CN106327426A - 图像去重方法及系统 - Google Patents

图像去重方法及系统 Download PDF

Info

Publication number
CN106327426A
CN106327426A CN201610696665.XA CN201610696665A CN106327426A CN 106327426 A CN106327426 A CN 106327426A CN 201610696665 A CN201610696665 A CN 201610696665A CN 106327426 A CN106327426 A CN 106327426A
Authority
CN
China
Prior art keywords
image
images
multiplicity
characteristic point
threshold 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.)
Pending
Application number
CN201610696665.XA
Other languages
English (en)
Inventor
李翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ctrip Computer Technology Shanghai Co Ltd
Original Assignee
Ctrip Computer Technology Shanghai Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ctrip Computer Technology Shanghai Co Ltd filed Critical Ctrip Computer Technology Shanghai Co Ltd
Priority to CN201610696665.XA priority Critical patent/CN106327426A/zh
Publication of CN106327426A publication Critical patent/CN106327426A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种图像去重方法及系统，图像去重方法包括以下步骤：S1、对两张图像进行灰度化处理，并将所述两张图像按照初始的宽高比例缩放至一标准尺寸之内；S2、利用图像局部二值特征计算所述两张图像之间的重复度；S3、判断所述两张图像是否重复，并在判断为是时，执行步骤S4；S4、比较所述两张图像的质量，并去除质量低的图像。本发明融合了图像的局部信息和全局信息来进行重复图像判定，令不同图像信息之间优势互补，使得图像去重的速度、去重的效果以及完整性都得到较好的保障。

Description

图像去重方法及系统
技术领域
本发明涉及一种图像处理领域，特别是涉及一种图像去重方法及系统。
背景技术
图像包含了丰富且直观的信息，当前在互联网的社交、购物、旅游等领域，都需要大量的图像来给用户传递信息。随着图像数量的不断增加，其中重复图像的数量也越来越多。因此，图像信息的提供方在使用图像信息前，需要对图像进行去重，避免出现重复的图像，影响用户的体验，又增加自身图像的维护量。随着互联网的飞速发展，图像提供方每天都会利用用户上传、爬虫下载等诸多途径获取大量图像信息，数量已远远超过人工审核的限度。因此，利用计算机审核图像信息，自动对其中重复的图像进行判定和去除成为了迫切的需求。
近年来出现了很多图像去重方法，如基于颜色和纹理等全局特征的一系列方法和基于SIFT(尺度不变特征变换)和ORB(一种图像二值特征点提取算法)等局部特征点的一系列方法等。这些方法中，基于全局特征的方法不能很好解决图像残缺和旋转等问题；基于SIFT等局部特征点的方法虽然效果较好，但是由于特征提取和匹配复杂，计算速度过于缓慢；基于ORB等局部二值特征点的方法，计算速度虽然很快，但是处理图像尺寸差异过大、形变和模糊等问题的效果较差。同时，现有方法大都被用于计算图像之间的重复度或判定图像是否重复，忽略了最后的重复图像去除环节，导致图像去重过程往往是不完整的。
发明内容
本发明要解决的技术问题是为了克服现有技术中图像去重方法存在很多问题的缺陷，提供一种实用性强、去重速度、效果和完整性俱佳的图像去重方法及系统。
本发明是通过下述技术方案来解决上述技术问题的：
本发明提供了一种图像去重方法，其特点在于，包括以下步骤：
S1、对两张图像进行灰度化处理，并将所述两张图像按照初始的宽高比例缩放至一标准尺寸之内
S2、利用图像局部二值特征计算所述两张图像之间的重复度；
S3、判断所述两张图像是否重复，并在判断为是时，执行步骤S4；
S4、比较所述两张图像的质量，并去除质量低的图像。
较佳地，步骤S2包括：
S21、分别从所述两张图像中提取图像局部二值特征点；
S22、统计所述两张图像中的第一张图像中的匹配特征点的数量，所述匹配特征点与所述两张图像中的第二张图像中的一个特征点相匹配；
S23、计算所述两张图像之间的重复度。
较佳地，步骤S21中利用ORB算法提取图像局部二值特征点。
较佳地，步骤S22包括：
S221、从所述第一张图像中选取一目标特征点；
S222、遍历所述第二张图像中的所有特征点，并分别计算所述第二张图像中的每个特征点与所述目标特征点之间的汉明距离；
S223、从所述第二张图像中选取汉明距离最小的一第一特征点和汉明距离第二小的一第二特征点；
S224、计算第一汉明距离与第二汉明距离之间的比值，所述第一汉明距离为所述第一特征点与所述目标特征点之间的汉明距离，所述第二汉明距离为所述第二特征点与所述目标特征点之间的汉明距离；
S225、判断第一汉明距离与第二汉明距离之间的比值是否小于第一阈值，若是，则确定所述目标特征点为与所述第一特征点相匹配的匹配特征点，若否，则确定所述目标特征点与所述第一特征点不匹配；
重复执行步骤S221-S225，直至所述第一张图像中的所有特征点均被选取，然后统计所述第一张图像中的匹配特征点的数量；
步骤S23中计算所述两张图像之间的重复度包括：
计算所述第一张图像中匹配特征点的数量与所述第一张图像中的特征点的总数之间的比值。
较佳地，步骤S3包括：
S31、设置第一重复度阈值和第二重复度阈值，所述第一重复度阈值大于所述第二重复度阈值；
S32、将所述两张图像之间的重复度与所述第一重复度阈值及所述第二重复度阈值进行比较，
若所述重复度大于或等于所述第一重复度阈值，则确定所述两张图像重复，然后执行步骤S4；
若所述重复度小于或等于所述第二重复度阈值，则确定所述两张图像不重复，然后结束流程；
若所述重复度大于所述第二重复度阈值且小于所述第一重复度阈值，则执行步骤S33；
S33、获取所述两张图像的颜色特征和纹理特征，并将所述颜色特征和所述纹理特征组合为全局特征，计算所述两张图像的全局特征之间的曼哈顿距离；
S34、判断所述曼哈顿距离是否小于一距离阈值，若是，则确定所述两张图像重复，然后执行步骤S4，若否，则确定所述两张图像不重复，然后结束流程。
较佳地，步骤S4包括：
S41、对所述两张图像进行拉普拉斯滤波，并计算滤波后的图像的像素值的方差；
S42、确定像素值的方差小的图像为质量低的图像，并去除质量低的图像。
较佳地，步骤S1之前还包括：
S01、计算两张图像的像素值，并判断像素值是否相同，若是，则从所述两张图像中随机去除一张图像，然后结束流程，若否，则执行步骤S1。
本发明的目的在于还提供了一种图像去重系统，其特点在于，包括：
处理模块，用于对两张图像进行灰度化处理，并将所述两张图像按照初始的宽高比例缩放至一标准尺寸之内；
重复度计算模块，用于利用图像局部二值特征计算所述两张图像之间的重复度；
判断模块，用于判断所述两张图像是否重复，并在判断为是时，调用一去重模块；
所述去重模块用于比较所述两张图像的质量，并去除质量低的图像。
较佳地，所述重复度计算模块包括：
特征点提取单元，用于分别从所述两张图像中提取图像局部二值特征点；
特征点统计单元，用于统计所述两张图像中的第一张图像中的匹配特征点的数量，所述匹配特征点与所述两张图像中的第二张图像中的一个特征点相匹配；
重复度计算单元，用于计算所述两张图像之间的重复度。
较佳地，所述特征点提取单元用于利用ORB算法提取图像局部二值特征点。
较佳地，所述特征点统计单元包括：
第一选取子单元，用于从所述第一张图像中选取一目标特征点；
遍历子单元，用于遍历所述第二张图像中的所有特征点，并分别计算所述第二张图像中的每个特征点与所述目标特征点之间的汉明距离；
第二选取子单元，用于从所述第二张图像中选取汉明距离最小的一第一特征点和汉明距离第二小的一第二特征点；
比值计算子单元，用于计算第一汉明距离与第二汉明距离之间的比值，所述第一汉明距离为所述第一特征点与所述目标特征点之间的汉明距离，所述第二汉明距离为所述第二特征点与所述目标特征点之间的汉明距离；
比值判断子单元，用于判断第一汉明距离与第二汉明距离之间的比值是否小于第一阈值，若是，则确定所述目标特征点为与所述第一特征点相匹配的匹配特征点，若否，则确定所述目标特征点与所述第一特征点不匹配；
统计子单元，用于重复调用所述第一选取子单元、所述遍历子单元、所述第二选取子单元、所述比值计算子单元及所述比值判断子单元，直至所述第一张图像中的所有特征点均被选取，然后统计所述第一张图像中的匹配特征点的数量；
所述重复度计算单元用于计算所述第一张图像中匹配特征点的数量与所述第一张图像中的特征点的总数之间的比值。
较佳地，所述判断模块包括：
设置单元，用于设置第一重复度阈值和第二重复度阈值，所述第一重复度阈值大于所述第二重复度阈值；
比较单元，用于将所述两张图像之间的重复度与所述第一重复度阈值及所述第二重复度阈值进行比较，
若所述重复度大于或等于所述第一重复度阈值，则确定所述两张图像重复，然后调用所述去重模块；
若所述重复度小于或等于所述第二重复度阈值，则确定所述两张图像不重复，然后不做操作；
若所述重复度大于所述第二重复度阈值且小于所述第一重复度阈值，则调用一获取单元；
所述获取单元用于获取所述两张图像的颜色特征和纹理特征，并将所述颜色特征和所述纹理特征组合为全局特征，计算所述两张图像的全局特征之间的曼哈顿距离；
判断单元，用于判断所述曼哈顿距离是否小于一距离阈值，若是，则确定所述两张图像重复，然后调用所述去重模块，若否，则确定所述两张图像不重复，然后不做操作。
较佳地，所述去重模块包括：
滤波单元，用于对所述两张图像进行拉普拉斯滤波，并计算滤波后的图像的像素值的方差；
去重单元，用于确定像素值的方差小的图像为质量低的图像，并去除质量低的图像。
较佳地，所述图像去重系统还包括：
像素值计算模块，用于计算两张图像的像素值，并判断像素值是否相同，若是，则从所述两张图像中随机去除一张图像，然后不做操作，若否，则调用所述处理模块。
本发明的积极进步效果在于：本发明通过对图像的像素值进行计算和比较，省略了完全相同的图像的后续比较操作，提高了图像去重的效率；同时，通过将图像按照初始的宽高比例统一缩放到一个固定的标准尺寸之内，避免了图像之间的尺寸差异，较好地弥补了很多图像局部二值特征点不具有尺度不变性的缺陷；本发明利用图像局部二值特征点来快速计算图像之间的重复度，减少了计算时间；并且本发明融合了图像的局部信息和全局信息来进行重复图像判定，令不同图像信息之间优势互补，降低了图像形变和模糊等因素对局部二值特征点匹配结果的影响，提高了图像去重的准确率；此外，本发明增加了重复图像的质量比较，使得图像去重的速度、去重的效果以及完整性都得到较好的保障。
附图说明
图1为本发明的较佳实施例的图像去重系统的模块示意图。
图2为本发明的较佳实施例的图像去重方法的流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
如图1所示，本发明的图像去重系统包括处理模块1、重复度计算模块2、判断模块3、去重模块4以及像素值计算模块5；
其中，所述像素值计算模块5会首先计算两张图像的像素值，并判断两张图像的像素值是否相同，若是，则说明所述两张图像完全相同，则从所述两张图像中随机去除一张图像，即实现了对两张相同图像的去重，然后不做后续操作，若否，则调用所述处理模块1。
所述处理模块1则对所述两张图像进行灰度化处理，并将所述两张图像按照初始的宽高比例统一缩放至标准尺寸之内；
所述处理模块1会将所述两张图像缩放至统一的标准尺寸之内，即将所述两张图像对齐，将图像按初始的宽高比例统一缩放到一个固定的标准尺寸之内。具体地，在本实施例中，所述标准尺寸被设置为800*800像素，具体的图像放大方法可以采用双线性插值方法，图像缩小方法可以采用均值降采样方法。
所述重复度计算模块2则利用图像局部二值特征计算所述两张图像之间的重复度；
具体地，所述重复度计算模块2包括：特征点提取单元21、特征点统计单元22以及重复度计算单元23；
其中，特征点提取单元21用于分别从所述两张图像中提取图像局部二值特征点；具体可以利用ORB算法提取图像局部二值特征点，在本实施例中，每张图像提取的特征点的数量上限被设置为500，从所述两张图像中所提取的图像局部二值特征点的数量可以不相同；
所述特征点统计单元22则统计所述两张图像中的第一张图像中的匹配特征点的数量，所述匹配特征点与所述两张图像中的第二张图像中的一个特征点相匹配；其中，所述第一张图像和所述第二张图像并没有特别明确的区分，两张图像中的其中一张为第一张图像，则另一张就为第二张图像；
具体地，所述特征点统计单元22可以包括：第一选取子单元221、遍历子单元222、第二选取子单元223、比值计算子单元224、比值判断子单元225以及统计子单元226；
其中，所述第一选取子单元221首先从所述第一张图像中选取一目标特征点i；
所述遍历子单元222则遍历所述第二张图像中的所有特征点，并分别计算所述第二张图像中的每个特征点与所述目标特征点之间的汉明距离；
所述第二选取子单元223则从所述第二张图像中选取汉明距离最小的一第一特征点j1和汉明距离第二小的一第二特征点j2；所述第二特征点即除了所述第一特征点之外，汉明距离最小的特征点；
所述比值计算子单元224会计算第一汉明距离d1与第二汉明距离d2之间的比值，所述第一汉明距离d1为所述第一特征点j1与所述目标特征点i之间的汉明距离，所述第二汉明距离d2为所述第二特征点j2与所述目标特征点i之间的汉明距离；
所述比值判断子单元225判断第一汉明距离与第二汉明距离之间的比值是否小于第一阈值，若是，则确定所述目标特征点i为与所述第一特征点j1相匹配的匹配特征点(即所述目标特征点为匹配特征点)，若否，则确定所述目标特征点i与所述第一特征点j1不匹配，即此时所述第二张图像中并不存在与所述第一张图像中的目标特征点相匹配的特征点，此时所述第一张图像中的目标特征点就不是匹配特征点；在本实施例中，所述第一阈值可以设置为0.6；
所述统计子单元226会重复调用所述第一选取子单元221、所述遍历子单元222、所述第二选取子单元223、所述比值计算子单元224及所述比值判断子单元225，直至所述第一张图像中的所有特征点均被选取，即对所述第一张图像中的每个特征点，均判断其是否为匹配特征点，即判断所述第二图像中是否存在与其相匹配的特征点，若存在则其为匹配特征点，然后统计所述第一张图像中的匹配特征点的数量；
所述重复度计算单元23则用于计算所述两张图像之间的重复度，具体地，所述重复度计算单元23会计算所述第一张图像中匹配特征点的数量与所述第一张图像中的特征点的总数之间的比值，计算出的比值即为所述两张图像之间的重复度；
所述判断模块3则根据所述两张图像之间的重复度来判断所述两张图像是否重复，若判断结果为重复，则调用所述去重模块4，若判断结果为不重复，则不做后续操作；
所述判断模块3具体包括：设置单元31、比较单元32、获取单元33以及判断单元34；
其中，所述设置单元31用于设置第一重复度阈值和第二重复度阈值，所述第一重复度阈值大于所述第二重复度阈值；
在本实施例中，所述第一重复度阈值可以设置为5％，所述第二重复度阈值可以设置为1％；
所述比较单元32将所述两张图像之间的重复度与所述第一重复度阈值及所述第二重复度阈值进行比较，
若所述重复度大于或等于所述第一重复度阈值，则确定所述两张图像重复，然后调用所述去重模块4；
若所述重复度小于或等于所述第二重复度阈值，则确定所述两张图像不重复，然后不做后续操作；
若所述重复度大于所述第二重复度阈值且小于所述第一重复度阈值，则调用所述获取单元33；
所述获取单元33会获取所述两张图像的颜色特征和纹理特征，并将所述颜色特征和所述纹理特征组合为全局特征，计算所述两张图像的全局特征之间的曼哈顿距离；
在本实施例中，所述获取单元33优选地会首先将所述两张图像的尺寸大小缩放为100*100像素，然后将其划分为81个20*20像素大小的图像块，相邻图像块之间具有50％的像素重叠；其中，每个图像块的颜色特征通过R、G、B、H、S、Y、Cb、Cr这8个颜色通道对应的16维颜色直方图来表达；每个图像块的纹理特征通过局部二值模式来提取，最后组合所有图像块的颜色特征和纹理特征作为图像的全局特征，并计算两个图像的全局特征之间的曼哈顿距离；
所述判断单元34会判断所述曼哈顿距离是否小于一距离阈值，若是，则确定所述两张图像重复，然后调用所述去重模块4，若否，则确定所述两张图像不重复，然后不做后续操作。
在本实施例中，所述距离阈值优选可以设置为0.1，本发明的判断模块3能够建立重复度判断模型，从而能够较好地处理图像形变和模糊等问题。
所述去重模块4最后会比较所述两张图像的质量，并去除质量低的图像；
所述去重模块4包括滤波单元41及去重单元42；所述滤波单元41会对所述两张图像进行拉普拉斯滤波，并计算滤波后的图像的像素值的方差；具体地，所述滤波单元41会先利用拉普拉斯算子对图像进行卷积滤波，卷积核的大小可设置为3*3，然后再计算滤波后的图像的像素值的方差，以此作为图像的清晰度的衡量指标，即作为图像质量的衡量指标；
所述去重单元42则确定像素值的方差小的图像为质量低的图像，并去除质量低的图像，从而完成图像的去重。
本实施例还提供了一种图像去重方法，利用上述的图像去重系统实现，如图2所示，所述图像去重方法包括以下步骤：
步骤100、计算两张图像的像素值，并判断像素值是否相同，若是，则从所述两张图像中随机去除一张图像，然后结束流程，若否，则执行步骤101；
步骤101、对两张图像进行灰度化处理，并将所述两张图像按照初始的宽高比例缩放至一标准尺寸之内；
步骤102、利用图像局部二值特征计算所述两张图像之间的重复度；
步骤103、判断所述两张图像是否重复，若是，则执行步骤104；若否，则结束流程；
步骤104、比较所述两张图像的质量，并去除质量低的图像。
其中，步骤100中首先计算两张图像的像素值，并判断两张图像的像素值是否相同，若是，则说明所述两张图像完全相同，则从所述两张图像中随机去除一张图像，即实现了对两张相同图像的去重，然后结束流程，若否，则执行步骤101。
步骤101中则对所述两张图像进行灰度化处理，并将所述两张图像按照初始的宽高比例缩放至统一的标准尺寸之内；
在步骤101中会将所述两张图像按照初始的宽高比例缩放至标准尺寸之内，即将所述两张图像对齐，将图像按初始的宽高比例统一缩放到一个固定的标准尺寸之内。具体地，在本实施例中，所述标准尺寸被设置为800*800像素，具体的图像放大方法可以采用双线性插值方法，图像缩小方法可以采用均值降采样方法。
而步骤102可具体包括以下步骤：
步骤1021、分别从所述两张图像中提取图像局部二值特征点；
步骤1022、统计所述两张图像中的第一张图像中的匹配特征点的数量，所述匹配特征点与所述两张图像中的第二张图像中的一个特征点相匹配；
步骤1023、计算所述两张图像之间的重复度。
在步骤1021中可利用ORB算法提取图像局部二值特征点；步骤1022可具体包括：
步骤10221、从所述第一张图像中选取一目标特征点；
步骤10222、遍历所述第二张图像中的所有特征点，并分别计算所述第二张图像中的每个特征点与所述目标特征点之间的汉明距离；
步骤10223、从所述第二张图像中选取汉明距离最小的一第一特征点和汉明距离第二小的一第二特征点；
步骤10224、计算第一汉明距离与第二汉明距离之间的比值，所述第一汉明距离为所述第一特征点与所述目标特征点之间的汉明距离，所述第二汉明距离为所述第二特征点与所述目标特征点之间的汉明距离；
步骤10225、判断第一汉明距离与第二汉明距离之间的比值是否小于第一阈值，若是，则确定所述目标特征点为与所述第一特征点相匹配的匹配特征点，若否，则确定所述目标特征点与所述第一特征点不匹配；
重复执行步骤10221-步骤10225，直至所述第一张图像中的所有特征点均被选取，然后统计所述第一张图像中的匹配特征点的数量；
步骤1023中计算所述两张图像之间的重复度包括：
计算所述第一张图像中匹配特征点的数量与所述第一张图像中的特征点的总数之间的比值，计算出的比值即为所述两张图像之间的重复度。
步骤103可具体包括：
步骤1031、设置第一重复度阈值和第二重复度阈值，所述第一重复度阈值大于所述第二重复度阈值；
步骤1032、将所述两张图像之间的重复度与所述第一重复度阈值及所述第二重复度阈值进行比较，
若所述重复度大于或等于所述第一重复度阈值，则确定所述两张图像重复，然后执行步骤104；
若所述重复度小于或等于所述第二重复度阈值，则确定所述两张图像不重复，然后结束流程；
若所述重复度大于所述第二重复度阈值且小于所述第一重复度阈值，则执行步骤1033；
步骤1033、获取所述两张图像的颜色特征和纹理特征，并将所述颜色特征和所述纹理特征组合为全局特征，计算所述两张图像的全局特征之间的曼哈顿距离；
步骤1034、判断所述曼哈顿距离是否小于一距离阈值，若是，则确定所述两张图像重复，然后执行步骤104，若否，则确定所述两张图像不重复，然后结束流程。
步骤104可具体包括：
步骤1041、对所述两张图像进行拉普拉斯滤波，并计算滤波后的图像的像素值的方差；
步骤1042、确定像素值的方差小的图像为质量低的图像，并去除质量低的图像，从而完成对图像的去重。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (14)

1.一种图像去重方法，其特征在于，包括以下步骤：
S1、对两张图像进行灰度化处理，并将所述两张图像按照初始的宽高比例缩放至一标准尺寸之内；
S2、利用图像局部二值特征计算所述两张图像之间的重复度；
S3、判断所述两张图像是否重复，并在判断为是时，执行步骤S4；
S4、比较所述两张图像的质量，并去除质量低的图像。
2.如权利要求1所述的图像去重方法，其特征在于，步骤S2包括：
S21、分别从所述两张图像中提取图像局部二值特征点；
S22、统计所述两张图像中的第一张图像中的匹配特征点的数量，所述匹配特征点与所述两张图像中的第二张图像中的一个特征点相匹配；
S23、计算所述两张图像之间的重复度。
3.如权利要求2所述的图像去重方法，其特征在于，步骤S21中利用ORB算法提取图像局部二值特征点。
4.如权利要求2所述的图像去重方法，其特征在于，步骤S22包括：
S221、从所述第一张图像中选取一目标特征点；
S222、遍历所述第二张图像中的所有特征点，并分别计算所述第二张图像中的每个特征点与所述目标特征点之间的汉明距离；
S223、从所述第二张图像中选取汉明距离最小的一第一特征点和汉明距离第二小的一第二特征点；
S224、计算第一汉明距离与第二汉明距离之间的比值，所述第一汉明距离为所述第一特征点与所述目标特征点之间的汉明距离，所述第二汉明距离为所述第二特征点与所述目标特征点之间的汉明距离；
S225、判断第一汉明距离与第二汉明距离之间的比值是否小于第一阈值，若是，则确定所述目标特征点为与所述第一特征点相匹配的匹配特征点，若否，则确定所述目标特征点与所述第一特征点不匹配；
重复执行步骤S221-S225，直至所述第一张图像中的所有特征点均被选取，然后统计所述第一张图像中的匹配特征点的数量；
步骤S23中计算所述两张图像之间的重复度包括：
计算所述第一张图像中匹配特征点的数量与所述第一张图像中的特征点的总数之间的比值。
5.如权利要求1所述的图像去重方法，其特征在于，步骤S3包括：
S31、设置第一重复度阈值和第二重复度阈值，所述第一重复度阈值大于所述第二重复度阈值；
S32、将所述两张图像之间的重复度与所述第一重复度阈值及所述第二重复度阈值进行比较，
若所述重复度大于或等于所述第一重复度阈值，则确定所述两张图像重复，然后执行步骤S4；
若所述重复度小于或等于所述第二重复度阈值，则确定所述两张图像不重复，然后结束流程；
若所述重复度大于所述第二重复度阈值且小于所述第一重复度阈值，则执行步骤S33；
S33、获取所述两张图像的颜色特征和纹理特征，并将所述颜色特征和所述纹理特征组合为全局特征，计算所述两张图像的全局特征之间的曼哈顿距离；
S34、判断所述曼哈顿距离是否小于一距离阈值，若是，则确定所述两张图像重复，然后执行步骤S4，若否，则确定所述两张图像不重复，然后结束流程。
6.如权利要求1所述的图像去重方法，其特征在于，步骤S4包括：
S41、对所述两张图像进行拉普拉斯滤波，并计算滤波后的图像的像素值的方差；
S42、确定像素值的方差小的图像为质量低的图像，并去除质量低的图像。
7.如权利要求1-6中任意一项所述的图像去重方法，其特征在于，步骤S1之前还包括：
S01、计算两张图像的像素值，并判断像素值是否相同，若是，则从所述两张图像中随机去除一张图像，然后结束流程，若否，则执行步骤S1。
8.一种图像去重系统，其特征在于，包括：
处理模块，用于对两张图像进行灰度化处理，并将所述两张图像按照初始的宽高比例缩放至一标准尺寸之内；
重复度计算模块，用于利用图像局部二值特征计算所述两张图像之间的重复度；
判断模块，用于判断所述两张图像是否重复，并在判断为是时，调用一去重模块；
所述去重模块用于比较所述两张图像的质量，并去除质量低的图像。
9.如权利要求8所述的图像去重系统，其特征在于，所述重复度计算模块包括：
特征点提取单元，用于分别从所述两张图像中提取图像局部二值特征点；
特征点统计单元，用于统计所述两张图像中的第一张图像中的匹配特征点的数量，所述匹配特征点与所述两张图像中的第二张图像中的一个特征点相匹配；
重复度计算单元，用于计算所述两张图像之间的重复度。
10.如权利要求9所述的图像去重系统，其特征在于，所述特征点提取单元用于利用ORB算法提取图像局部二值特征点。
11.如权利要求9所述的图像去重方法，其特征在于，所述特征点统计单元包括：
第一选取子单元，用于从所述第一张图像中选取一目标特征点；
遍历子单元，用于遍历所述第二张图像中的所有特征点，并分别计算所述第二张图像中的每个特征点与所述目标特征点之间的汉明距离；
第二选取子单元，用于从所述第二张图像中选取汉明距离最小的一第一特征点和汉明距离第二小的一第二特征点；
比值计算子单元，用于计算第一汉明距离与第二汉明距离之间的比值，所述第一汉明距离为所述第一特征点与所述目标特征点之间的汉明距离，所述第二汉明距离为所述第二特征点与所述目标特征点之间的汉明距离；
比值判断子单元，用于判断第一汉明距离与第二汉明距离之间的比值是否小于第一阈值，若是，则确定所述目标特征点为与所述第一特征点相匹配的匹配特征点，若否，则确定所述目标特征点与所述第一特征点不匹配；
统计子单元，用于重复调用所述第一选取子单元、所述遍历子单元、所述第二选取子单元、所述比值计算子单元及所述比值判断子单元，直至所述第一张图像中的所有特征点均被选取，然后统计所述第一张图像中的匹配特征点的数量；
所述重复度计算单元用于计算所述第一张图像中匹配特征点的数量与所述第一张图像中的特征点的总数之间的比值。
12.如权利要求8所述的图像去重系统，其特征在于，所述判断模块包括：
设置单元，用于设置第一重复度阈值和第二重复度阈值，所述第一重复度阈值大于所述第二重复度阈值；
比较单元，用于将所述两张图像之间的重复度与所述第一重复度阈值及所述第二重复度阈值进行比较，
若所述重复度大于或等于所述第一重复度阈值，则确定所述两张图像重复，然后调用所述去重模块；
若所述重复度小于或等于所述第二重复度阈值，则确定所述两张图像不重复，然后不做操作；
若所述重复度大于所述第二重复度阈值且小于所述第一重复度阈值，则调用一获取单元；
所述获取单元用于获取所述两张图像的颜色特征和纹理特征，并将所述颜色特征和所述纹理特征组合为全局特征，计算所述两张图像的全局特征之间的曼哈顿距离；
判断单元，用于判断所述曼哈顿距离是否小于一距离阈值，若是，则确定所述两张图像重复，然后调用所述去重模块，若否，则确定所述两张图像不重复，然后不做操作。
13.如权利要求8所述的图像去重系统，其特征在于，所述去重模块包括：
滤波单元，用于对所述两张图像进行拉普拉斯滤波，并计算滤波后的图像的像素值的方差；
去重单元，用于确定像素值的方差小的图像为质量低的图像，并去除质量低的图像。
14.如权利要求8-13中任意一项所述的图像去重系统，其特征在于，所述图像去重系统还包括：
像素值计算模块，用于计算两张图像的像素值，并判断像素值是否相同，若是，则从所述两张图像中随机去除一张图像，然后不做操作，若否，则调用所述处理模块。
CN201610696665.XA 2016-08-19 2016-08-19 图像去重方法及系统 Pending CN106327426A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610696665.XA CN106327426A (zh) 2016-08-19 2016-08-19 图像去重方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610696665.XA CN106327426A (zh) 2016-08-19 2016-08-19 图像去重方法及系统

Publications (1)

Publication Number Publication Date
CN106327426A true CN106327426A (zh) 2017-01-11

Family

ID=57742128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610696665.XA Pending CN106327426A (zh) 2016-08-19 2016-08-19 图像去重方法及系统

Country Status (1)

Country Link
CN (1) CN106327426A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107589963A (zh) * 2017-09-26 2018-01-16 维沃移动通信有限公司 一种图片处理方法、移动终端及计算机可读存储介质
CN109611905A (zh) * 2018-12-03 2019-04-12 宁波吉吉娃电子科技有限公司 旋转圆盘稳定维持平台
CN110399344A (zh) * 2019-07-23 2019-11-01 北京明略软件系统有限公司 选取重复图像的方法及装置
CN111310832A (zh) * 2020-02-18 2020-06-19 广东三维家信息科技有限公司 一种图片查重方法和系统
CN111444753A (zh) * 2019-10-22 2020-07-24 泰州三凯工程技术有限公司 智能化排队时长大数据估算系统
CN111553259A (zh) * 2020-04-26 2020-08-18 北京宙心科技有限公司 一种图像去重方法及系统
CN111598794A (zh) * 2020-04-24 2020-08-28 山东易华录信息技术有限公司 一种去除水下重叠情况的图像成像方法及装置
CN111695643A (zh) * 2020-06-24 2020-09-22 北京金山云网络技术有限公司 图像处理方法、装置和电子设备
CN111800664A (zh) * 2019-09-23 2020-10-20 赵家琦 基于信号分析的内容选择机构
CN113128293A (zh) * 2019-12-31 2021-07-16 杭州海康威视数字技术股份有限公司 一种图像处理方法、装置、电子设备及存储介质
CN113313692A (zh) * 2021-06-03 2021-08-27 广西大学 一种基于航拍可见光图像的香蕉幼株自动识别与计数方法
CN113596401A (zh) * 2021-07-29 2021-11-02 上海应用技术大学 一种基于orb相似度判断的图像去相似传输及还原方法
CN114666506A (zh) * 2022-03-29 2022-06-24 广州方舟信息科技有限公司 一种连续拍摄图像的筛选方法及装置、电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120113121A1 (en) * 2010-11-09 2012-05-10 Jiebo Luo Aligning and summarizing different photo streams
CN103473373A (zh) * 2013-09-29 2013-12-25 方正国际软件有限公司 基于阈值匹配模型的相似度分析系统和方法
CN103577409A (zh) * 2012-07-19 2014-02-12 阿里巴巴集团控股有限公司 一种图像搜索中建立图像索引的方法和装置
CN103984776A (zh) * 2014-06-05 2014-08-13 北京奇虎科技有限公司 一种识别重复图片的方法、图片搜索去重方法及其装置
CN104680482A (zh) * 2015-03-09 2015-06-03 华为技术有限公司 一种图像处理的方法和装置
CN104767933A (zh) * 2015-03-13 2015-07-08 北京畅游天下网络技术有限公司 一种具备拍照功能的便携数码设备及筛选照片的方法
CN104809198A (zh) * 2015-04-23 2015-07-29 北京奇虎科技有限公司 图片清理的方法、装置以及终端设备
CN105872345A (zh) * 2015-01-20 2016-08-17 北京理工大学 基于特征匹配的全帧电子稳像方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120113121A1 (en) * 2010-11-09 2012-05-10 Jiebo Luo Aligning and summarizing different photo streams
CN103577409A (zh) * 2012-07-19 2014-02-12 阿里巴巴集团控股有限公司 一种图像搜索中建立图像索引的方法和装置
CN103473373A (zh) * 2013-09-29 2013-12-25 方正国际软件有限公司 基于阈值匹配模型的相似度分析系统和方法
CN103984776A (zh) * 2014-06-05 2014-08-13 北京奇虎科技有限公司 一种识别重复图片的方法、图片搜索去重方法及其装置
CN105872345A (zh) * 2015-01-20 2016-08-17 北京理工大学 基于特征匹配的全帧电子稳像方法
CN104680482A (zh) * 2015-03-09 2015-06-03 华为技术有限公司 一种图像处理的方法和装置
CN104767933A (zh) * 2015-03-13 2015-07-08 北京畅游天下网络技术有限公司 一种具备拍照功能的便携数码设备及筛选照片的方法
CN104809198A (zh) * 2015-04-23 2015-07-29 北京奇虎科技有限公司 图片清理的方法、装置以及终端设备

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107589963A (zh) * 2017-09-26 2018-01-16 维沃移动通信有限公司 一种图片处理方法、移动终端及计算机可读存储介质
CN109611905A (zh) * 2018-12-03 2019-04-12 宁波吉吉娃电子科技有限公司 旋转圆盘稳定维持平台
CN109611905B (zh) * 2018-12-03 2021-06-01 南京幸庄科技创新产业园管理有限公司 旋转圆盘稳定维持平台
CN110399344A (zh) * 2019-07-23 2019-11-01 北京明略软件系统有限公司 选取重复图像的方法及装置
CN111800664A (zh) * 2019-09-23 2020-10-20 赵家琦 基于信号分析的内容选择机构
CN111800664B (zh) * 2019-09-23 2022-04-15 深圳市天极文化科技有限公司 基于信号分析的内容选择机构、方法
CN111444753A (zh) * 2019-10-22 2020-07-24 泰州三凯工程技术有限公司 智能化排队时长大数据估算系统
CN111444753B (zh) * 2019-10-22 2021-01-26 王虎 智能化排队时长大数据估算系统
CN113128293A (zh) * 2019-12-31 2021-07-16 杭州海康威视数字技术股份有限公司 一种图像处理方法、装置、电子设备及存储介质
CN111310832A (zh) * 2020-02-18 2020-06-19 广东三维家信息科技有限公司 一种图片查重方法和系统
CN111598794A (zh) * 2020-04-24 2020-08-28 山东易华录信息技术有限公司 一种去除水下重叠情况的图像成像方法及装置
CN111553259A (zh) * 2020-04-26 2020-08-18 北京宙心科技有限公司 一种图像去重方法及系统
CN111695643A (zh) * 2020-06-24 2020-09-22 北京金山云网络技术有限公司 图像处理方法、装置和电子设备
CN113313692A (zh) * 2021-06-03 2021-08-27 广西大学 一种基于航拍可见光图像的香蕉幼株自动识别与计数方法
CN113313692B (zh) * 2021-06-03 2023-04-25 广西大学 一种基于航拍可见光图像的香蕉幼株自动识别与计数方法
CN113596401A (zh) * 2021-07-29 2021-11-02 上海应用技术大学 一种基于orb相似度判断的图像去相似传输及还原方法
CN114666506A (zh) * 2022-03-29 2022-06-24 广州方舟信息科技有限公司 一种连续拍摄图像的筛选方法及装置、电子设备
CN114666506B (zh) * 2022-03-29 2023-01-06 广州方舟信息科技有限公司 一种连续拍摄图像的筛选方法及装置、电子设备

Similar Documents

Publication Publication Date Title
CN106327426A (zh) 图像去重方法及系统
Mei et al. Pyramid attention network for image restoration
Chen et al. Cross parallax attention network for stereo image super-resolution
CN110136062B (zh) 一种联合语义分割的超分辨率重建方法
CN112287912B (zh) 基于深度学习的车道线检测方法以及装置
Hua et al. A normalized convolutional neural network for guided sparse depth upsampling.
CN110246148B (zh) 多模态的深度信息融合和注意力学习的显著性检测方法
CN104966270A (zh) 一种多图像拼接方法
CN110992366B (zh) 一种图像语义分割方法、装置及存储介质
CN116071415B (zh) 一种基于改进Census算法的立体匹配方法
CN111126197A (zh) 基于深度学习的视频处理方法及装置
CN115601574A (zh) 一种改进akaze特征的无人机影像匹配方法
CN115082675A (zh) 一种透明物体图像分割方法及系统
CN109447117A (zh) 双层车牌识别方法、装置、计算机设备及存储介质
CN114792397A (zh) 一种sar影像城市道路提取方法、系统以及存储介质
CN110516731A (zh) 一种基于深度学习的视觉里程计特征点检测方法及系统
CN111340139B (zh) 一种图像内容复杂度的判别方法及装置
CN111738310B (zh) 物料分类方法、装置、电子设备和存储介质
CN111161289A (zh) 图像中物体轮廓精度提升方法、装置和计算机程序产品
CN110363251B (zh) 一种sku图像分类方法、装置、电子设备及存储介质
CN110097583B (zh) 图片筛选方法及装置
CN113947154A (zh) 一种目标检测方法、系统、电子设备及存储介质
CN112257666A (zh) 目标图像内容的聚合方法、装置、设备及可读存储介质
CN114648527B (zh) 尿路上皮细胞玻片图像分类方法、装置、设备和介质
CN116958153B (zh) 一种基于切片匹配的无监督缺陷检测方法、系统及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170111

RJ01 Rejection of invention patent application after publication