CN108052653A - 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法 - Google Patents

图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法 Download PDF

Info

Publication number
CN108052653A
CN108052653A CN201711444394.XA CN201711444394A CN108052653A CN 108052653 A CN108052653 A CN 108052653A CN 201711444394 A CN201711444394 A CN 201711444394A CN 108052653 A CN108052653 A CN 108052653A
Authority
CN
China
Prior art keywords
image
pixel
length
effective coverage
divided area
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
CN201711444394.XA
Other languages
English (en)
Inventor
徐庆
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.)
Foshan City China Side Trademark Software Co Ltd
Foshan Country Trademark Services Co Ltd
Original Assignee
Foshan City China Side Trademark Software Co Ltd
Foshan Country Trademark Services 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 Foshan City China Side Trademark Software Co Ltd, Foshan Country Trademark Services Co Ltd filed Critical Foshan City China Side Trademark Software Co Ltd
Publication of CN108052653A publication Critical patent/CN108052653A/zh
Pending legal-status Critical Current

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
    • G06F16/54—Browsing; Visualisation therefor
    • 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
    • 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
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • 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
    • G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/247—Thesauruses; Synonyms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
    • G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
    • G06V30/274—Syntactic or semantic context, e.g. balancing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services; Handling legal documents
    • G06Q50/184—Intellectual property management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
    • G06V30/293—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of characters other than Kanji, Hiragana or Katakana

Abstract

本发明实施例提供一种图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法。该图像特征描述符的获取方法包括：设置预设边长比率和形状的标准单位；对所述待处理图像中的目标图像进行裁剪处理，以获取第一有效区域图像；对第一有效区域图像进行插入或删除像素点的处理，以获取第二有效区域图像；提取所述第二有效区域图像中的图像特征像素点；根据所述标准单位将所述第二有效区域图像对应分割成N个形状及尺寸相同细分区域及区域编号；按预设顺序分别读取第二有效区域图像的特征像素点所对应的细分区域编号，将所读取的细分区域的编号的集合作为图像特征描述符。

Description

图像特征描述符的获取方法、装置、存储介质、终端及图像检 索方法
技术领域
本发明涉及图像处理领域，特别涉及一种图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法。
背景技术
图像特征描述符一般是用来描述特征点，现有技术已公开的图像特征描述符一般是一组向量，包括特征点的位置、方向、尺度等信息。常见的特征点是图像中一些稳定点，如角点、边缘点、暗区中的亮点、亮区中的暗点等。一组良好的描述符应该具有区分性和共同性，区分性是指描述符能将一幅图像与另一幅图像相区别的特征点反映出来，使该描述符对于该图像是唯一的；共同性是指描述符能将某一图像与其他相同或相近的图像以同一特征点反映出来，使该描述符对于相同或近似的图像拥有共同的特征点，以实现相同和近似图像的良好匹配。
现有的特征描述符通常是基于某一标准而提取的特征向量，在一定的范围内可以实现相同或近似图像的匹配。但对不同图像特征点计量单位和描述的条件可能不统一，导至出现许多视觉认为相同或近似的图像无法在图像检索中找出，造成相同或近似的图像查全率、查准率不高和匹配效果不理想的缺陷。
发明内容
本发明实施例提供一种图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法，可以提高图像检索的效率。
本发明实施例提供一种图像特征描述符的获取方法，用于对待处理图像进行处理，所述方法包括以下步骤：
S101，设置预设边长比率和形状为矩形的标准单位，该标准单位的内部被平均分割为N个形状及大小相同的细分区域，且每一细分区域设置有不同的区域编号；
S102，找出待处理图像中的目标图像色块，对所述目标图像色块按矩形进行裁剪处理，以获取第一有效区域图像及第一有效区域图像的像素点数据，第一有效区域图像是该目标图像色块的外接矩形围成区域的图像；
S103，对第一有效区域图像的像素点数据所构的数据表在水平和竖直方向上的像素长度较短的一边每加点特定像素长度插入或在像素长度较长的一边每减点特定像素长度删除像素点处理，使图像的像素点数据在像素长度较短的一边和在像素长度较长的另一边的长度比率与标准单位中预设边长比率相等，以获取第二有效区域图像及第二有效区域图像的像素点数据；
S104，提取第二有效区域图像的特征像素点；
S105，根据设置的标准单位的细分区域标准，对第二有效区域图像的像素点数据进行等份的细分区域分割处理，使第二有效区域图像的细分区域与所述标准单位的细分区域相对应，将与标准单位的任一细分区域相对应的第二有效区域图像的像素点集合作为所述第二有效区域图像的细分区域，获取所述第二有效区域图像中的特征像素点所在的细分区域及区域编号；
S106，按预设顺序分别读取第二有效区域图像的特征像素点所对应的细分区域的区域编号，将读取的细分区域的区域编号的集合作为图像特征描述符。
一种图像特征描述符的获取装置，用于对待处理图像进行处理，所述装置包括：
设置模块，用于设置预设边长比率和形状为矩形的标准单位，该标准单位的被平均分割为N个形状及大小相同的细分区域，且每一细分区域设置有不同的区域编号；
第一处理模块，用于找出待处理图像中的目标图像色块，对目标图像色块按矩形进行裁剪处理，以获取第一有效区域图像及第一有效区域图像的像素点数据；
第二处理模块，用于对第一有效区域图像的像素点数据在长度较小方向上均匀插入或在长度较大方向上均匀删除像素点处理，使图像的像素点数据在边长较小方向和边长较大方向的长度比率与标准单位中预设边长比率相等，以获取第二有效区域图像及像素点数据；
提取模块，用于提取第二有效区域图像的特征像素点；
第三处理模块，用于根据设置的标准单位的细分区域标准，对第二有效区域图像的像素点数据进行等份的细分区域分割处理，使第二有效区域图像的细分区域与设置的标准单位的细分区域相对应，将与标准单位的其中某一细分区域相对应的第二有效区域图像的像素点集合视为第二有效区域图像的细分区域，获取所述第二有效区域图像中的特征像素点的细分区域及区域编号；
获取模块，用于按一定的顺序分别读取图像特征像素点所对应设置的标准单位的细分区域的编号，该细分区域的编号的集合作为图像特征描述符。
一种存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述任一项所述的图像特征描述符的获取方法。
一种终端，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行上述任一项所述的图像特征描述符的获取方法。
一种图像检索方法，包括以下步骤：
S301，采用上述任一项所述的方法提取多个样本图像的图像特征描述符，将其保存于数据库；
S302，采用上述任一项所述的方法提取输入图像的图像特征描述符；
S303，以图像特征描述符作为图像检索关键词在所述数据库中进行匹配检索，获取匹配关键词所对应的样本图像；
S304、将匹配关键词所对应的样本图像的集合，作为输入图像与样本图像相同或近似的图像检索结果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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的附图。
图1是本发明实施例提供的图像特征描述符的获取方法的流程示意图。
图2是本发明实施例中的第一标准单位的细分区域示意图。
图3是本发明实施例中的第二标准单位的细分区域示意图。
图4是本发明实施例中的一实例待处理图像的原始图像。
图5是本发明实施例中的一实例待处理图像的裁剪处理区域示意图。
图6是本发明实施例中的一实例的第二有效区域图像示意图。
图7是本发明实施例中第二有效区域图像部分像素点位置数据示意图。
图8是本发明实施例中的第二有效区域图像基于第一标准单位的细分区域分割和细分区域编号示意图。
图9是本发明实施例中的第二有效区域图像基于第二标准单位的细分区域分割和细分区域编号示意图。
图10是本发明实施例提供的图像特征描述符的获取装置的结构示意图。
图11是本发明实施例提供的图像检索方法的一种流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
本发明的说明书和权利要求书以及上述附图中的术语“第一”、“第二”、“第三”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应当理解，这样描述的对象在适当情况下可以互换。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如，包含了一系列步骤的过程、方法或包含了一系列模块或单元的装置、终端、系统不必限于清楚地列出的那些步骤或模块或单元，还可以包括没有清楚地列出的步骤或模块或单元，也可以包括对于这些过程、方法、装置、终端或系统固有的其它步骤或模块或单元。
参考图1，图1为本发明一实施例中的图像特征描述符的获取方法的流程图，该方法用于对目标图像进行处理。在本实施例中，该方法包括以下步骤：
S101、设置预设边长比率和形状为矩形的标准单位，该标准单位的内部被平均分割为N个形状及大小相同的细分区域，且每一细分区域设置有不同的区域编号。
所述预设边长比率是最小边长除以最大边长的值，预设边长比率取值范围为小于或等于1。
在实际应用中，图像有效区域为矩形是所有图像都适用的共性，为了使图像之间增强可比性，本实施例的标准单位的形状设置为矩形，其中，矩形包括长方形和正方形。
能描述图像有效区域的其他形状并能分割为若干等份细分区域的其他形状也可作为本发明实施例的标准单位的形状。
优选地，本实施例的标准单位的形状取正方形，本实施例其中两种的标准单位如图2、图3所示，图2是本发明实施例中的第一标准单位的细分区域示意图；图3是本发明实施例中的第二标准单位的细分区域示意图。
在本发明实施例的标准单位中，将细分区域数量最少的标准单位称为第一标准单位，细分区域数量次少的标准单位称为第二标准单位，细分区域数量第n少的标准单位称为第n标准单位。上述图2所示的标准单位可称为第一标准单位，上述图3所示的标准单位可称为第二标准单位。
图2、图3所示的第一标准单位和第二标准单位均是正方形，图2所述第一标准单位为正方形，预设边长比率为10×10，可将该正方形的内部平均分割为100个细分区域，其中，水平方向每行10个细分区域，垂直方向每列10个细分区域，整个正方形平均分割为100个细分区域，每个细分区域的形状及边长比相等；而图3所述第二标准单位也为正方形，预设边长比率为20×20，可将该正方形的内部平均分割为400个细分区域；其中，水平方向每行20个细分区域，垂直方向每列20个细分区域，整个正方形平均分割为400个细分区域，每个细分区域的形状及边长比相等。其他第n标准单位也为正方形，预设边长比率和细分区域方法类推。
实际应用中，对每一细分区域给以区分不同细分区域的编号。如图2所示的第一标准单位依次得到1至100的编号，如图3所示的第二标准单位依次得到1至400的编号。
S102、找出待处理图像中的目标图像色块，对所述目标图像色块按矩形进行裁剪处理，以获取第一有效区域图像及第一有效区域图像像素点数据，第一有效区域图像是该目标图像色块的外接矩形围成区域的图像。
通过电脑设备、摄像功能的手机、照相机、摄像头或集合有摄像头或存储图像的其他设备所获取的图像均可作为本发明实施例的待处理图像，待处理图像包括目标图像色块部分和以及背景色块部分。例如图4中，图4是本发明实施例中的一实例待处理图像的原始图像，其中描述苹果的黑色部分就是该待处理图像的目标图像色块部分，而白色或浅色部分为背景色块部分，其背景色块部分不是图像特征的主要部分，应排除其对图像特征提取中的干扰。可对其使用现有技术方法对该目标图像色块部分的有效区域进行裁剪以得到该第一有效区域图像。
在裁剪处理中，所述目标图像色块是除背景色外的图像像素点集合组成的色块，所述第一有效区域图像是该目标图像色块边缘像素点与裁剪形状为矩形相外接的图像，所述相外接是裁剪矩形的每一边线至少与该目标图像色块边缘像素点的一个点相重合。
例如图5中，图5是本发明实施例中的一实例待处理图像的裁剪处理区域示意图，如图5所示，待处理图像的裁剪处理区域是由abcd围成的矩形区域，将abcd围成的矩形区域裁剪出来得到第一有效区域图像，并提取该第一有效区域图像像素点数据。这可有效排除被剪除的背景区部分对图像特征提取中的干扰。
在实际应用中，对待处理图像的目标图像色块进行裁剪处理，一般裁剪的形状是矩形，也可采用圆形或其他形状。当其裁剪的形状为矩形时，所裁剪的图像的有效区域为图像的外接矩形。其中，矩形和正方形的形状算相同，正方形是特殊的矩形。
对待处理图像的目标图像色块进行裁剪处理后得到的图像区域称为图像有效区域，其所得到的图像称为第一有效区域图像。
S103、对第一有效区域图像的像素点数据所构的数据表在水平和垂直方向上的像素长度较短的一边每加点特定像素长度插入或在像素长度较长的一边每减点特定像素长度删除像素点处理，使图像的像素点数据在像素长度较短的一边和在像素长度较长的另一边的长度比率与标准单位中预设边长比率相等，以获取第二有效区域图像及第二有效区域图像的像素点数据。
经前述裁剪处理步骤所获得的第一有效区域图像，其图像有效区域的形状虽然为矩形，但不同图像的图像有效区域的矩形的边长长度比可能不一致，当不一致时，两图像不具备可比性。但如果将图像有效区域的形状转换为正方形后，两图像就具备了可比性。
本发明实施例中，使图像的像素点数据在像素长度较短的一边和在像素长度较长的另一边的长度比率与标准单位中预设边长比率相等的最佳形状是正方形，正方形的长度比率是1：1，与图2、3所示的标准单位中预设边长比率相等。
在实际应用中，将图像有效区域的形状转换为正方形的方法可以包括：加点法或减点法。
在步骤S103中,所述对第一有效区域图像的像素点数据所构的数据表在水平和垂直方向上的像素长度较短的一边每加点特定像素长度插入像素点处理的方法，包括：
加点法，特征在于：以第一有效区域图像的像素点数据所构的数据表在水平和垂直方向上的像素长度较长的一边为基准，在像素长度较短的另一边每加点特定像素长度的末端插入一行或一列像素点，使插入点后第一有效区域图像的像素点数据所构的数据表的水平方向上的像素点数与在垂直方向上的像素点数的长度比率与标准单位中预设边长比率相等，从而获取第二有效区域图像及像素点数据，其中，像素点数据包括该像素点在第二有效区域图像数据表中的位置数据和该像素点归入的色块数据（目标图像色块或背景色块）。
其中，前述加点法中“每加点特定像素长度”按如下公式获取：
M1=INT(X1÷i)；
M2=INT(X1÷i+P1)，其中，P1=X1÷i-M1；
M3= INT(X1÷i+P2)，其中，P2=X1÷i+P1-M2；
M4= INT(X1÷i+P3)，其中，P3=X1÷i+P2-M3；
……
Mi= INT(X1÷i+Pi-1)，其中，Pi-1=X1÷i+Pi-2-Mi-1；
其中，i表示第一有效区域图像的像素点数据所构的数据表在像素长度较长的一边与像素长度较短的另一边的像素长度的差，X1表示像素长度较短的一边的像素长度，M1表示在像素长度较短的一边的第一段加点特定像素长度，M2表示在像素长度较短的一边的第二段加点特定像素长度，M3表示在像素长度较短的一边的第三段加点特定像素长度，M4表示在像素长度较短的一边的第四段加点特定像素长度，……Mi表示在像素长度较短的一边的上第i段加点特定像素长度，INT为取整函数。
经上述加点法处理后，使图像的像素点数据在边长较小方向和边长较大方向的长度比率与标准单位中预设边长比率相等，获取了第二有效区域图像，该第二有效区域图像的有效区域为正方形，可以提取该第二有效区域图像的各个像素点的位置数据。
在步骤S103中,所述对第一有效区域图像的像素点数据所构的数据表在水平和垂直方向上的像素长度较长的一边每减点特定像素长度删除像素点处理的方法，包括：
减点法，特征在于：以第一有效区域图像的像素点数据所构的数据表在水平和垂直方向上的像素长度较短的一边为基准，在像素长度较长的另一边每减点特定像素长度的末端删除一列或一行像素点，使删除点后第一有效区域图像的像素点数据所构的数据表的水平方向上的像素点数与在垂直方向上的像素点数的长度比率与标准单位中预设边长比率相等，从而获取第二有效区域图像及像素点数据，其中，像素点数据包括该像素点在第二有效区域图像数据表中的位置数据和该像素点归入的色块数据（目标图像色块或背景色块）。
其中，所述减点法中“每减点特定像素长度”按如下公式获取：
N1=INT(X2÷j)；
N2=INT(X2÷j+Q1)，其中，Q1=X2÷j-N1；
N3=INT(X2÷j+Q2)，其中，Q2=X2÷j+Q1-N2；
N4=INT(X2÷j+Q3)，其中，Q3=X2÷j+Q2-N3；
……
Nj=INT(X2÷j+Qj-1)，其中，Qj-1=X2÷j+Qj-2-Nj-1；
其中，j表示第一有效区域图像的像素点数据所构的数据表在像素长度较长的一边与像素长度较短的另一边的像素长度的差，X2表示像素长度较长的一边的像素长度，N1表示在像素长度较长的一边的第一段减点特定像素长度，N2表示在像素长度较长的一边的第二段减点特定像素长度，N3表示在像素长度较长的一边的第三段减点特定像素长度，N4表示在像素长度较长的一边的第四段减点特定像素长度……Nj表示在像素长度较长的一边的第j段减点特定像素长度，INT为取整函数。
经上述减点法处理后，也可使图像的像素点数据在边长较小方向和边长较大方向的长度比率与标准单位中预设边长比率相等，获取了第二有效区域图像，该第二有效区域图像的有效区域为正方形，可以提取该第二有效区域图像的各个像素点的位置数据。
图6是本发明实施例中的一实例的第二有效区域图像示意图，如图6所示，经过处理后得到的第二有效区域图像为a1、b1、c1、d1围成的正方形为边界线的图像。
S104、提取第二有效区域图像的特征像素点。
本发明实施例中，采用现有技术的方法对第二有效区域图像提取其具有物理相对位置信息的特征像素点数据，具有物理相对位置信息的图像特征像素点数据的种类包括但不限于：目标图像的轮廓特征、目标图像的骨架特征、目标图像的端点阵特征、目标图像的角点阵特征等。
S105、根据设置的标准单位的细分区域标准，对第二有效区域图像的像素点数据进行等份的细分区域分割处理，使第二有效区域图像的细分区域与所述标准单位的细分区域相对应，将与标准单位的任一细分区域相对应的第二有效区域图像的像素点集合作为所述第二有效区域图像的细分区域，获取所述第二有效区域图像中的特征像素点所在的细分区域及区域编号。
经前述步骤对第二有效区域图像提取其具有物理相对位置信息的特征像素点数据后，虽然都是正方形，长度比率与标准单位中预设边长比率相等，但其水平像素长度和垂直长度并不一定相等，无法直接实现图像之间的有效比较。根据设置的标准单位的细分区域标准，对第二有效区域图像的像素点数据进行等份的细分区域分割处理，使第二有效区域图像的细分区域与设置的标准单位的细分区域相对应，可有效解决图像之间的可比性问题。
图7是实施例中第二有效区域图像部分像素点位置数据示意图。
如下结合附图进一步说明以矩形比较标准单位为标准，对裁剪放置定位角度后的图像像素点位置数据分割为相对应等份的细分区域的具体方法
在本发明实施例中，所述根据设置的标准单位的细分区域标准，对第二有效区域图像的像素点数据进行等份的细分区域分割处理，使第二有效区域图像的细分区域与设置的标准单位的细分区域相对应，获取所述第二有效区域图像中的特征像素点所对应的细分区域及区域编号，具体步骤包括：
第一步，选择标准单位的规格。标准单位的规格确定参阅前所述“设置预设边长比率和形状为矩形的标准单位，该标准单位的内部被平均分割为N个形状及大小相同的细分区域，且每一细分区域设置有不同的编号”，其特征在于：该标准单位的边长的长度必须小于或等于第二有效区域图像边长的像素长度。本发明实施例中，优选的边长长度规格可包括：10×10，20×20，50×50，100×100，200×200等；或能够构成正方形的其他边长长度规格均可成为本发明实施例的标准单位的规格。
本发明实施例中，第二有效区域图像为正方形，图7列出了该图的局部像素点数据，其中，最上方的第一行为像素点的列号，最左方的第一列为像素点的行号，图中其他编号为目标图像像素点的色块号。由图7可知，该图的水平像素和垂直像素为72。因此，可选的标准单位的长度规格应小于72。本实施例其中选择标准单位的长度规格分别是10×10和20×20，其中，长度规格分别是10×10称为第一标准单位，长度规格分别是20×20称为第二标准单位，如图2、图3所示，第n标准单位类推。
第二步，确定第二有效区域图像的像素点的位置数据分别与第n标准单位的细分区域的对应关系。
在该步骤S105的第二步中，以图7的第38列第16行的像素点为例，该像素点位于该第二有效区域图像数据在水平方向上的第38列，该像素点位于第二有效区域图像数据在垂直方向上图像的第16行。所选的标准单位为正方形，其长度规格分别是10×10和20×20，在水平方向和垂直方向上单位长度刻度分别为10和20，而两标准单位的细分区域的分组数分别为100和400；所处理的第二有效区域图像在水平和垂直方向上图像像素点的总长度均为72。
确定第二有效区域图像的像素点的位置数据与第n标准单位的细分区域的对应关系的方法包括：
首先，确定第二有效区域图像的像素点的位置列数据与第一、第二、第n标准单位的细分区域的对应关系。
位置列数据是指第二有效区域图像的像素点位置数据中的列数据，第二有效区域图像的图像像素点位置列数据与标准单位的细分区域的对应关系可通过如下公式计算获取：
βxi= (axi×Hn)÷Hxb其中，βxi表示第二有效区域图像在第i列像素点对应标准单位细分区域的水平方向顺序值，axi表示在水平方向上第二有效区域图像第i列像素点的列号，Hn表示在水平方向和垂直方向上第n标准单位单位长度刻度数，Hxb表示在水平方向上第二有效区域图像的像素点的总长度值。其中，顺序值或列号自1起取自然整数增加。
在本实施例中，图7的第38列像素点对应第一标准单位的细分区域的水平方向顺序值可根据前述计算公式计算得到：
βxi= (axi×Hn)÷Hxb
=（38×10）÷72=5.2777≈6
以上计算中的取整规则在于：按小数点后不为0的小数进位的规则对5.2777取整为6，即：βxi≈6，可得到该像素点对应第一标准单位的细分区域的水平方向顺序号为6。
在本实施例中，图7的第38列像素点对应第二标准单位的细分区域的水平方向顺序值可根据前述计算公式计算得到：
βxi= (axi×Hn)÷Hxb
=（38×20）÷72=10.5555≈11
以上计算中的取整规则在于：按小数点后不为0的小数进位的规则对10.5555取整为11，即：βxi≈11，可得到该像素点对应第二标准单位的细分区域的水平方向顺序号为11。
然后，确定第二有效区域图像的像素点的位置行数据与第n标准单位的细分区域的对应关系。
位置行数据是指第二有效区域图像的像素点位置数据中的行数据，第二有效区域图像的像素点位置行数据与第n标准单位的细分区域的对应关系可通过如下公式计算获取：
βyi= (ayi×Hn)÷Hyb
其中，βyi表示第二有效区域图像在第i行像素点对应标准单位细分区域的垂直方向顺序值，ayi表示在垂直方向上第二有效区域图像第i行像素点的行号，Hn表示在水平方向或垂直方向上第n标准单位长度刻度数，Hyb表示在垂直方向上第二有效区域图像的像素点的总长度值。其中，顺序值或行号自1起取自然整数增加。
在本实施例中，图7的第16行像素点对应第一标准单位的细分区域的垂直方向顺序值可根据前述计算公式计算得到：
βyi= (ayi×Hn)÷Hyb
=（16×10）÷72=2.2222≈3
以上计算中的取整规则在于：按小数点后不为0的小数进位的规则对2.2222取整为3，即：βyi≈3，可得到该像素点对应第一标准单位的细分区域的垂直方向顺序号为3。
在本实施例中，图7的第16行像素点对应第二标准单位的细分区域的垂直方向顺序值可根据前述计算公式计算得到：
βyi= (ayi×Hn)÷Hyb
=（16×20）÷72=4.2666≈5
以上计算中的取整规则在于：按小数点后不为0的小数进位的规则对4.2666取整为5，即：βyi≈5，可得到该像素点对应第二标准单位的细分区域的垂直方向顺序号为5。
经过上述计算后,从而获取了第二有效区域图像的像素点的位置数据与第一、第二标准单位的细分区域的对应关系。
第三步，从所获取第二有效区域图像的像素点的位置数据与第n标准单位的细分区域的对应关系中找出其中与该标准单位的其中某一细分区域相对应的第二有效区域图像的像素点集合，将该集合视为第二有效区域图像其中一种的细分区域。
第四步，对第二有效区域图像的每一种及每一个细分区域进行编号或编码，优选的编号规则：按自上而下自左至右和由小至大的顺序进行自然数的编号，也可按其他具有区别性的阿拉伯数字或其他语种的数字或字符、符号等进行编码。
本实施例中，对第二有效区域图像的像素点的每一种及每一个细分区域进行编号或编码的规则，其特征在于：第二有效区域图像的每一种及每一个细分区域的编号或编码与该种标准单位的每个细分区域的编号或编码规则应相一致，以保障同一编号或编码所表示的细分区域的位置相对应。
经过上述处理后,从而获取了第二有效区域图像的细分区域，同时获取所述第二有效区域图像中的特征像素点的细分区域及区域编号。
图8是实施例中对应第一标准单位的第二有效区域图像的细分区域示意图。
图9是实施例中对应第二标准单位的第二有效区域图像的细分区域示意图。S106、按一定的顺序分别读取第二有效区域图像的特征像素点所对应的细分区域的编号或编码，将该细分区域的编号的集合作为图像特征描述符。
按预设的顺序规则分别读取图像特征像素点所对应的细分区域的编号。所述的顺序包括：按编码大小顺序和按沿特征线像素点走向轨迹顺序，由不同的顺序产生不同的细分区域的编号或编码集合，并生成若干不同的图像特征描述符。其中，所述的特征线包括轮廓特征线、骨架特征线和其他由特征点组合成的线段。例如，本实施例中，采用的特征线为轮廓特征线。
优选地，在本发明实施例中，按一定的顺序分别读取第二有效区域图像的特征像素点所对应的细分区域的编号或编码的方法，包括：编码顺序法和特征线顺序法。
以图7、图8为例，进一步说明“按一定的顺序分别读取第二有效区域图像的特征像素点所对应的细分区域的编号或编码，将该细分区域的编号的集合作为图像特征描述符”的具体方法：
图7、图8分别为实施例中对应第一标准单位的第二有效区域图像的细分区域示意图和实施例中对应第二标准单位的第二有效区域图像的细分区域示意图。
（1）编码顺序法读取第二有效区域图像的图像特征像素点所对应的细分区域的编号或编码：
编码顺序法就是按编号或编码大小顺序读取第二有效区域图像的图像特征像素点点所对应的细分区域的编号或编码。一般的顺序为从自小至大的顺序，将所读取的编号或编码组合作为图像特征描述符。
以图8为例，实施例中对应第一标准单位的第二有效区域图像的细分区域如图8所示，该第二有效区域图像的图像特征描述符是：
6，7，15，16，17，25，26，27；
22，23，24，25，26，27，28，29，31，32，39，41，48，49，51，58，61，68，69，71，79，80，81，82，89，92，93，94，95，96，97，98，99。
以图9为例，实施例中对应第二标准单位的第二有效区域图像的细分区域如图9所示，该第二有效区域图像的图像特征描述符是：
12，13，14，31，32，34，50，51，53，54，70，73，90，92，93，110，111；
85，86，87，88，93，94，95，96，103，104，105，108，109，110，111，112，113，116，117，122，123，137，138，141，142，156，157，161，176，181，196，201，215，216，221，236，241，256，257，261，277，278，281，282，298，302，318，322，323，337，338，343，357，363，364，369，370，375，376，377，384，385，386，387，388，390，391，392，393，394，395。
（2）特征线顺序法读取第二有效区域图像的图像特征像素点所对应的细分区域的编号或编码：
特征线顺序法就是按沿特征线像素点走向轨迹顺序读取第二有效区域图像的图像特征像素点所对应的细分区域的编号或编码，一般的顺序为沿特征线像素点走向轨迹的顺时针或逆时针方向的顺序，将所读取的编号或编码组合作为图像特征描述符。
以图8为例，实施例中对应第一标准单位的第二有效区域图像的细分区域如图8所示，该第二有效区域图像的图像特征描述符是：
6，7，17，27，26，25，15，16；
22，23，24，25，26，27，28，29，39，49，48，58，68，69，79，80，79，89，99，98，97，96，95，94，93，92，82，81，71，61，51，41，31，32；
以图9为例，实施例中对应第二标准单位的第二有效区域图像的细分区域如图9所示，该第二有效区域图像的图像特征描述符是：
12，13，14，34，54，53，73，93，92，111，110，90，70，50，51，31，32；
85，86，87，88，108，109，110，111，112，113，93，94，95，96，116，117，137，138，137，157，156，176，196，216，215，236，256，257，277，278，298，318，338，337，357，377，376，375，395，394，393，392，391，390，370，369，388，387，386，385，384，364，363，343，323，322，302，282，281，261，241，221，201，181，161，141，142，122，123，103，104，105。
优选地，在一些实施例中，所述步骤S102裁剪处理之前对待处理图像进行放置角度定位处理，获取放置角度定位后的待处理图像，包括以下步骤：
S1021、找出目标图像中由目标图像像素点构成的唯一性直线，将该直线作为定位参照线。
S1022、旋转定位参照线，使定位参照线与待处理图像的水平边线或垂直边线平行，获取该状态下的待处理图像的目标图像色块部分的放置角度，将该放置角度的待处理图像作为放置角度定位后的待处理图像。
在本发明实施例中，所述找出目标图像中由目标图像像素点构成的唯一性直线的方法包括：
方法一：找出目标图像的重心点和该重心点与目标图像边缘像素点最远距离的边缘像素点，以该两点的连线作为定位参照线；
方法二：找出目标图像边缘像素点中两点距离最远的边缘像素点，以该两点的连线作为定位参照线；
经上述对待处理图像进行放置角度定位处理，获取放置角度定位后的待处理图像，可有效解决图像放置位置角度的唯一性问题，增强了图像比较中图像之间的可比性，对图像相同或近似检索的查全率提升具有积极意义。
请参照图10，图10是本发明一实施例中的一种图像特征描述符的获取装置的结构示意图，用于对待处理图像进行处理，其特征在于，所述装置包括：设置模块201、第一处理模块202、第二处理模块203、提取模块204、细分区第三处理模块205以及获取模块206。
其中，设置模块201用于设置预设边长比率和形状为矩形的标准单位，该标准单位的内部被平均分割为N个形状及大小相同的细分区域，且每一细分区域设置有不同的编号。
第一处理模块202用于找出待处理图像中的目标图像色块，对目标图像色块按矩形或可均等分割的其他形状进行裁剪处理，以获取第一有效区域图像及像素点数据。
第二处理模块203用于对第一有效区域图像的像素点数据在长度较小方向上均匀插入或在长度较大方向上均匀删除像素点处理，使图像的像素点数据在边长较小方向和边长较大方向的长度比率与标准单位中预设边长比率相等，以获取第二有效区域图像及像素点数据。
提取模块204用于提取第二有效区域图像的特征像素点。
第三处理模块205用于根据设置的标准单位的细分区域标准，对第二有效区域图像的像素点数据进行等份的细分区域分割处理，使第二有效区域图像的细分区域与设置的标准单位的细分区域相对应，将与标准单位的其中某一细分区域相对应的第二有效区域图像的像素点集合视为第二有效区域图像的细分区域，获取所述第二有效区域图像中的特征像素点的细分区域及区域编号。
获取模块206用于按一定的顺序分别读取图像特征像素点所对应设置的标准单位的细分区域的编号，该细分区域的编号的集合作为图像特征描述符。
在一些实施例中，该第一处理模块202包括：
第一处理单元，用于找出目标图像中由目标图像像素点构成的唯一性直线，将唯一性直线作为定位参照线；
第二处理单元，用于旋转定位参照线，使定位参照线与待处理图像的水平边线或垂直边线平行，获取该状态下的待处理图像的目标图像色块部分的放置角度，将该放置角度的待处理图像作为放置角度定位后的待处理图像。
本发明实施例还提供一种存储介质，该存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，该计算机执行上述任一实施例所述的图像特征描述符的获取方法。
本发明实施例还提供一种终端，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行上述任一项所述的图像特征描述符的获取方法。
本发明一实施例还提供一种图像检索方法，请参照图11，图11是本发明一实施例中的一种图像检索方法的流程图，该方法包括以下步骤：
S301、采用前述图像特征描述符的获取方法提取样本图像的图像特征描述符，将其保存于数据库。
在本发明实施例中，采用前述的图像特征描述符的获取方法提取多个样本图像的基于第n标准单位的图像特征描述符。在该步骤中，所有存储在检索数据库中的样本图像都要进行图像特征描述符提取以及存储。其采用前述实施例中的图像特征描述符的获取方法进行提取。
S302、采用前述图像特征描述符的获取方法提取输入图像的图像特征描述符。
在该步骤中，参照前述S301步骤的处理过程，以输入图像为处理对象，提取输入图像的图像特征描述符，将图像特征描述符作为图像检索关键词。
S303、以图像特征描述符作为图像检索关键词在样本数据库中进行匹配检索，获取匹配关键词所对应的样本图像。
图像特征描述符是一种文本信息，这可实现将图像动态特征检索转变为稳定性较高的图像文本信息检索。在检索中仅需找出图像特征描述符文本信息作为检索关键词完全匹配的结果，就能获取匹配关键词所对应的样本图像。
S304、将匹配关键词所对应的样本图像的集合，作为输入图像与样本图像相同或近似的图像检索结果。
优选地，为了提升图像的检索效果，在所述S301步骤的处理过程中，还可以对图像特征描述符进一步做分词处理S3011，以获取更多图像检索关键词，具体方法包括：
分词标准A:将反映目标图像色块连通域的图像特征描述符集作为一个检索分词。其中，所述目标图像色块连通域是指具有同一颜色值且相互相连接的像素点集合。
分词标准B:将图像特征描述符中基于每种标准单位的第二有效区域图像的每一细分区域的编号分别作为一个检索分词。
分词标准C:将图像特征描述符中基于每种标准单位的第二有效区域图像在图像特征线上任意连续相连的若干个细分区域的编号作为一个检索分词，其中，连续相连细分区域的编号不得少于2个。
结合附图8，以基于第一标准单位的第二有效区域图像的细分区域编号所组成的图像特征描述符为例，进一步说明图像特征描述符分词处理方法：
（1）编码顺序法
基于第一标准单位的第二有效区域图像用编码顺序法读取的整体的图像特征描述符集是：
6，7，15，16，17，25，26，27；
22，23，24，25，26，27，28，29，31，32，39，41，48，49，51，58，61，68，69，71，79，80，81，82，89，92，93，94，95，96，97，98，99。
1）根据“分词标准A”得到两组检索分词，分别为：
“6，7，15，16，17，25，26，27”和“22，23，24，25，26，27，28，29，31，32，39，41，48，49，51，58，61，68，69，71，79，80，81，82，89，92，93，94，95，96，97，98，99”。
在某些实施例中，可以将反映目标图像色块连通域的图像特征描述符的每一集合，用预设换自然段符或其他符号表示。因此，可以通过查找是否含有预设换自然段符或其他符号，确定该图像特征描述符的集合分别作为一个检索分词。
2）根据“分词标准B”得到若干组检索分词，分别为：
“6”、“7”、“15”、“16”、“17”、“22”、“23”、“24”、“25”、“26”、“27”、“28”、“29”、“31”、“32”、“39”、“41”、“48”、“49”、“51”、“58”、“61”、“68”、“69”、“71”、“79”、“80”、“81”、“82”、“89”、“92”、“93”、“94”、“95”、“96”、“97”、“98”、“99”。注意：依本标准进行分词时，如果分词结果有重复的，应做去重复处理。
3）根据“分词标准C”,以图8中第1连通域（“6，7，15，16，17，25，26，27”）为例，得到如下若干组分词，分别为：
“6，7，15，16，17，25，26”
“6，7，15，16，17，25”
“6，7，15，16，17”
“6，7，15，16”
“6，7，15”
“6，7”
“7，15，16，17，25，26，27”
“7，15，16，17，25，26”
“7，15，16，17，25”
“7，15，16，17”
“7，15，16”
“7，15”
“15，16，17，25，26，27”
“15，16，17，25，26”
“15，16，17，25”
“15，16，17”
“15，16”
“16，17，25，26，27”
“16，17，25，26”
“16，17，25”
“16，17”
“17，25，26，27”
“17，25，26”
“17，25”
“25，26，27”
“25，26”
“26，27”
其他连通域的分词方法类推。
（2）特征线顺序法
基于第一标准单位的第二有效区域图像用特征线顺序法读取的整体图像特征描述符集是：
6，7，17，27，26，25，15，16；
22，23，24，25，26，27，28，29，39，49，48，58，68，69，79，80，79，89，99，98，97，96，95，94，93，92，82，81，71，61，51，41，31，32。
1）根据“分词标准A”得到两组检索分词，分别为：
“6，7，17，27，26，25，15，16”和“22，23，24，25，26，27，28，29，39，49，48，58，68，69，79，80，79，89，99，98，97，96，95，94，93，92，82，81，71，61，51，41，31，32”
在某些实施例中，可以将反映目标图像色块连通域的图像特征描述符的每一集合，用预设换自然段符或其他符号表示。因此，在特征线顺序法中，可以通过查找是否含有预设换自然段符或其他符号，确定该图像特征描述符的集合分别作为一个检索分词。
2）根据“分词标准B”得到若干组检索分词，分别为：
“6”、“7”、“15”、“16”、“17”、“22”、“23”、“24”、“25”、“26”、“27”、“28”、“29”、“31”、“32”、“39”、“41”、“48”、“49”、“51”、“58”、“61”、“68”、“69”、“71”、“79”、“80”、“81”、“82”、“89”、“92”、“93”、“94”、“95”、“96”、“97”、“98”、“99”。
在特征线顺序法中，每一细分区域的编号，能反映图像每一局部的特征，因此，以每一细分区域的编号分别作为一个检索分词。
注意：依本标准进行分词时，如果分词结果有重复的，应做去重复处理。
3）根据“分词标准C”,以图8中第1连通域（“6，7，17，27，26，25，15，16”）为例，得到如下若干组分词，分别为：
“6，7，17，27，26，25，15”
“6，7，17，27，26，25”
“6，7，17，27，26”
“6，7，17，27”
“6，7，17”
“6，7”
“7，17，27，26，25，15，16”
“7，17，27，26，25，15”
“7，17，27，26，25”
“7，17，27，26”
“7，17，27”
“7，17”
“17，27，26，25，15，16”
“17，27，26，25，15”
“17，27，26，25”
“17，27，26”
“17，27”
“27，26，25，15，16”
“27，26，25，15”“27，26，25”
“27，26”
“26，25，15，16”
“26，25，15”
“26，25”
“25，15，16”
“25，15”
“15，16”。
其他连通域的分词方法类推。
最后，将采用以上方法获取特征描述符或检索分词保存于数据库或其他存储设备。
图像特征像素点的位置特征反映了图像的形状特征，形状特征相同可以认为图像相同或相近。本技术方案所提取的图像特征描述符就是依据图像特征像素点的位置特征而产生的，反映了图像的形状特征，因而，图像特征描述符匹配，等效于两图像的形状特征匹配。
优点：采用本技术方案能在海量的图像检索中，有效减少了图像检索中过多的图像特征运算，提高以图查图的检索效率。克服图像检索中对检索结果数量较多在阅读时存在耗时耗力的缺陷，提高对检索结果的阅读效率，实现最短时间获取最有用的目标信息。
需要说明的是，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，该存储介质可以包括但不限于：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (18)

1.一种图像特征描述符的获取方法，用于对待处理图像进行处理，其特征在于，所述方法包括以下步骤：
S101，设置预设边长比率和形状为矩形的标准单位，该标准单位的内部被平均分割为N个形状及大小相同的细分区域，且每一细分区域设置有不同的区域编号；
S102，找出待处理图像中的目标图像色块，对所述目标图像色块按矩形进行裁剪处理，以获取第一有效区域图像及第一有效区域图像的像素点数据，第一有效区域图像是该目标图像色块的外接矩形围成区域的图像；
S103，对第一有效区域图像的像素点数据所构的数据表在水平和竖直方向上的像素长度较短的一边每加点特定像素长度插入或在像素长度较长的一边每减点特定像素长度删除像素点处理，使图像的像素点数据在像素长度较短的一边和在像素长度较长的另一边的长度比率与标准单位中预设边长比率相等，以获取第二有效区域图像及第二有效区域图像的像素点数据；
S104，提取第二有效区域图像的特征像素点；
S105，根据设置的标准单位的细分区域标准，对第二有效区域图像的像素点数据进行等份的细分区域分割处理，使第二有效区域图像的细分区域与所述标准单位的细分区域相对应，将与标准单位的任一细分区域相对应的第二有效区域图像的像素点集合作为所述第二有效区域图像的细分区域，获取所述第二有效区域图像中的特征像素点所在的细分区域及区域编号；
S106，按预设顺序分别读取第二有效区域图像的特征像素点所对应的细分区域的区域编号，将读取的细分区域的区域编号的集合作为图像特征描述符。
2.根据权利要求1所述的图像特征描述符的获取方法，其特征在于，在所述步骤S102之前，还包括以下步骤：
S1021，找出所述目标图像色块中由目标图像色块的像素点构成的唯一性直线，将该唯一性直线作为定位参照线；
S1022，旋转定位参照线，使定位参照线与待处理图像的水平边线或垂直边线平行，获取该状态下的待处理图像的目标图像色块部分的放置角度，将该放置角度的待处理图像作为放置角度定位后的待处理图像。
3.根据权利要求2所述的图像特征描述符的获取方法，其特征在于，所述找出目标图像中由目标图像像素点构成的唯一性直线的方法包括：
方法一：找出目标图像的重心点和该重心点与目标图像边缘像素点最远距离的边缘像素点，以该两点的连线作为定位参照线；或者，
方法二：找出目标图像边缘像素点中两点距离最远的边缘像素点，以该两点的连线作为定位参照线。
4.根据权利要求1所述的图像特征描述符的获取方法，其特征在于，所述特征像素点用于描述所述目标图像色块的轮廓特征、骨架特征、端点阵特征或角点阵特征。
5.根据权利要求1所述的图像特征描述符的获取方法，其特征在于，所述预设边长比率为最小边长除以最大边长的值，预设边长比率取值范围为0.1至1。
6.根据权利要求1所述的图像特征描述符的获取方法，其特征在于，所述标准单位的数量为两个以上，其中，细分区域数量最少的标准单位称为第一标准单位，细分区域数量次少的标准单位称为第二标准单位，细分区域数量第n少的标准单位称为第n标准单位。
7.根据权利要求1所述的图像特征描述符的获取方法，其特征在于，所述步骤S102中：所述目标图像色块是除背景色外的图像像素点集合组成的色块，对待处理图像的目标图像色块进行裁剪处理后得到的图像区域称为图像有效区域，其所得到的图像称为第一有效区域图像，所述第一有效区域图像是该目标图像色块边缘像素点与裁剪形状为矩形相外接的图像，所述相外接是裁剪矩形的每一边线至少与该目标图像色块边缘像素点的一个点相重合。
8.根据权利要求1所述的图像特征描述符的获取方法，其特征在于，所述步骤S103包括：
加点法：以第一有效区域图像的像素点数据所构的数据表在水平和垂直方向上的像素长度较长的一边为基准，在像素长度较短的另一边每加点特定像素长度的末端插入一行像素点，使插入点后第一有效区域图像的像素点数据所构的数据表的水平方向上的像素点数与在竖直方向上的像素点数的长度比率与标准单位中预设边长比率相等，从而获取第二有效区域图像及第二有效区域图像的像素点数据，其中，像素点数据包括该像素点在第二有效区域图像数据表中的位置数据和该像素点归入的色块数据，该色块数据用于描述该像素点为目标图像色块或背景色块；或者，
减点法：以第一有效区域图像的像素点数据所构的数据表在水平和竖直方向上的像素长度较短的一边为基准，在像素长度较长的另一边每减点特定像素长度的末端删除一行像素点，使删除点后第一有效区域图像的像素点数据所构的数据表的水平方向上的像素点数与在垂直方向上的像素点数的长度比率与标准单位中预设边长比率相等，从而获取第二有效区域图像及像素点数据，其中，像素点数据包括该像素点在第二有效区域图像数据表中的位置数据和该像素点归入的色块数据，所述色块数据用于描述该像素点为目标图像色块或背景色块。
9.根据权利要求8所述的图像特征描述符的获取方法，其特征在于，所述每加点特定像素长度和所述每减点特定像素长度，分别按如下公式获取：
M1=INT(X1÷i)；
M2=INT(X1÷i+P1)，其中，P1=X1÷i-M1；
M3= INT(X1÷i+P2)，其中，P2=X1÷i+P1-M2；
M4= INT(X1÷i+P3)，其中，P3=X1÷i+P2-M3；
……
Mi= INT(X1÷i+Pi-1)，其中，Pi-1=X1÷i+Pi-2-Mi-1；
其中，i表示第一有效区域图像的像素点数据所构的数据表在像素长度较长的一边与像素长度较短的另一边的像素长度的差，X1表示像素长度较短的一边的像素长度，M1表示在像素长度较短的一边的第一段加点特定像素长度，M2表示在像素长度较短的一边的第二段加点特定像素长度，M3表示在像素长度较短的一边的第三段加点特定像素长度，M4表示在像素长度较短的一边的第四段加点特定像素长度，……Mi表示在像素长度较短的一边的上第i段加点特定像素长度，INT为取整函数；
N1=INT(X2÷j)；
N2=INT(X2÷j+Q1)，其中，Q1=X2÷j-N1；
N3=INT(X2÷j+Q2)，其中，Q2=X2÷j+Q1-N2；
N4=INT(X2÷j+Q3)，其中，Q3=X2÷j+Q2-N3；
……
Nj=INT(X2÷j+Qj-1)，其中，Qj-1=X2÷j+Qj-2-Nj-1；
其中，j表示第一有效区域图像的像素点数据所构的数据表在像素长度较长的一边与像素长度较短的另一边的像素长度的差，X2表示像素长度较长的一边的像素长度，N1表示在像素长度较长的一边的第一段减点特定像素长度，N2表示在像素长度较长的一边的第二段减点特定像素长度，N3表示在像素长度较长的一边的第三段减点特定像素长度，N4表示在像素长度较长的一边的第四段减点特定像素长度……Nj表示在像素长度较长的一边的第j段减点特定像素长度，INT为取整函数。
10.根据权利要求6所述的图像特征描述符的获取方法，其特征在于，所述步骤S105包括：
S1051，选择标准单位的规格，该标准单位的边长的长度小于或等于第二有效区域图像的边长的像素长度；
S1052，确定第二有效区域图像的像素点的位置数据分别与第n标准单位的细分区域的对应关系；
S1053，从所获取第二有效区域图像的像素点的位置数据与第n标准单位的细分区域的对应关系中找出其中与该标准单位的其中某一细分区域相对应的第二有效区域图像的像素点集合，将该集合视为第二有效区域图像其中一种的细分区域；
S1054，对第二有效区域图像的每一种及每一个细分区域进行编号。
11.根据权利要求10所述的图像特征描述符的获取方法，其特征在于，所述步骤S1052包括：
S10521，确定第二有效区域图像的像素点的位置列数据与第一标准单位、第二标准单位...以及第n标准单位的细分区域的对应关系；其中，位置列数据是指第二有效区域图像的像素点位置数据中的列数据，第二有效区域图像的像素点的位置列数据与标准单位的细分区域的对应关系可通过如下公式计算获取：
βxi= (axi×Hn)÷Hxb；
其中，βxi表示第二有效区域图像在第i列像素点对应标准单位细分区域的水平方向顺序值，axi表示在水平方向上第二有效区域图像第i列像素点的列号，Hn表示在水平方向和垂直方向上第n标准单位单位长度刻度数，Hxb表示在水平方向上第二有效区域图像的像素点的总长度值；其中，顺序值或列号自1起取自然整数增加；对计算结果取整，规则为按小数点后不为0的小数进整数位；
S10522，确定第二有效区域图像的像素点的位置行数据与第n标准单位的细分区域的对应关系；其中，位置行数据是指第二有效区域图像的像素点位置数据中的行数据，第二有效区域图像的像素点位置行数据与第n标准单位的细分区域的对应关系可通过如下公式计算获取：
βyi= (ayi×Hn)÷Hyb
其中，βyi表示第二有效区域图像在第i行像素点对应标准单位细分区域的垂直方向顺序值，ayi表示在垂直方向上第二有效区域图像第i行像素点的行号，Hn表示在水平方向或垂直方向上第n标准单位长度刻度数，Hyb表示在垂直方向上第二有效区域图像的像素点的总长度值；其中，顺序值或行号自1起取自然整数增加，对计算结果取整，规则为按小数点后不为0的小数进整数位。
12.根据权利要求1所述的图像特征描述符的获取方法，其特征在于，在所述步骤S106中，所述按一定的顺序分别读取第二有效区域图像的特征像素点所对应的细分区域的编号或编码的方法，包括：编码顺序法读取第二有效区域图像的图像特征像素点所对应的细分区域的编号或编码、特征线顺序法读取第二有效区域图像的图像特征像素点所对应的细分区域的编号或编码；其中，编码顺序法就是按编号或编码大小顺序读取第二有效区域图像的图像特征像素点所对应的细分区域的编号或编码，一般的顺序为从自小至大的顺序，将所读取的编号或编码组合作为图像特征描述符；特征线顺序法就是按沿特征线像素点走向轨迹顺序读取第二有效区域图像的图像特征像素点所对应的细分区域的编号或编码，一般的顺序为沿特征线像素点走向轨迹的顺时针或逆时针方向的顺序，将所读取的编号或编码组合作为图像特征描述符。
13.一种图像特征描述符的获取装置，用于对待处理图像进行处理，其特征在于，所述装置包括：
设置模块，用于设置预设边长比率和形状为矩形的标准单位，该标准单位的被平均分割为N个形状及大小相同的细分区域，且每一细分区域设置有不同的区域编号；
第一处理模块，用于找出待处理图像中的目标图像色块，对目标图像色块按矩形进行裁剪处理，以获取第一有效区域图像及第一有效区域图像的像素点数据；
第二处理模块，用于对第一有效区域图像的像素点数据在长度较小方向上均匀插入或在长度较大方向上均匀删除像素点处理，使图像的像素点数据在边长较小方向和边长较大方向的长度比率与标准单位中预设边长比率相等，以获取第二有效区域图像及像素点数据；
提取模块，用于提取第二有效区域图像的特征像素点；
第三处理模块，用于根据设置的标准单位的细分区域标准，对第二有效区域图像的像素点数据进行等份的细分区域分割处理，使第二有效区域图像的细分区域与设置的标准单位的细分区域相对应，将与标准单位的其中某一细分区域相对应的第二有效区域图像的像素点集合视为第二有效区域图像的细分区域，获取所述第二有效区域图像中的特征像素点的细分区域及区域编号；
获取模块，用于按一定的顺序分别读取图像特征像素点所对应设置的标准单位的细分区域的编号，该细分区域的编号的集合作为图像特征描述符。
14.根据权利要求12所述的图像特征描述符的获取装置，其特征在于，所述第一处理模块包括：
第一处理单元，用于找出目标图像中由目标图像像素点构成的唯一性直线，将该唯一性直线直线作为定位参照线；
第二处理单元，用于旋转定位参照线，使定位参照线与待处理图像的水平边线或垂直边线平行，获取该状态下的待处理图像的目标图像色块部分的放置角度，将该放置角度的待处理图像作为放置角度定位后的待处理图像。
15.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行权利要求1至11任一项所述的图像特征描述符的获取方法。
16.一种终端，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行权利要求1至11任一项所述的图像特征描述符的获取方法。
17.一种图像检索方法，其特征在于，包括以下步骤：
S301，采用权利要求1-11任一项所述的方法提取多个样本图像的图像特征描述符，将其保存于数据库；
S302，采用权利要求1-11任一项所述的方法提取输入图像的图像特征描述符；
S303，以图像特征描述符作为图像检索关键词在所述数据库中进行匹配检索，获取匹配关键词所对应的样本图像；
S304、将匹配关键词所对应的样本图像的集合，作为输入图像与样本图像相同或近似的图像检索结果。
18.根据权利要求16所述的图像检索方法，其特征在于，包括以下步骤：
在所述S301步骤的处理过程中，还可以对图像特征描述符进一步做分词处理S3011，以获取更多图像检索关键词，具体方法包括：
将反映目标图像色块连通域的图像特征描述符集作为一个检索分词，其中，所述目标图像色块连通域是指具有同一颜色值且相互相连接的像素点集合；或者，
将图像特征描述符中基于每种标准单位的第二有效区域图像的每一细分区域的编号分别作为一个检索分词；或者，
将图像特征描述符中基于每种标准单位的第二有效区域图像在图像特征线上任意连续相连的若干个细分区域的编号作为一个检索分词，其中，连续相连细分区域的编号不得少于2个。
CN201711444394.XA 2016-12-30 2017-12-27 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法 Pending CN108052653A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201611257312.6A CN106649851A (zh) 2016-12-30 2016-12-30 近似商标查询结果排序方法、装置及其商标服务器
CN2016112573126 2016-12-30

Publications (1)

Publication Number Publication Date
CN108052653A true CN108052653A (zh) 2018-05-18

Family

ID=58837704

Family Applications (5)

Application Number Title Priority Date Filing Date
CN201611257312.6A Pending CN106649851A (zh) 2016-12-30 2016-12-30 近似商标查询结果排序方法、装置及其商标服务器
CN201710553009.9A Active CN107330109B (zh) 2016-12-30 2017-07-07 一种商标查询结果近似度评价和排序方法、装置
CN201710553047.4A Active CN107301244B (zh) 2016-12-30 2017-07-07 一种商标分卡处理的方法、装置、系统及商标存储器
CN201710553007.XA Active CN107330438B (zh) 2016-12-30 2017-07-07 一种图像轮廓线描述符的获取方法、装置
CN201711444394.XA Pending CN108052653A (zh) 2016-12-30 2017-12-27 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法

Family Applications Before (4)

Application Number Title Priority Date Filing Date
CN201611257312.6A Pending CN106649851A (zh) 2016-12-30 2016-12-30 近似商标查询结果排序方法、装置及其商标服务器
CN201710553009.9A Active CN107330109B (zh) 2016-12-30 2017-07-07 一种商标查询结果近似度评价和排序方法、装置
CN201710553047.4A Active CN107301244B (zh) 2016-12-30 2017-07-07 一种商标分卡处理的方法、装置、系统及商标存储器
CN201710553007.XA Active CN107330438B (zh) 2016-12-30 2017-07-07 一种图像轮廓线描述符的获取方法、装置

Country Status (3)

Country Link
US (1) US20200387543A1 (zh)
CN (5) CN106649851A (zh)
WO (1) WO2018120899A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063197A (zh) * 2018-09-06 2018-12-21 徐庆 图像检索方法、装置、计算机设备和存储介质
CN109345454A (zh) * 2018-09-18 2019-02-15 徐庆 位图图像矢量化的方法、存储介质及系统
CN110929084A (zh) * 2019-12-17 2020-03-27 徐庆 一种图像形状特征描述符的获取方法及装置
CN113553463A (zh) * 2021-07-30 2021-10-26 徐庆 一种商标识别查询方法、系统、数据存储器及存储介质

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106649851A (zh) * 2016-12-30 2017-05-10 徐庆 近似商标查询结果排序方法、装置及其商标服务器
CN107273535A (zh) * 2017-06-29 2017-10-20 朱峰 一种商标智能分析系统
WO2019028618A1 (zh) * 2017-08-07 2019-02-14 深圳益强信息科技有限公司 基于大数据的商标价值评估的方法及系统
CN107609057B (zh) * 2017-08-25 2020-12-22 百度在线网络技术（北京）有限公司 一种获取商标图像的文字数据的方法与装置
CN108763380B (zh) * 2018-05-18 2022-03-08 徐庆 商标识别检索方法、装置、计算机设备和存储介质
CN108664945B (zh) * 2018-05-18 2021-08-10 徐庆 图像文本及形音义特征识别方法和装置
CN110580666A (zh) * 2018-06-08 2019-12-17 成都市卓睿科技有限公司 商标监控与预警方法及系统
CN110647639B (zh) * 2018-06-08 2020-11-10 成都市卓睿科技有限公司 一种商标近似检索结果排序方法
CN108897722A (zh) * 2018-06-26 2018-11-27 重庆智荟数创科技有限公司 基于笔顺算法的商标近似评估、监控系统及方法
CN108984649A (zh) * 2018-06-27 2018-12-11 广州朝舜网络科技有限公司 一种近似商标智能判断方法、装置、终端及存储介质
CN109033370A (zh) * 2018-07-27 2018-12-18 阿里巴巴集团控股有限公司 一种查找相似店铺的方法及装置、店铺接入的方法及装置
CN110895555B (zh) * 2018-09-13 2022-06-14 北京蓝灯鱼智能科技有限公司 数据检索方法和装置、存储介质及电子装置
CN109656954A (zh) * 2018-11-28 2019-04-19 苏州中知联信息科技有限公司 商标查询方法、装置及计算机设备
CN109800340B (zh) * 2019-01-24 2021-03-19 北京梦知网科技有限公司 商标注册推荐方法及系统
CN110059159A (zh) * 2019-04-15 2019-07-26 重庆天蓬网络有限公司 一种近似商标实时监控系统
CN110069555A (zh) * 2019-05-06 2019-07-30 重庆天蓬网络有限公司 一种商标注册成功率的确定方法
CN110069554A (zh) * 2019-05-06 2019-07-30 重庆天蓬网络有限公司 一种基于商标注册信息的处理方法
CN110288264A (zh) * 2019-07-03 2019-09-27 深圳智高点知识产权运营有限公司 一种企业商标监控分析系统和方法
CN110717874B (zh) * 2019-10-10 2022-11-04 徐庆 一种图像轮廓线平滑处理方法
CN111125160A (zh) * 2019-12-26 2020-05-08 广东知得失网络科技有限公司 一种基于商标近似分析的数据预处理方法、系统及终端
CN111782851A (zh) * 2020-05-19 2020-10-16 知昇(上海)人工智能科技有限公司 一种基于多相似度特征计算的中文商标名称相似判别方法
CN111882462B (zh) * 2020-08-03 2023-05-09 安徽大学 一种面向多要素审查标准的中文商标近似检测方法
CN113377906B (zh) * 2021-06-08 2022-11-01 四川大学 一种相似法条智能搜索系统及方法
CN113554639A (zh) * 2021-07-30 2021-10-26 徐庆 一种图像特征提取及描述符获取方法、装置及存储介质
CN113553980A (zh) * 2021-07-30 2021-10-26 徐庆 一种图片的商标图形要素编码生成方法、系统及装置
CN115774548B (zh) * 2023-02-10 2023-04-11 北京一平方科技有限公司 基于人工智能的代码自动生成方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090263025A1 (en) * 2008-04-21 2009-10-22 Jilin Li Image determination apparatus, image search apparatus and computer readable recording medium storing an image search program
JP4522468B2 (ja) * 2008-03-31 2010-08-11 シャープ株式会社 画像判別装置、画像検索装置、画像検索プログラムおよび記録媒体
CN106295656A (zh) * 2016-08-03 2017-01-04 徐庆 基于图像色块内容的图像轮廓特征提取方法和装置
CN106649851A (zh) * 2016-12-30 2017-05-10 徐庆 近似商标查询结果排序方法、装置及其商标服务器

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5548507A (en) * 1994-03-14 1996-08-20 International Business Machines Corporation Language identification process using coded language words
US5790126A (en) * 1995-01-03 1998-08-04 Microsoft Corporation Method for rendering a spline for scan conversion of a glyph
US5864639A (en) * 1995-03-27 1999-01-26 Digital Processing Systems, Inc. Method and apparatus of rendering a video image
CN101013420A (zh) * 2006-12-31 2007-08-08 中国科学院计算技术研究所 一种识别中文文本编码形式的方法
CN101359367B (zh) * 2008-09-11 2010-09-29 西安理工大学 一种基于四边形骨架结构的静态手势特征描述方法
US20120144499A1 (en) * 2010-12-02 2012-06-07 Sky Castle Global Limited System to inform about trademarks similar to provided input
CN103020596B (zh) * 2012-12-05 2016-06-22 华北电力大学 一种基于块模型的电力生产中异常人体行为识别方法
CN103258037A (zh) * 2013-05-16 2013-08-21 西安工业大学 一种针对多组合内容的商标识别检索方法
CN104809142B (zh) * 2014-01-29 2018-03-23 北京瑞天科技有限公司 商标查询系统和方法
CN104462380A (zh) * 2014-12-11 2015-03-25 北京中细软移动互联科技有限公司 商标检索方法
CN105574533B (zh) * 2015-12-15 2018-01-12 徐庆 一种图像特征提取方法和装置
CN105426530B (zh) * 2015-12-15 2017-05-10 徐庆 一种商标检索方法、装置和系统
CN105574161B (zh) * 2015-12-15 2017-09-26 徐庆 一种商标图形要素识别方法、装置和系统
CN105740872B (zh) * 2016-01-29 2020-05-19 徐庆 图像特征提取方法及其装置
CN105809138B (zh) * 2016-03-15 2019-01-04 武汉大学 一种基于分块识别的道路警告标志检测与识别方法
CN105913067A (zh) * 2016-04-18 2016-08-31 徐庆 图像轮廓特征的提取方法及其装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4522468B2 (ja) * 2008-03-31 2010-08-11 シャープ株式会社 画像判別装置、画像検索装置、画像検索プログラムおよび記録媒体
US20090263025A1 (en) * 2008-04-21 2009-10-22 Jilin Li Image determination apparatus, image search apparatus and computer readable recording medium storing an image search program
CN106295656A (zh) * 2016-08-03 2017-01-04 徐庆 基于图像色块内容的图像轮廓特征提取方法和装置
CN106649851A (zh) * 2016-12-30 2017-05-10 徐庆 近似商标查询结果排序方法、装置及其商标服务器
CN107330438A (zh) * 2016-12-30 2017-11-07 徐庆 一种图像轮廓线描述符的获取方法、装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汪国云;李济顺: "基于轮廓的物体识别与定位方法", 《河南科技大学学报(自然科学版)》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063197A (zh) * 2018-09-06 2018-12-21 徐庆 图像检索方法、装置、计算机设备和存储介质
CN109063197B (zh) * 2018-09-06 2021-07-02 徐庆 图像检索方法、装置、计算机设备和存储介质
CN109345454A (zh) * 2018-09-18 2019-02-15 徐庆 位图图像矢量化的方法、存储介质及系统
CN109345454B (zh) * 2018-09-18 2023-01-06 徐庆 位图图像矢量化的方法、存储介质及系统
CN110929084A (zh) * 2019-12-17 2020-03-27 徐庆 一种图像形状特征描述符的获取方法及装置
CN110929084B (zh) * 2019-12-17 2023-04-11 徐庆 一种图像形状特征描述符的获取方法及装置
CN113553463A (zh) * 2021-07-30 2021-10-26 徐庆 一种商标识别查询方法、系统、数据存储器及存储介质

Also Published As

Publication number Publication date
CN106649851A (zh) 2017-05-10
CN107330438A (zh) 2017-11-07
CN107330109B (zh) 2018-04-17
CN107330438B (zh) 2018-04-17
CN107330109A (zh) 2017-11-07
CN107301244B (zh) 2018-06-15
CN107301244A (zh) 2017-10-27
US20200387543A1 (en) 2020-12-10
WO2018120899A1 (zh) 2018-07-05

Similar Documents

Publication Publication Date Title
CN108052653A (zh) 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法
CN102156751B (zh) 一种提取视频指纹的方法及装置
CN103678702B (zh) 视频去重方法及装置
CN103400099B (zh) 终端和二维码识别方法
CN109994038B (zh) 不规则区域内兴趣点确定方法、装置、电子设备
CN110008809A (zh) 表格数据的获取方法、装置和服务器
JP2816241B2 (ja) 画像情報検索装置
JP5854802B2 (ja) 画像処理装置、画像処理方法、及びコンピュータプログラム
CN114020756B (zh) 遥感影像实时地图服务发布方法和装置
CN103294676A (zh) 一种基于gist全局特征和sift局部特征的网络图片内容重复检测方法
CN106682092A (zh) 一种目标检索方法及终端
CN106294886A (zh) 一种从HBase中全量抽取数据的方法及系统
CN109948533A (zh) 一种文本检测方法、装置、设备及可读存储介质
CN114239508A (zh) 表格还原方法和装置、存储介质及电子设备
CN107644391B (zh) 一种用于打印文档溯源的数字水印处理方法及装置
CN103593447B (zh) 用于数据库表的数据处理方法和装置
CN105955996A (zh) 图片处理方法及装置
CN116682130A (zh) 图签信息的提取方法、装置、设备及可读存储介质
CN106998489B (zh) 一种焦点越界搜索方法及装置
CN111125088A (zh) 多层级数据处理方法和装置
CN110688995B (zh) 地图查询的处理方法，计算机可读存储介质和移动终端
JP6377743B2 (ja) 中間文字ライブラリを構築する方法及び装置
CN105740374A (zh) 基于分布式内存的三维平台数据模糊查询方法
JPS6019826B2 (ja) 画像デ−タ符号化方式
JP4418726B2 (ja) 文字列探索装置、探索方法およびこの方法のプログラム

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 528000 room 2002, block A, 33 Jihua five road, Chancheng District, Foshan, Guangdong.

Applicant after: Xu Qing

Applicant after: Foshan country trademark services Co., Ltd.

Applicant after: Foshan national trademark Identification Technology Co., Ltd.

Address before: 528000 room 2002, block A, 33 Jihua five road, Chancheng District, Foshan, Guangdong.

Applicant before: Xu Qing

Applicant before: Foshan country trademark services Co., Ltd.

Applicant before: Foshan City, China side trademark Software Co., Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180518