计算单元,用于根据所述第一暗点数量和所述第二暗点数量,计算所述第一图像与所述第二图像之间的暗点相似度;
第六计算单元,用于根据所述亮点相似度和所述暗点相似度,计算所述第一索贝尔特征与所述第二索贝尔特征之间的第一相似度;
第四确定单元,用于如果所述第一相似度大于第一预设数值,则确定所述第一图像的边缘和所述第二图像的边缘相似。
15.如权利要求10所述的装置,其特征在于,所述第一图像的第一直方图特征包括所述第一图像中的每个第一图像块的第三直方图特征,所述第二图像的第二直方图特征包括所述第二图像中的每个第二图像块的第四直方图特征,所述每个第一图像块对应一个第二图像块;
所述第二计算单元,包括:
第三计算子单元,用于分别计算所述每个第一图像块的第三直方图特征与所述每个第一图像块对应的第二图像块的第四直方图特征之间的相似度,得到多个第五相似度;
第四计算子单元,用于计算所述多个第五相似度的平均相似度作为所述第一直方图特征与所述第二直方图特征之间的第二相似度。
16.如权利9所述的装置,其特征在于,所述装置还包括:
第三确定模块,用于根据所述第一直方图特征、所述第一索贝尔特征、所述第二直方图特征和所述第二索贝尔特征,通过支持向量机SVM分类器确定所述第一图像和所述第二图像是否为相似图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510283434.1A CN106296634B (zh) | 2015-05-28 | 2015-05-28 | 一种检测相似图像的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510283434.1A CN106296634B (zh) | 2015-05-28 | 2015-05-28 | 一种检测相似图像的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106296634A true CN106296634A (zh) | 2017-01-04 |
CN106296634B CN106296634B (zh) | 2019-11-15 |
Family
ID=57635745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510283434.1A Active CN106296634B (zh) | 2015-05-28 | 2015-05-28 | 一种检测相似图像的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106296634B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409305A (zh) * | 2018-11-01 | 2019-03-01 | 深圳技术大学(筹) | 一种人脸图像清晰度评价方法及装置 |
CN109726756A (zh) * | 2018-12-25 | 2019-05-07 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN110278171A (zh) * | 2018-03-15 | 2019-09-24 | 武汉芯泰科技有限公司 | 一种帧同步头检测方法及装置 |
CN111275126A (zh) * | 2020-02-12 | 2020-06-12 | 武汉轻工大学 | 样本数据集生成方法、装置、设备及存储介质 |
CN111503992A (zh) * | 2020-04-29 | 2020-08-07 | 四川虹美智能科技有限公司 | 冰箱的控制方法及装置 |
CN112749715A (zh) * | 2019-10-29 | 2021-05-04 | 腾讯科技(深圳)有限公司 | 一种图片分类以及图片显示的方法、装置、设备和介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154290A (zh) * | 2006-09-27 | 2008-04-02 | 索尼株式会社 | 检测设备、检测方法和计算机程序 |
CN101308607A (zh) * | 2008-06-25 | 2008-11-19 | 河海大学 | 基于视频的混合交通环境下移动目标多特征融合跟踪方法 |
CN101521834A (zh) * | 2009-04-02 | 2009-09-02 | 深圳市茁壮网络技术有限公司 | 一种自动化测试的方法、装置和系统 |
CN102306393A (zh) * | 2011-08-02 | 2012-01-04 | 清华大学 | 一种基于轮廓匹配的深度扩散方法及装置 |
US8620092B2 (en) * | 2010-03-04 | 2013-12-31 | Hewlett-Packard Development Company, L.P. | Determining similarity of two images |
CN103763515A (zh) * | 2013-12-24 | 2014-04-30 | 浙江工业大学 | 一种基于机器学习的视频异常检测方法 |
CN104537898A (zh) * | 2015-01-08 | 2015-04-22 | 西北工业大学 | 一种空地协同的无人机感知规避系统及其规避方法 |
-
2015
- 2015-05-28 CN CN201510283434.1A patent/CN106296634B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154290A (zh) * | 2006-09-27 | 2008-04-02 | 索尼株式会社 | 检测设备、检测方法和计算机程序 |
CN100592339C (zh) * | 2006-09-27 | 2010-02-24 | 索尼株式会社 | 检测设备和检测方法 |
CN101308607A (zh) * | 2008-06-25 | 2008-11-19 | 河海大学 | 基于视频的混合交通环境下移动目标多特征融合跟踪方法 |
CN101521834A (zh) * | 2009-04-02 | 2009-09-02 | 深圳市茁壮网络技术有限公司 | 一种自动化测试的方法、装置和系统 |
US8620092B2 (en) * | 2010-03-04 | 2013-12-31 | Hewlett-Packard Development Company, L.P. | Determining similarity of two images |
CN102306393A (zh) * | 2011-08-02 | 2012-01-04 | 清华大学 | 一种基于轮廓匹配的深度扩散方法及装置 |
CN103763515A (zh) * | 2013-12-24 | 2014-04-30 | 浙江工业大学 | 一种基于机器学习的视频异常检测方法 |
CN104537898A (zh) * | 2015-01-08 | 2015-04-22 | 西北工业大学 | 一种空地协同的无人机感知规避系统及其规避方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110278171A (zh) * | 2018-03-15 | 2019-09-24 | 武汉芯泰科技有限公司 | 一种帧同步头检测方法及装置 |
CN109409305A (zh) * | 2018-11-01 | 2019-03-01 | 深圳技术大学(筹) | 一种人脸图像清晰度评价方法及装置 |
CN109726756A (zh) * | 2018-12-25 | 2019-05-07 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN112749715A (zh) * | 2019-10-29 | 2021-05-04 | 腾讯科技(深圳)有限公司 | 一种图片分类以及图片显示的方法、装置、设备和介质 |
CN112749715B (zh) * | 2019-10-29 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 一种图片分类以及图片显示的方法、装置、设备和介质 |
CN111275126A (zh) * | 2020-02-12 | 2020-06-12 | 武汉轻工大学 | 样本数据集生成方法、装置、设备及存储介质 |
CN111503992A (zh) * | 2020-04-29 | 2020-08-07 | 四川虹美智能科技有限公司 | 冰箱的控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106296634B (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103871051B (zh) | 图像处理方法、装置和电子设备 | |
CN106296634A (zh) | 一种检测相似图像的方法和装置 | |
CN103325107B (zh) | 图片处理方法、装置及终端设备 | |
CN106296617A (zh) | 人脸图像的处理方法及装置 | |
CN106203254A (zh) | 一种调整拍照方向的方法及装置 | |
CN104679509A (zh) | 一种渲染图形的方法和装置 | |
CN106203459A (zh) | 图片处理方法及装置 | |
CN106373531A (zh) | 显示亮度调节方法及电子设备 | |
CN109067981A (zh) | 分屏应用切换方法、装置、存储介质和电子设备 | |
CN110417999A (zh) | 屏幕亮度调节方法、移动终端及计算机可读存储介质 | |
CN104463105A (zh) | 路牌识别方法及装置 | |
CN106296640A (zh) | 一种识别模糊图像的方法和装置 | |
CN108573189A (zh) | 一种获取排队信息的方法及装置 | |
CN106296623A (zh) | 一种图片处理方法及装置 | |
CN109062466A (zh) | 分屏窗口调节方法、装置、存储介质和电子设备 | |
CN106993136A (zh) | 移动终端及其基于多摄像头的图像降噪方法和装置 | |
CN108932094A (zh) | 分屏应用切换方法、装置、存储介质和电子设备 | |
CN104915625B (zh) | 一种人脸识别的方法及装置 | |
CN108958629A (zh) | 分屏退出方法、装置、存储介质和电子设备 | |
CN110113779A (zh) | eSIM卡的测试方法、系统、测试平台、移动终端和介质 | |
CN109407927A (zh) | 电子卡片的处理方法、移动终端及可读存储介质 | |
CN108984142A (zh) | 分屏显示方法、装置、存储介质和电子设备 | |
CN106648460B (zh) | 计步数据过滤方法及智能终端 | |
CN108427938A (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN106131402B (zh) | 一种自拍杆、拍照方法及自拍系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |