CN106560840B - 一种图像信息识别处理方法及装置 - Google Patents
一种图像信息识别处理方法及装置 Download PDFInfo
- Publication number
- CN106560840B CN106560840B CN201510642022.2A CN201510642022A CN106560840B CN 106560840 B CN106560840 B CN 106560840B CN 201510642022 A CN201510642022 A CN 201510642022A CN 106560840 B CN106560840 B CN 106560840B
- Authority
- CN
- China
- Prior art keywords
- image
- attribute value
- sub
- detected
- reference 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000005520 cutting process Methods 0.000 claims abstract description 51
- 238000009826 distribution Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims description 71
- 238000000034 method Methods 0.000 claims description 40
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 16
- 241000736199 Paeonia Species 0.000 description 12
- 235000006484 Paeonia officinalis Nutrition 0.000 description 12
- 238000003860 storage Methods 0.000 description 8
- 239000000872 buffer Substances 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/10016—Video; Image sequence
- G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像信息识别处理方法,所述方法包括:获取第一基准图像;获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像,N为正整数;分别获取所述第一基准图像和所述第N个子图像中的第一属性值和/或第二属性值,所述第一属性值用于表征图像的颜色分布信息,所述第二属性值用于表征图像的指纹信息;当所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
Description
技术领域
本发明涉及图像信息处理技术,具体涉及一种图像信息识别处理方法及装置。
背景技术
本申请发明人在实现本申请实施例技术方案的过程中,至少发现相关技术中存在如下技术问题:
在图像处理领域,相似图像的识别技术越发成熟。目前,常用的图像相似识别方法包括:颜色分布直方图CF算法及感知哈希phash算法。其中,CF算法存在有很大的错误识别概率,即很容易将与基准图像不相似的图像错误的认为相似;phash算法在一定程度上虽然可保证识别正确率,但是其容易漏掉一些相似度较高的图片。可见,亟需一种既能够保证不漏掉相似度高的图片也可以保证或提高识别正确率的解决方案。
发明内容
为解决现有存在的技术问题,本发明实施例提供一种图像信息识别处理方法及装置,以至少解决现有技术存在的问题,提高识别正确率、降低相似图片被漏掉的概率。
本发明实施例的技术方案是这样实现的:
本发明实施例提供了一种图像信息识别处理方法,所述方法包括:
获取第一基准图像;
获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像,N为正整数;
分别获取所述第一基准图像和所述第N个子图像中的第一属性值和/或第二属性值,所述第一属性值用于表征图像的颜色分布信息,所述第二属性值用于表征图像的指纹信息;
当所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
本发明实施例提供一种图像信息识别处理装置,所述装置包括:
第一获取单元,用于获取第一基准图像;
第二获取单元,用于获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像,N为正整数;
第三获取单元,用于分别获取所述第一基准图像和所述第N个子图像中的第一属性值和/或第二属性值,所述第一属性值用于表征图像的颜色分布信息,所述第二属性值用于表征图像的指纹信息;
第一识别单元,用于当所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
本发明实施例提供的图像信息识别处理方法,获取第一基准图像;获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像,N为正整数;分别获取所述第一基准图像和所述第N个子图像中图像的颜色分布信息和图像的指纹信息;当所述第N个子图像的颜色分布信息和/或图像的指纹信息与所述第一基准图像的对应信息满足预定条件时,确定所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
采用本发明实施例,从第N个子图像和第一基准图像在第一属性值和第二属性值等方面的相似性入手,也就是兼顾到图像的颜色分布情况和图像指纹信息这两个方面对图像相似识别的影响;采用本发明实施例可有效提高识别正确率,减少相似图片被漏掉的概率。
附图说明
图1为本发明实施例图像信息识别处理装置可位于的硬件实体的示意图;
图2为本发明方法实施例一的一个实现流程示意图;
图3为本发明方法实施例二的一个实现流程示意图;
图4为本发明实施例的装置实施例一的组成结构示意图;
图5为本发明实施例的装置实施例二的组成结构示意图;
图6(a)~6(c)为应用本发明实施例的一应用的示意图;
图7为本发明装置实施例的一个硬件组成结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行详细说明,应当理解,以下所说明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。
图1为本发明实施例图像信息识别处理装置可位于的硬件实体的示意图;如图1所示,本发明实施例的图像信息识别处理装置可以位于手机21、笔记本22、一体机23、台式机24等终端中,可以位于服务器11,也可以位于基站中。当然,还可以位于其它终端如个人数字助理PDA、电子阅读器中等,此处不做过多的限制。此外,终端、服务器或基站可通过无线方式或有线方式与其他终端、服务器或其他基站进行通信。
上述图1的例子只是实现本发明实施例的一个架构实例,本发明实施例并不限于上述图1所述的结构,基于该系统架构,提出本发明各个实施例。
本发明实施例中,先获取第一基准图像,再通过对待检测图像进行某次截取或裁剪处理得到一个子图像,当第一基准图像与该子图像在颜色分布信息方面和/或图像指纹信息方面存在有相似时,认为待检测图像是与第一基准图像相似的图像。其中,利用了CF算法得到图像的颜色分布信息,利用phash算法得到了图像的指纹信息,可保证不漏掉相似度高的图片也可以保证或提高识别正确率。
实施例一
图2为本发明方法实施例一的一个实现流程示意图;如图2所示,所述方法包括:
步骤201:获取第一基准图像;
在实际应用中,可以从其它图片中查找到与图片A本身或图片A的部分图像相似度高的图片,如在其它图片中查找包括有图片A中某个对象如牡丹花的图片。当想要从其它图片中查找与图片A本身相似度高的图片时,第一基准图像为图片A本身。当想要从其它图片中查找与图片A的部分图像如牡丹花图像相似度高的图片时,第一基准图像为图片A中包括有牡丹花的部分图像。
本步骤中,先确定第一预定图像,然后按照第二预设规则对第一预定图像进行截取或裁剪处理,得到所述第一基准图像;所述第二预设规则至少设置有对所述第一预定图像的截取或裁剪处理的位置及大小。所述第一预定图像可以为本地图片、通过摄像头拍摄而得的图片、从其它终端/服务器中接收到的图片或从网络下载的图片。例如,第一预定图像可以为前述的图片A;应使用需求,可以对图片A进行全部截取,也可以进行部分截取。例如,对于200*200像素的图片A来说,可以按照1/5的比例(去除掉40个像素点)从像素点(0,0)位置处开始进行截取,截取后的图片为160*160像素,包括像素点(0,0)~(160,160);或者,按照1/5的比例从像素点(5,5)位置处开始进行截取,截取后的图片为160*160像素,包括像素点(5,5)~(165,165),根据实际使用需求而定。
步骤202:获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像;
这里,所述待检测图像可以为本地图片、通过摄像头拍摄而得的图片、从其它终端/服务器中接收到的图片或从网络下载的图片。所述第一预设规则至少设置有对所述至少一个待检测图像进行第N次截取或裁剪处理的位置及大小;所述第N个子图像与所述第一基准图像具有相同的大小,N为正整数。待检测图像的大小可以与第一预定图像的大小相同或不同;所述指定方向为图片的横向方向和纵向方向。优选的,可以先进行横向方向上的截取,通过从横向方向上截取下的子图像与第一基准图像不存在相似可能时再进行纵向方向上的截取。第N个子图像的大小需要与第一基准图像的大小相同。例如,图片B为200*200个像素点,以横向方向、每次平移图片的一个像素点为例,进行第1次截取时按照1/5的比例(去除掉200*1/5=40个像素点)从像素点(0,0)位置处开始进行截取,截取后的图片即第1个子图像为160*160像素,包括有像素点(0,0)~(160,160);进行第2次截取时按照同样的1/5比例,从像素点(1,0)位置处开始进行截取,截取后的图片即第2个子图像为160*160像素,包括有像素点(1,0)~(161,160),以此类推。
步骤203:分别获取所述第一基准图像和所述第N个子图像中的第一属性值和/或第二属性值,所述第一属性值用于表征图像的颜色分布信息,所述第二属性值用于表征图像的指纹信息;
这里,所述第一属性值为通过CF算法计算出的颜色分布直方图,第二属性值通过phash算法计算出的图像的指纹信息;计算第一基准图像、第N个子图像的颜色分布直方图和/或图像指纹信息。具体的计算颜色分布直方图、图像指纹信息的过程请参见现有相关说明,此处不赘述。
步骤204:当所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
这里,当第N个子图像的颜色分布直方图与第一基准图像的颜色分布直方图的相似度较高、和/或第N个子图像的图像指纹与第一基准图像的图像指纹相似度较高时,确认第N个子图像隶属的待检测图像为与第一基准图像相似的图像。
本发明实施例中,先获取第一基准图像,再通过对待检测图像进行某次截取或裁剪处理得到一个子图像,当第一基准图像与子图像在颜色分布信息方面和/或图像指纹信息方面存在有相似时,认为待检测图像是与第一基准图像相似的图像。其中,利用CF算法得到颜色部分直方图,利用phash算法得到图像指纹信息,可保证不漏掉相似度高的图片也可以保证或提高识别正确率。
实施例二
图3为本发明方法实施例二的一个实现流程示意图;如图3所示,所述方法包括:
步骤301:获取第一基准图像;
在实际应用中,可以从其它图片中查找到与图片A本身或图片A的部分图像相似度高的图片,如在其它图片中查找包括有图片A中某个对象如牡丹花的图片。当想要从其它图片中查找与图片A本身相似度高的图片时,第一基准图像为图片A本身。当想要从其它图片中查找与图片A的部分图像如牡丹花图像相似度高的图片时,第一基准图像为图片A中包括有牡丹花的部分图像。
本步骤中,先确定第一预定图像,然后按照第二预设规则对第一预定图像进行截取或裁剪处理,得到所述第一基准图像;所述第二预设规则至少设置有对所述第一预定图像的截取或裁剪处理的位置及大小。所述第一预定图像可以为本地图片、通过摄像头拍摄而得的图片、从其它终端/服务器中接收到的图片或从网络下载的图片。例如,第一预定图像可以为前述的图片A;应使用需求,可以对图片A进行全部截取,也可以进行部分截取。例如,对于200*200像素的图片A来说,可以按照1/5的比例(去除掉40个像素点)从像素点(0,0)位置处开始进行截取,截取后的图片为160*160像素,包括像素点(0,0)~(160,160);或者,按照1/5的比例从像素点(5,5)位置处开始进行截取,截取后的图片为160*160像素,包括像素点(5,5)~(165,165),根据实际使用情况而定。
步骤302:获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像;
这里,所述待检测图像可以为本地图片、通过摄像头拍摄而得的图片、从终端/服务器中接收到的图片或从网络下载的图片。所述第一预设规则至少设置有对所述至少一个待检测图像进行第N次截取或裁剪处理的位置及大小;所述第N个子图像与所述第一基准图像具有相同的大小,N为正整数。待检测图像的大小可以与第一预定图像的大小相同或不同。所述指定方向为图片的横向方向和纵向方向,优选的可以先进行横向方向上的截取,当从横向方向上截取下的子图像与第一基准图像不存在相似可能时再进行纵向方向上的截取。第N个子图像的大小需要与第一基准图像的大小相同。例如,图片B为200*200个像素点,以横向方向进行截取、每次平移图片的一个像素点为例,进行第1次截取时按照1/5的比例(去除掉200*1/5=40个像素点)从像素点(0,0)位置处开始进行截取,截取后的图片即第1个子图像为160*160像素,包括有像素点(0,0)~(160,160);进行第2次截取时按照1/5的比例,从像素点(1,0)位置处开始进行截取,截取后的图片即第2个子图像为160*160像素,包括有像素点(1,0)~(161,160),以此类推。
步骤303:分别获取所述第一基准图像和所述第N个子图像中的第一属性值和/或第二属性值,所述第一属性值用于表征图像的颜色分布信息,所述第二属性值用于表征图像的指纹信息;
这里,所述第一属性值为通过CF算法计算出的颜色分布直方图,第二属性值通过phash算法计算出的图像的指纹信息;计算第一基准图像、第N个子图像的颜色分布直方图和/或图像指纹信息。具体的计算颜色分布直方图、图像指纹信息的过程请参见现有相关说明,此处不赘述。
步骤304:依据第一基准图像、所述第N个子图像的第一属性值,确定第一数据,所述第一数据为第一基准图像与所述第N个子图像在颜色上的相似程度;
这里,通过余弦相似算法计算出第一基准图像与第N个子图像关于颜色分布直方图的相似度值,得到第一数据,并将第一数据缓存起来。当然第一数据也可以通过其他算法而得。
步骤305:获取第二数据,所述第二数据表征为在所述第N个子图像之前的N-1个子图像中每个子图像的第一数据中的最大值;
这里,在对待检测图像进行的前N-1次截取得到前N-1个子图像后,当计算出这前N-1个子图像中每个子图像与第一基准图像的相似度值后,均需要缓存起来,以备后续方案使用。本步骤中读取之前已缓存的前N-1个子图像对应的第一数据,并计算出其中的最大值作为第二数据。
步骤306:依据所述第一数据、第二数据、第一基准图像的第二属性值及所述第N个子图像的第二属性值,确定所述第N个子图像的第一属性值和/或第二属性值是否与所述第一基准图像的对应属性值满足预定条件;
本步骤中,在所述第二数据及所述第N个子图像的第一数据中,确定所述第N个子图像的第一数据是否为最大值;
如果第N个子图像的第一数据不为最大值,对所述至少一个待检测图像进行第二指定方向上的截取或裁剪处理,所述第N个子图像由对所述至少一个待检测图像进行的第一指定方向上的截取或裁剪处理而得,也就是改变了对待测图像的截取方向。本实施例中,以先进行横向截取为例,第N个子图像的第一数据不为最大值,说明第N个子图像不存在有与第一基准图像相似的可能,改变对待检测图像的截取方向,从待检测图像的纵向方向上进行截取,截取位置与比例均可以与进行横向方向截取时的相同,获得相应的子图像,判断该子图像是否与第一基准图像相似,此过程与前述的内容相类似,不再描述。
如果第N个子图像的第一数据为最大值时,确定所述第N个子图像的第一属性值与第一基准图像的第一属性值满足预定条件,认为在横向方向上对待检测图像进行截取而得第N个子图像很可能相似于第一基准图像或所述待检测图像很可能相似于第一基准图像;接着计算第N个子图像与第一基准图像在第二属性值上的差值;当所述第N个子图像的第二属性值和第一基准图像的第二属性值之差未超出第一预定范围如第N个子图像和第一基准图像的图像指纹信息的汉明距离小于等于M,确定所述第N个子图像的第二属性值与所述第一基准图像的第二属性值满足预定条件。当然,如果所述第N个子图像的第二属性值和第一基准图像的第二属性值之差超出第一预定范围如第N个子图像和第一基准图像的图像指纹信息的汉明距离大于M时,确定所述第N个子图像的第二属性值与所述第一基准图像的第二属性值不满足预定条件。其中,M为正整数,如M=5,也可以取其它值,依据实际情况而设定。
步骤307:当所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
例如,当第N个子图像的第一数据大于第二数据、和/或第N个子图像和第一基准图像的图像指纹信息的汉明距离小于等于M,认为第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件,此时可以肯定所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配即为相似的图片。
进一步的,
在确定所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值不满足预定条件之后,所述方法还包括:
判断对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理是否为在所述指定方向上的最后一次截取或裁剪处理;
如果对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理不为在第一指定方向上的最后一次截取或裁剪处理,对所述至少一个待检测图像进行所述指定方向上的第N+1次截取或裁剪处理,得到第N+1个子图像;获取所述第N+1个子图像中的第一属性值和/或第二属性值;当所述第N+1个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N+1个子图像隶属的所述待检测图像与所述第一基准图像相匹配。这里,以先进行的横向方向上的截取为例,对待检测图像进行在所述指定方向上如横向方向上的第N+1次截取,得到第N+1个子图像,并通过CF算法得到第N+1个子图像的颜色分布直方图和/或通过phash算法得到图像指纹,再根据颜色分布直方图和图像指纹,确定第N+1个子图像或其所属的待检测图像是否相似于第一基准图像,具体过程请参见前述对第N个子图像的相关说明。
如果对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理为在第一指定方向上的最后一次截取或裁剪处理,对所述至少一个待检测图像进行第二指定方向上的截取或裁剪处理。这里,以对待检测图像先进行横向方向(第一指定方向)截取为例,在横向方向上按照一定的比例逐一截取完成后,也没有判断出存在有与第一基准图像相似的子图像,那么需要在另一个指定方向如纵向方向(第二指定方向)上按照预定的比例及截取位置逐次进行截取,并比较在纵向上截取出的子图像是否与第一基准图像相似,如果仍然不相似,改变第一基准图像,可以通过对第一基准图像的不断截取来改变。例如,第一次选取的第一基准图像为图片A的像素点(5,5)~(165,165)这部分,第二次选取的第一基准图像可以为图片A的像素点(10,5)~(170,165)这部分,第二次选取这部分图像可以通过第一次选取的第一基准图像向横向方向平移5个像素点而得到。其中,对在纵向上截取得到子图像的后续处理与前述的对在横向方向上截取得到的子图像的后续处理相类似,此处不再赘述。
值得说明的是,对于第N个子图像、第一基准图像的第一属性值,以及第N个子图像、第一基准图像的第二属性值同时满足相应预定条件的这种情况,先通过颜色直方图的相似程度这一要素确定第N个子图像是否存在有与第一基准图像相似的可能,如果通过颜色直方图的相似程度确定第N个子图像存在有与第一基准图像相似的可能时,再通过图像指纹信息这一要素确定第N个子图像是否存在有与第一基准图像相似的可能,如果通过前述的两个要素都存在有相似的可能,则认为第N个子图像或其隶属的待检测图像与第一基准图像为相似的图片,这种两种算法相结合的方式可保证不漏掉相似度高的图片也可以保证或提高识别正确率。
本发明实施例中,先获取第一基准图像,再通过对待检测图像进行某次截取或裁剪处理得到一个子图像,当第一基准图像与子图像在颜色分布信息方面和/或图像指纹信息方面存在有相似时,认为待检测图像是与第一基准图像相似的图像。优选的,当第一基准图像与子图像在颜色分布信息方面与图像指纹信息方面均存在有相似时,认为待检测图像是与第一基准图像相似的图像。其中,利用CF算法得到颜色部分直方图,利用phash算法得到图像指纹信息,两种算法相结合可保证不漏掉相似度高的图片也可以保证或提高识别正确率。
装置实施例一
图4为本发明实施例的装置实施例一的组成结构示意图;如图4所示,所述装置包括:第一获取单元401、第二获取单元402、第三获取单元403、及第一识别单元404;其中,
第一获取单元401,用于获取第一基准图像;
在实际应用中,可以从其它图片中查找到与图片A本身或图片A的部分图像相似度高的图片,如在其它图片中查找包括有图片A中某个对象如牡丹花的图片。当想要从其它图片中查找与图片A本身相似度高的图片时,第一基准图像为图片A本身。当想要从其它图片中查找与图片A的部分图像如牡丹花图像相似度高的图片时,第一基准图像为图片A中包括有牡丹花的部分图像。
所述第一获取单元401先确定第一预定图像,然后按照第二预设规则对第一预定图像进行截取或裁剪处理,得到所述第一基准图像;所述第二预设规则至少设置有对所述第一预定图像的截取或裁剪处理的位置及大小。所述第一预定图像可以为本地图片、通过摄像头拍摄而得的图片、从其它终端/服务器中接收到的图片或从网络下载的图片。例如,第一预定图像可以为前述的图片A;应使用需求,可以对图片A进行全部截取,也可以进行部分截取。例如,对于200*200像素的图片A来说,可以按照1/5的比例(去除掉40个像素点)从像素点(0,0)位置处开始进行截取,截取后的图片为160*160像素,包括像素点(0,0)~(160,160);或者,按照1/5的比例从像素点(5,5)位置处开始进行截取,截取后的图片为160*160像素,包括像素点(5,5)~(165,165)。
第二获取单元402,用于获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像,N为正整数;
这里,所述待检测图像可以为本地图片、通过摄像头拍摄而得的图片、从其它终端/服务器中接收到的图片或从网络下载的图片。所述第一预设规则至少设置有对所述至少一个待检测图像进行第N次截取或裁剪处理的位置及大小;所述第N个子图像与所述第一基准图像具有相同的大小,N为正整数。待检测图像的大小可以与第一预定图像的大小相同或不同;所述指定方向为图片的横向方向和纵向方向,优选的第二获取单元402可以先进行横向方向上的截取,通过从横向方向上截取下的子图像与第一基准图像不存在相似可能时再进行纵向方向上的截取。第N个子图像的大小需要与第一基准图像的大小相同。例如,图片B为200*200个像素点,以横向方向、每次平移图片的一个像素点为例,第二获取单元402进行第1次截取时按照1/5的比例(去除掉200*1/5=40个像素点)从像素点(0,0)位置处开始进行截取,截取后的图片即第1个子图像为160*160像素,包括有像素点(0,0)~(160,160);第二获取单元402进行第2次截取时按照1/5的比例,从像素点(1,0)位置处开始进行截取,截取后的图片即第2个子图像为160*160像素,包括有像素点(1,0)~(161,160),以此类推。
第三获取单元403,用于分别获取所述第一基准图像和所述第N个子图像中的第一属性值和/或第二属性值,所述第一属性值用于表征图像的颜色分布信息,所述第二属性值用于表征图像的指纹信息;
这里,所述第一属性值为通过CF算法计算出的颜色分布直方图,第二属性值通过phash算法计算出的图像的指纹信息;第三获取单元403计算第一基准图像、第N个子图像的颜色分布直方图和/或图像指纹信息。具体的计算颜色分布直方图、图像指纹信息的过程请参见现有相关说明,此处不赘述。
第一识别单元404,用于当所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
这里,当第一识别单元404确认第N个子图像的颜色分布直方图与第一基准图像的颜色分布直方图的相似度较高、和/或第N个子图像的图像指纹与第一基准图像的图像指纹相似度较高,确认第N个子图像隶属的待检测图像为与第一基准图像相似的图像。
本发明实施例中,先获取第一基准图像,再通过对待检测图像进行某次截取或裁剪处理得到一个子图像,当第一基准图像与子图像在颜色分布信息方面和/或图像指纹信息方面存在有相似时,认为待检测图像是与第一基准图像相似的图像。其中,利用CF算法得到颜色部分直方图,利用phash算法得到图像指纹信息,可保证不漏掉相似度高的图片也可以保证或提高识别正确率。
装置实施例二
图5为本发明实施例的装置实施例二的组成结构示意图;如图5所示,所述装置包括:第一获取单元501、第二获取单元502、第三获取单元503、及第一识别单元504;其中,
第一获取单元501,用于获取第一基准图像;
在实际应用中,可以从其它图片中查找到与图片A本身或图片A的部分图像相似度高的图片,如在其它图片中查找包括有图片A中某个对象如牡丹花的图片。当想要从其它图片中查找与图片A本身相似度高的图片时,第一基准图像为图片A本身。当想要从其它图片中查找与图片A的部分图像如牡丹花图像相似度高的图片时,第一基准图像为图片A中包括有牡丹花的部分图像。
所述第一获取单元501先确定第一预定图像,然后按照第二预设规则对第一预定图像进行截取或裁剪处理,得到所述第一基准图像;所述第二预设规则至少设置有对所述第一预定图像的截取或裁剪处理的位置及大小。所述第一预定图像可以为本地图片、通过摄像头拍摄而得的图片、从其它终端/服务器中接收到的图片或从网络下载的图片。例如,第一预定图像可以为前述的图片A;应使用需求,可以对图片A进行全部截取,也可以进行部分截取。例如,对于200*200像素的图片A来说,可以按照1/5的比例(去除掉40个像素点)从像素点(0,0)位置处开始进行截取,截取后的图片为160*160像素,包括像素点(0,0)~(160,160);或者,按照1/5的比例从像素点(5,5)位置处开始进行截取,截取后的图片为160*160像素,包括像素点(5,5)~(165,165)。
第二获取单元502,用于获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像,N为正整数;
这里,所述待检测图像可以为本地图片、通过摄像头拍摄而得的图片、从其它终端/服务器中接收到的图片或从网络下载的图片。所述第一预设规则至少设置有对所述至少一个待检测图像进行第N次截取或裁剪处理的位置及大小;所述第N个子图像与所述第一基准图像具有相同的大小,N为正整数。待检测图像的大小可以与第一预定图像的大小相同或不同;所述指定方向为图片的横向方向和纵向方向。优选的,第二获取单元502可以先进行横向方向上的截取,通过从横向方向上截取下的子图像与第一基准图像不存在相似可能时再进行纵向方向上的截取。第N个子图像的大小需要与第一基准图像的大小相同。例如,图片B为200*200个像素点,以横向方向、每次平移图片的一个像素点为例,第二获取单元502进行第1次截取时按照1/5的比例(去除掉200*1/5=40个像素点)从像素点(0,0)位置处开始进行截取,截取后的图片即第1个子图像为160*160像素,包括有像素点(0,0)~(160,160);第二获取单元502进行第2次截取时按照1/5的比例,从像素点(1,0)位置处开始进行截取,截取后的图片即第2个子图像为160*160像素,包括有像素点(1,0)~(161,160),以此类推。
第三获取单元503,用于分别获取所述第一基准图像和所述第N个子图像中的第一属性值和/或第二属性值,所述第一属性值用于表征图像的颜色分布信息,所述第二属性值用于表征图像的指纹信息;
这里,所述第一属性值为通过CF算法计算出的颜色分布直方图,第二属性值通过phash算法计算出的图像的指纹信息;第三获取单元503计算第一基准图像、第N个子图像的颜色分布直方图和/或图像指纹信息。具体的计算颜色分布直方图、图像指纹信息的过程请参见现有相关说明,此处不赘述。
第三获取单元503,还用于依据第一基准图像、所述第N个子图像的第一属性值,确定第一数据,所述第一数据为第一基准图像与所述第N个子图像在颜色上的相似程度;获取第二数据,所述第二数据为在所述第N个子图像之前的N-1个子图像中每个子图像的第一数据中的最大值;
这里,第三获取单元503依据第一基准图像、第N个子图像的颜色分布直方图,通过余弦相似算法计算出第一基准图像与第N个子图像关于颜色分布直方图的相似度值,缓存到缓存单元(图5中未示意出)中。当然也可以通过其他算法而得。当第二获取单元502对待检测图像进行的前N-1次截取得到前N-1个子图像后,第三获取单元503计算出这前N-1个子图像中每个子图像与第一基准图像的相似度值,并缓存到缓存单元中,以备后续方案使用。所述第三获取单元503读取之前缓存在缓存单元中的前N-1个子图像对应的第一数据,并计算出其中的最大值作为第二数据。
所述第一识别单元504,用于依据所述第一数据、第二数据、第一基准图像的第二属性值及所述第N个子图像的第二属性值,确定所述第N个子图像的第一属性值和/或第二属性值是否与所述第一基准图像的对应属性值满足预定条件。
进一步的,所述第一识别单元504在所述第二数据及所述第N个子图像的第一数据中,确定所述第N个子图像的第一数据是否为最大值;
如果第N个子图像的第一数据不为最大值,触发第二获取单元502对所述至少一个待检测图像进行第二指定方向上的截取或裁剪处理,所述第N个子图像由对所述至少一个待检测图像进行的第一指定方向上的截取或裁剪处理而得,也就是改变了对待测图像的截取方向。本实施例中,以先进行横向截取为例,第N个子图像的第一数据不为最大值,说明第N个子图像不存在有与第一基准图像相似的可能,改变对待检测图像的截取方向,从待检测图像的纵向方向上进行截取,并获得相应的子图像,并通过第一识别单元504判断该子图像是否与第一基准图像相似,此过程与前述的内容相类似,不再描述。
如果所述第一识别单元504确认第N个子图像的第一数据为最大值时,确定所述第N个子图像的第一属性值与第一基准图像的第一属性值满足预定条件,认为在横向方向上对待检测图像进行截取而得第N个子图像很可能相似于第一基准图像或所述待检测图像很可能相似于第一基准图像;接着第一识别单元504计算第N个子图像与第一基准图像在第二属性值上的差值;当所述第N个子图像的第二属性值和第一基准图像的第二属性值之差未超出第一预定范围如第N个子图像和第一基准图像的图像指纹信息的汉明距离小于等于M,确定所述第N个子图像的第二属性值与所述第一基准图像的第二属性值满足预定条件。当然,如果第一识别单元504计算出所述第N个子图像的第二属性值和第一基准图像的第二属性值之差超出第一预定范围如第N个子图像和第一基准图像的图像指纹信息的汉明距离大于M时,确定所述第N个子图像的第二属性值与所述第一基准图像的第二属性值不满足预定条件。其中,M为正整数,如M=5,也可以取其它值,依据实际情况而设定。
第一识别单元504,用于当所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
进一步的,
在第一识别单元504确定所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值不满足预定条件之后,
第一识别单元504判断对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理是否为在所述指定方向上的最后一次截取或裁剪处理;
如果第一识别单元504判断为对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理不为在第一指定方向上的最后一次截取或裁剪处理,触发第二获取单元502对所述至少一个待检测图像进行所述指定方向上的第N+1次截取或裁剪处理,得到第N+1个子图像;相应的,第三获取单元503获取所述第N+1个子图像中的第一属性值和/或第二属性值;第一识别单元504确认为所述第N+1个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N+1个子图像隶属的所述待检测图像与所述第一基准图像相匹配。这里,第二获取单元502对待检测图像进行在所述指定方向上如横向方向上的第N+1次截取,得到第N+1个子图像,第三获取单元503通过CF算法得到第N+1个子图像的颜色分布直方图和/或通过phash算法得到图像指纹,第一识别单元504再根据颜色分布直方图和图像指纹,确定第N+1个子图像或其所属的待检测图像是否相似于第一基准图像,具体过程请参见前述对第N个子图像的相关说明。
如果第一识别单元504判断为对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理为在第一指定方向上的最后一次截取或裁剪处理,触发第二获取单元502对所述至少一个待检测图像进行第二指定方向上的截取或裁剪处理。这里,以对待检测图像先进行第一指定方向如横向方向截取为例,当第二获取单元502在横向方向上按照一定的比例逐一截取完成后,第一识别单元504也没有判断出与第一基准图像相似的子图像,那么触发第二获取单元502在第二指定方向如纵向方向上按照预定的比例及截取位置逐次进行截取,第一识别单元504比较在纵向上截取出的子图像是否与第一基准图像相似,如果仍然不相似,触发第一切换单元(图5中未示意出)改变第一基准图像,可以通过对第一基准图像的不断截取来改变。例如,第一次选取的第一基准图像为图片A的像素点(5,5)~(165,165)这部分,第二次选取的第一基准图像可以为图片A的像素点(10,5)~(170,165)这部分,第二次选取这部分图像可以通过第一次选取的第一基准图像向横向方向平移5个像素点而得到。其中,对在纵向上截取得到子图像的后续处理与前述的对在横向方向上截取得到的子图像的后续处理相类似,此处不再赘述。
值得说明的是,对于第N个子图像的、第一基准图像的第一属性值,以及第N个子图像、第一基准图像的第二属性值同时满足相应预定条件的这种情况,先通过颜色直方图的相似程度这一要素确定第N个子图像是否存在有与第一基准图像相似的可能,如果通过颜色直方图的相似程度确定第N个子图像存在有与第一基准图像相似的可能时,再通过图像指纹信息这一要素确定第N个子图像是否存在有与第一基准图像相似的可能,如果通过前述的两个要素都存在有相似的可能,则认为第N个子图像或其隶属的待检测图像与第一基准图像为相似的图片,这种两种算法相结合的方式可保证不漏掉相似度高的图片也可以保证或提高识别正确率。
本发明实施例中,先获取第一基准图像,再通过对待检测图像进行某次截取或裁剪处理得到一个子图像,当第一基准图像与子图像在颜色分布信息方面和/或图像指纹信息方面存在有相似时,认为待检测图像是与第一基准图像相似的图像。优选的,当第一基准图像与子图像在颜色分布信息方面与图像指纹信息方面均存在有相似时,认为待检测图像是与第一基准图像相似的图像。其中,利用CF算法得到颜色部分直方图,利用phash算法得到图像指纹信息,两种算法相结合可保证不漏掉相似度高的图片也可以保证或提高识别正确率。
下面结合图6(a)~(c)所示的应用场景对本发明实施例作进一步的说明。如图6(c)所示,
步骤700:获取第一基准图像;
如图6(a)所示,假定终端支持像素为200*200的图片A(第一预定图像)的全屏显示,图片A中包括有用户1,按照1/5的比例(去除掉40个像素点)从像素点(0,0)位置处(即图片的左上角)开始进行截取,截取后的图片即第一基准图像为160*160像素,包括像素点(0,0)~(160,160)(如图7(a)中的黑灰框所示)。
步骤701:获取至少一个待检测图像;
这里,待检测图像为如图6(b)所示的图片B。
步骤702:按照第一预设规则对所述待检测图像进行横向方向的第N次截取或裁剪处理,得到当前子图像(第N个子图像);
这里,待检测图像(通过拍摄而得)为如图6(b)所示的图片B(包括有一只手),假定图片B本身也为200*200像素、也按照1/5的比例进行横向方向截取,每次截取比上一次均沿着横向的正方向平移一个像素点,如第1次从像素点(0,0)处开始进行1/5比例的截取,第2次从(1,0)像素点处开始进行1/5比例的截取,第3次从(2,0)像素点处开始进行1/5比例截取。
假定当前为第4次截取,得到的第4个子图像包括图片B的像素点(4,0)~(164,160),如图6(b)中的黑灰框所示。
通过以下步骤来判断当前子图像(第N=4子图像)所隶属的图片B是否为与第一基准图像相似的图像。
步骤703:通过CF算法计算出的第一基准图像、当前子图像的颜色分布直方图;通过phash算法计算出第一基准图像、当前子图像的图像指纹信息;
步骤704:依据第一基准图像、当前子图像的颜色分布直方图,计算第一基准图像与当前子图像在颜色分布上的相似度值;读取第二数据;
这里,可通过余弦相似算法得出这两个图像在颜色分布上的相似程度即第一数据。因为假定N=4,在计算出第1个子图像~第3个子图像中每个子图像的第一数据后,都缓存至缓存单元中,此时读取缓存单元中的这些值,并计算出其中的最大值,第二数据即为该最大值。
步骤705:判断第二数据与第一数据的大小;
判断为第一数据大于第二数据时,执行步骤706;
判断为第一数据小于第二数据时,执行步骤709;
步骤706:计算当前子图像与第一基准图像在图像指纹信息上的差异;
如果第N个子图像和第一基准图像的图像指纹信息的汉明距离小于等于M如M=5,认为在图像指纹信息这一要素上这两个图像的差异较小,执行步骤707;
如果第N个子图像和第一基准图像的图像指纹信息的汉明距离大于M,认为在图像指纹信息这一要素上这两图像的差异较大,执行步骤708;
步骤707:当前子图像所隶属的图片B与第一基准图像为相似的图像,流程结束;
这里,也可以认为第N个子图像为与第一基准图像相似的图像。
步骤708:判断对所述至少一个待检测图像进行的横向方向上的第N次截取或裁剪处理是否为在所述横向方向上的最后一次截取或裁剪处理;
如果判断为是,执行步骤709;
如果判断为否,执行步骤710;
步骤709:对所述至少一个待检测图像进行纵向方向上的截取或裁剪处理,得到在纵向方向上截取到的子图像,作为当前子图像并返回步骤703;
步骤710:对所述至少一个待检测图像进行横向方向上的第N+1次截取或裁剪处理,得到第N+1个子图像,作为当前子图像并返回步骤703。
由此可见,在本发明实施例中,从第一预定图像上截取或裁剪得到第一基准图像,再从待检测图像上进行第N次截取或裁剪得到第N个子图像,如果第N个子图像与第一基准图像在颜色分布直方图上存在有很高的相似程度,再从图像指纹信息方面确认第N个子图像与第一基准图像确认是否有相似。如果在颜色分布上和图像指纹上均存在有相似,则认为第N子图像所隶属的图像即待检测图像与第一基准图像为相似的图像。其中,利用CF算法得到颜色分布直方图,利用phash算法得到图像指纹,这两个算法相结合且CF算法作为初筛算法(初步筛选出与第一基准图像可能有相似的图片)不会漏掉相似度很高的图片,phash算法作为进一步确认的方法,可以保证或提高识别正确率。
这里需要指出的是,前述装置可以位于PC这种电子设备,还可以位于PAD,平板电脑,手提电脑这种便携电子设备中、还可以位于如手机这种智能移动终端,不限于这里的描述。为实现各单元功能而合并为一或各单元功能分体设置的图像信息识别处理装置(电子设备)至少包括用于存储数据的数据库和用于数据处理的处理器,或者包括设置于服务器内的存储介质或独立设置的存储介质。
其中,对于用于数据处理的处理器而言,在执行处理时,可以采用微处理器、中央处理器(CPU,Central Processing Unit)、数字信号处理器(DSP,Digital SingnalProcessor)或可编程逻辑阵列(FPGA,Field-Programmable Gate Array)实现;对于存储介质来说,包含操作指令,该操作指令可以为计算机可执行代码,通过所述操作指令来实现上述本发明实施例图像信息识别处理方法流程中的各个步骤。
该装置作为硬件实体S11的一个示例如图7所示。所述装置包括处理器31、存储介质32以及至少一个外部通信接口33;所述处理器31、存储介质32以及外部通信接口33均通过总线34连接。
这里需要指出的是:以上涉及图像信息识别处理装置的描述,与上述方法描述是类似的,同方法的有益效果描述,不做赘述。对于本发明装置实施例中未披露的技术细节,请参照本发明方法实施例的描述。
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,本发明可采用硬件实施例、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。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (18)
1.一种图像信息识别处理方法,其特征在于,所述方法包括:
获取第一基准图像;
获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像,N为正整数;
分别获取所述第一基准图像和所述第N个子图像中的第一属性值和/或第二属性值,所述第一属性值用于表征图像的颜色分布信息,所述第二属性值用于表征图像的指纹信息;
至少依据第一数据、第二数据、第一基准图像的第二属性值及第N个子图像的第二属性值,确定第N个子图像的第一属性值和/或第二属性值是否与所述第一基准图像的对应属性值满足预定条件;其中,所述第一数据为第一基准图像与所述第N个子图像在颜色上的相似程度;所述第二数据为在所述第N个子图像之前的N-1个子图像中每个子图像的第一数据中的最大值;
当确定为满足预定条件时,识别出所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
2.根据权利要求1所述的方法,其特征在于,所述获取第一基准图像,包括:
确定第一预定图像;
按照第二预设规则对第一预定图像进行截取或裁剪处理,得到所述第一基准图像;
所述第二预设规则至少设置有对所述第一预定图像的截取或裁剪处理的位置及大小。
3.根据权利要求1所述的方法,其特征在于,所述第一预设规则至少设置有对所述至少一个待检测图像进行第N次截取或裁剪处理的位置及大小;所述第N个子图像与所述第一基准图像具有相同的大小。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:
依据第一基准图像、所述第N个子图像的第一属性值,确定第一数据。
5.根据权利要求4所述的方法,其特征在于,所述依据所述第一数据、第二数据、第一基准图像的第二属性值及所述第N个子图像的第二属性值,确定所述第N个子图像的第一属性值和/或第二属性值是否与所述第一基准图像的对应属性值满足预定条件,包括:
在所述第二数据及所述第N个子图像的第一数据中,确定所述第N个子图像的第一数据是否为最大值;
确定第N个子图像的第一数据为最大值时,确定所述第N个子图像的第一属性值与第一基准图像的第一属性值满足预定条件;
计算第N个子图像与第一基准图像在第二属性值上的差值;
如果所述第N个子图像的第二属性值和第一基准图像的第二属性值之差未超出第一预定范围时,确定所述第N个子图像的第二属性值与所述第一基准图像的第二属性值满足预定条件。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
如果所述第N个子图像的第二属性值和第一基准图像的第二属性值之差超出第一预定范围时,确定所述第N个子图像的第二属性值与所述第一基准图像的第二属性值不满足预定条件。
7.根据权利要求6所述的方法,其特征在于,在确定所述第N个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值不满足预定条件之后,所述方法还包括:
判断对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理是否为在所述指定方向上的最后一次截取或裁剪处理;
如果否,对所述至少一个待检测图像进行所述指定方向上的第N+1次截取或裁剪处理,得到第N+1个子图像;
获取所述第N+1个子图像中的第一属性值和/或第二属性值;
当所述第N+1个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N+1个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
如果判断为对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理为在第一指定方向上的最后一次截取或裁剪处理,对所述至少一个待检测图像进行第二指定方向上的截取或裁剪处理。
9.根据权利要求5所述的方法,其特征在于,所述方法还包括:
当确定所述第N个子图像的第一数据不为最大值时,
对所述至少一个待检测图像进行第二指定方向上的截取或裁剪处理,所述第N个子图像由对所述至少一个待检测图像进行的第一指定方向上的截取或裁剪处理而得。
10.一种图像信息识别处理装置,其特征在于,所述装置包括:
第一获取单元,用于获取第一基准图像;
第二获取单元,用于获取至少一个待检测图像,按照第一预设规则对所述待检测图像进行至少一个指定方向的第N次截取或裁剪处理,得到所述至少一个待检测图像中的第N个子图像,N为正整数;
第三获取单元,用于分别获取所述第一基准图像和所述第N个子图像中的第一属性值和/或第二属性值,所述第一属性值用于表征图像的颜色分布信息,所述第二属性值用于表征图像的指纹信息;
第一识别单元,用于至少依据第一数据、第二数据、第一基准图像的第二属性值及第N个子图像的第二属性值,确定第N个子图像的第一属性值和/或第二属性值是否与所述第一基准图像的对应属性值满足预定条件;其中,所述第一数据为第一基准图像与所述第N个子图像在颜色上的相似程度;所述第二数据为在所述第N个子图像之前的N-1个子图像中每个子图像的第一数据中的最大值;
当确定为满足预定条件时,识别出所述第N个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
11.根据权利要求10所述的装置,其特征在于,所述第一获取单元,用于确定第一预定图像;
按照第二预设规则对第一预定图像进行截取或裁剪处理,得到所述第一基准图像;
所述第二预设规则至少设置有对所述第一预定图像的截取或裁剪处理的位置及大小。
12.根据权利要求10所述的装置,其特征在于,所述第一预设规则至少设置有对所述至少一个待检测图像进行第N次截取或裁剪处理的位置及大小;所述第N个子图像与所述第一基准图像具有相同的大小。
13.根据权利要求10至12任一项所述的装置,其特征在于,
所述第三获取单元,用于依据第一基准图像、所述第N个子图像的第一属性值,确定第一数据。
14.根据权利要求13所述的装置,其特征在于,所述第一识别单元,还用于:
在所述第二数据及所述第N个子图像的第一数据中,确定所述第N个子图像的第一数据是否为最大值;
确定第N个子图像的第一数据为最大值时,确定所述第N个子图像的第一属性值与第一基准图像的第一属性值满足预定条件;
计算第N个子图像与第一基准图像在第二属性值上的差值;
如果所述第N个子图像的第二属性值和第一基准图像的第二属性值之差未超出第一预定范围时,确定所述第N个子图像的第二属性值与所述第一基准图像的第二属性值满足预定条件。
15.根据权利要求14所述的装置,其特征在于,所述第一识别单元,还用于:
如果所述第N个子图像的第二属性值和第一基准图像的第二属性值之差超出第一预定范围时,确定所述第N个子图像的第二属性值与所述第一基准图像的第二属性值不满足预定条件。
16.根据权利要求15所述的装置,其特征在于,所述第一识别单元,用于:判断对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理是否为在所述指定方向上的最后一次截取或裁剪处理;
如果否,触发第二获取单元;
相应的,所述第二获取单元,用于对所述至少一个待检测图像进行所述指定方向上的第N+1次截取或裁剪处理,得到第N+1个子图像;
所述第三获取单元,用于获取所述第N+1个子图像中的第一属性值和/或第二属性值;
所述第一识别单元,用于当所述第N+1个子图像的第一属性值和/或第二属性值与所述第一基准图像的对应属性值满足预定条件时,识别出所述第N+1个子图像隶属的所述待检测图像与所述第一基准图像相匹配。
17.根据权利要求16所述的装置,其特征在于,所述第一识别单元,还用于:
如果判断为对所述至少一个待检测图像进行的所述指定方向上的第N次截取或裁剪处理为在第一指定方向上的最后一次截取或裁剪处理,触发第二获取单元;
相应的,所述第二获取单元,用于对所述至少一个待检测图像进行第二指定方向上的截取或裁剪处理。
18.根据权利要求14所述的装置,其特征在于,所述第一识别单元,还用于:
当确定所述第N个子图像的第一数据不为最大值时,触发第二获取单元;
相应的,所述第二获取单元,用于对所述至少一个待检测图像进行第二指定方向上的截取或裁剪处理,所述第N个子图像由对所述至少一个待检测图像进行的第一指定方向上的截取或裁剪处理而得。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510642022.2A CN106560840B (zh) | 2015-09-30 | 2015-09-30 | 一种图像信息识别处理方法及装置 |
PCT/CN2016/080564 WO2017054442A1 (zh) | 2015-09-30 | 2016-04-28 | 一种图像信息识别处理方法及装置、计算机存储介质 |
EP16850067.6A EP3273388A4 (en) | 2015-09-30 | 2016-04-28 | Image information recognition processing method and device, and computer storage medium |
US15/729,935 US10438086B2 (en) | 2015-09-30 | 2017-10-11 | Image information recognition processing method and device, and computer storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510642022.2A CN106560840B (zh) | 2015-09-30 | 2015-09-30 | 一种图像信息识别处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106560840A CN106560840A (zh) | 2017-04-12 |
CN106560840B true CN106560840B (zh) | 2019-08-13 |
Family
ID=58422666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510642022.2A Active CN106560840B (zh) | 2015-09-30 | 2015-09-30 | 一种图像信息识别处理方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10438086B2 (zh) |
EP (1) | EP3273388A4 (zh) |
CN (1) | CN106560840B (zh) |
WO (1) | WO2017054442A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106560840B (zh) * | 2015-09-30 | 2019-08-13 | 腾讯科技(深圳)有限公司 | 一种图像信息识别处理方法及装置 |
CN107516105B (zh) | 2017-07-20 | 2020-06-16 | 阿里巴巴集团控股有限公司 | 图像处理方法及装置 |
CN108154031B (zh) * | 2018-01-17 | 2021-08-06 | 腾讯科技(深圳)有限公司 | 伪装应用程序的识别方法、装置、存储介质和电子装置 |
WO2019205069A1 (en) * | 2018-04-27 | 2019-10-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for updating 3d model of building |
CN109344275B (zh) * | 2018-08-21 | 2021-10-26 | 深圳市致远优学教育科技有限公司 | 基于图片识别的资源获取装置及方法 |
CN111915550B (zh) * | 2019-05-09 | 2024-03-29 | 杭州海康威视数字技术股份有限公司 | 图像质量检测方法、检测设备和存储介质 |
CN110287861B (zh) * | 2019-06-21 | 2022-01-07 | Oppo广东移动通信有限公司 | 指纹识别方法、装置、存储介质及电子设备 |
CN110633743A (zh) * | 2019-09-09 | 2019-12-31 | 南昌市微轲联信息技术有限公司 | 一种基于邻域支撑的图像匹配方法 |
CN111405314B (zh) * | 2020-03-09 | 2021-06-15 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、设备及存储介质 |
CN111753720A (zh) * | 2020-06-24 | 2020-10-09 | 上海依图网络科技有限公司 | 一种指纹匹配方法及装置 |
CN112132146A (zh) * | 2020-08-14 | 2020-12-25 | 北京三快在线科技有限公司 | 图像裁切模型的训练方法、装置及图像裁切方法、装置 |
CN113724137A (zh) * | 2021-09-08 | 2021-11-30 | 深圳壹账通智能科技有限公司 | 基于图像切分的图像识别方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617625A (zh) * | 2013-12-13 | 2014-03-05 | 中国气象局北京城市气象研究所 | 一种图像匹配方法及图像匹配装置 |
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 |
CN104881668A (zh) * | 2015-05-13 | 2015-09-02 | 中国科学院计算技术研究所 | 一种基于代表性局部模式的图像指纹提取方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7221395B2 (en) * | 2000-03-14 | 2007-05-22 | Fuji Photo Film Co., Ltd. | Digital camera and method for compositing images |
JP2005005844A (ja) * | 2003-06-10 | 2005-01-06 | Hitachi Ltd | 計算装置及び符号化処理プログラム |
US7888621B2 (en) * | 2006-09-29 | 2011-02-15 | International Paper Co. | Systems and methods for automatically adjusting the operational parameters of a laser cutter in a package processing environment |
US7991189B2 (en) * | 2007-03-28 | 2011-08-02 | Sharp Kabushiki Kaisha | Image processing apparatus, image forming apparatus, image processing system, and image processing method |
US8260061B2 (en) * | 2007-09-21 | 2012-09-04 | Sharp Kabushiki Kaisha | Image data output processing apparatus and image data output processing method |
WO2013104328A1 (zh) * | 2012-01-12 | 2013-07-18 | 杭州美盛红外光电技术有限公司 | 热像装置和热像规范拍摄方法 |
US10685234B2 (en) * | 2012-03-31 | 2020-06-16 | Xerox Corporation | Automatic and semi-automatic metadata generation via inheritance in homogeneous and heterogeneous environments |
CN103793697B (zh) * | 2014-02-17 | 2018-05-01 | 北京旷视科技有限公司 | 一种人脸图像的身份标注方法及人脸身份识别方法 |
CN104217222B (zh) * | 2014-09-25 | 2017-11-21 | 中国科学院自动化研究所 | 一种基于随机采样哈希表示的图像匹配方法 |
CN104463151A (zh) * | 2015-01-05 | 2015-03-25 | 北京邮电大学 | 基于主颜色直方图和空间位置信息融合的快速目标匹配方法 |
CN104820996B (zh) * | 2015-05-11 | 2018-04-03 | 河海大学常州校区 | 一种基于视频的自适应分块的目标跟踪方法 |
CN106560840B (zh) * | 2015-09-30 | 2019-08-13 | 腾讯科技(深圳)有限公司 | 一种图像信息识别处理方法及装置 |
-
2015
- 2015-09-30 CN CN201510642022.2A patent/CN106560840B/zh active Active
-
2016
- 2016-04-28 WO PCT/CN2016/080564 patent/WO2017054442A1/zh active Application Filing
- 2016-04-28 EP EP16850067.6A patent/EP3273388A4/en active Pending
-
2017
- 2017-10-11 US US15/729,935 patent/US10438086B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617625A (zh) * | 2013-12-13 | 2014-03-05 | 中国气象局北京城市气象研究所 | 一种图像匹配方法及图像匹配装置 |
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 |
CN104881668A (zh) * | 2015-05-13 | 2015-09-02 | 中国科学院计算技术研究所 | 一种基于代表性局部模式的图像指纹提取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
EP3273388A4 (en) | 2018-10-17 |
US20180225542A1 (en) | 2018-08-09 |
CN106560840A (zh) | 2017-04-12 |
WO2017054442A1 (zh) | 2017-04-06 |
US10438086B2 (en) | 2019-10-08 |
EP3273388A1 (en) | 2018-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106560840B (zh) | 一种图像信息识别处理方法及装置 | |
US11164323B2 (en) | Method for obtaining image tracking points and device and storage medium thereof | |
US9600744B2 (en) | Adaptive interest rate control for visual search | |
EP3125135A1 (en) | Picture processing method and device | |
CN107886026B (zh) | 图形码处理方法及装置 | |
US8908911B2 (en) | Redundant detection filtering | |
US9594958B2 (en) | Detection of spoofing attacks for video-based authentication | |
CN110008997B (zh) | 图像纹理相似度识别方法、装置及计算机可读存储介质 | |
KR101620933B1 (ko) | 제스쳐 인식 메커니즘을 제공하는 방법 및 장치 | |
CN111833285B (zh) | 图像处理方法、图像处理装置及终端设备 | |
US20130188836A1 (en) | Method and apparatus for providing hand detection | |
CN110414649B (zh) | Dm码的定位方法、装置、终端及存储介质 | |
CN113496208B (zh) | 视频的场景分类方法及装置、存储介质、终端 | |
CN109783680B (zh) | 图像推送方法、图像获取方法、装置及图像处理系统 | |
CN110991310A (zh) | 人像检测方法、装置、电子设备及计算机可读介质 | |
CN107770487B (zh) | 一种特征提取并优选的方法、系统及终端设备 | |
CN108304840B (zh) | 一种图像数据处理方法以及装置 | |
CN104902143A (zh) | 一种基于分辨率的图像去噪方法及装置 | |
CN111080665B (zh) | 图像边框识别方法、装置、设备和计算机存储介质 | |
JP2019517079A (ja) | 形状検知 | |
CN111428740A (zh) | 网络翻拍照片的检测方法、装置、计算机设备及存储介质 | |
CN114119964A (zh) | 一种网络训练的方法及装置、目标检测的方法及装置 | |
US8953843B1 (en) | Selecting objects in a sequence of images | |
CN108121942B (zh) | 一种指纹识别的方法及装置 | |
CN112541429B (zh) | 一种智能抓图方法、装置、电子设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |