CN111368932B - 一种图像比对的方法及系统 - Google Patents
一种图像比对的方法及系统 Download PDFInfo
- Publication number
- CN111368932B CN111368932B CN202010181830.4A CN202010181830A CN111368932B CN 111368932 B CN111368932 B CN 111368932B CN 202010181830 A CN202010181830 A CN 202010181830A CN 111368932 B CN111368932 B CN 111368932B
- Authority
- CN
- China
- Prior art keywords
- image
- comparison
- target image
- target
- standard
- 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
Images
Classifications
-
- 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
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像比对的方法及系统,其中图像比对的方法具体包括以下步骤:获取目标图像;将目标图像与标准图像进行比对;输出比对结果;其中将目标图像与标准图像进行比对具体包括以下子步骤:确定目标图像中的比对特征点;根据目标图像中的比对特征点与标准图像进行比对。本申请能够更快速的完成图像对比,同时自动化且准确的检查节省了人力物力,大大降低了错误的出现率。
Description
技术领域
本申请涉及计算机领域,具体地,涉及一种图像比对的方法及系统。
背景技术
现有技术中,通常是预先在数据库中存储多个图像,将需要认证的图像与数据库中的图像进行比较,从而完成图像的对比。进一步地,现有技术中通常在对比过程中单纯的将需要认证的图像的特征量与数据库中图像的特征量进行比较,若比对的结果一致则认证通过,但是这种对比方法若需要认证的图像中的特征过多,需要比对很多次,则很可能造成标准图像与标准图像比对结果效率过低,造成用户体验不佳。
因此,如何能够快速且准确的完成图像的比对是本领域人员目前急需解决的问题。
发明内容
本申请的目的在于提供一种图像比对的方法及系,能够快速且准确的完成图像的比对。
为达到上述目的,本申请提供了一种图像比对的方法,具体包括以下步骤:获取目标图像;将目标图像与标准图像进行比对;输出比对结果;其中将目标图像与标准图像进行比对具体包括以下子步骤:确定目标图像中的比对特征点;根据目标图像中的比对特征点与标准图像进行比对。
如上的,其中,在确定目标图像中的比对特征点之前,还包括,根据目标图像构建目标图像分层。
如上的,其中,确定目标图像中的比对特征点具体包括以下子步骤:获取目标图像与标准图像的图像尺寸;根据目标图像与标准图像的图像尺寸,进行目标图像的图像分层,形成目标分层图像集合;在目标分层图像集合中选取比对特征点。
如上的,其中,若目标图像与标准图像存在尺寸差异,则根据分层因子进行目标图像分层数量的确定,分层因子C表示为:C=S1/S2,
其中S1表示标准图像的像素数量,S2表示目标图像的像素数量;若标准图像的尺寸大于目标图像的尺寸,则分层图像的数量为C,若标准图像的尺寸小于目标图像的尺寸,则分层图像的数量为1/C。
如上的,其中,在目标分层图像集合中选取比对特征点具体包括以下子步骤:在目标分层图像集合中选取指定数量的分层图像;在指定数量的分层图像中选取指定个数的特征点;根据特征点确定比对特征点。
如上的,其中,在指定数量的指定分层图像中,选取指定个数为G个的特征点与一个中心特征点,将中心特征点与选取的G个特征点的灰度值进行比较,确定比对特征点。
如上的,其中,若选取的中心特征点的灰度值均大于指定个数为G个的每个特征点的灰度值,则该中心特征点为比对特征点;否则在指定的分层图像中重新选取特征点进行灰度值的比较。
其中(i,j)表示比对特征点的像素坐标,(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)分别表示比对特征点周围领域的像素坐标,H(i+1,j)、H(i-1,j)、H(i,j+1)、H(i,j-1)表示坐标为(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)周围邻域的特征点与比对特征点的清晰差异,i,j为大于1的整数。
一种图像比对系统,具体包括:获取单元、比对单元、输出单元;获取单元,用于获取目标图像;比对单元,用于将目标图像与标准图像进行比对;输出单元,用于输出比对结果。
如上的,其中,比对单元单元具体包括以下子模块:确定模块、特征点比对模块;确定模块,用于确定目标图像中的比对特征点;特征点比对模块,用于根据目标图像中的比对特征点与标准图像进行比对。
本申请具有以下有益效果:本申请提供的图像比对的方法及系更快速的完成图像对比,同时自动化且准确的检查节省了人力物力,大大降低了错误的出现率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例提供的图像比对的方法流程图;
图2是根据本申请实施例提供的图像比对系统的内部结构图;
图3是根据本申请实施例提供的图像比对系统的内部子模块结构图。
具体实施方式
下面结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请涉及一种图像比对的方法及系统。根据本申请,快速的完成图像对比,同时自动化且准确的检查节省了人力物力,大大降低了错误的出现率。
如图1所示为本申请提供的图像比对的方法,具体包括以下步骤:
步骤S110:获取目标图像。
具体地,其中目标图像为需要进行比对的图像。
步骤S120:将目标图像与标准图像进行比对。
其中将目标图像与标准图像进行比对具体包括以下子步骤:
步骤D1:确定目标图像中的比对特征点。
为了确定目标图像中的比对特征点,需要对目标图像的比对特征点进行选取。在进行比对特征点的选取之前,由于目标图像与标准图像的图像尺寸可能存在差异,若以标准图像的尺寸为比对标准,目标图像的尺寸不变,则有可能只会一定尺寸范围内的目标图像,造成比对出现失误。例如标准图像的尺寸为32*32,但是目标图像的尺寸为64*64,若以标准图像的尺寸进行检测,则很可能会出现目标图像中剩余尺寸的图像被忽略,因此需要根据目标图像构建目标图像分层,以获得不同尺寸的目标图像,根据不同尺寸的目标图像进行比对特征点的确定。其中确定目标图像的比对特征点具体包括以下子步骤:
步骤D110:获取目标图像与标准图像的图像尺寸。
步骤D120:根据目标图像与标准图像的尺寸,进行目标图像的图像分层,形成目标分层图像集合。
由于图像的尺寸大小由图像中的像素数量决定,例如1920×1080的图片是由横向1920个像素、纵向1080个像素(合计2,073,600个像素)构成的。因此可通过目标图像的像素调整进行目标图像的图像分层。
具体地,其中若目标图像与标准图像的尺寸相同,则按照指定的像素数量进行指定数量的目标图像的分层。优选地,若目标图像与标准图像的尺寸相同则分层的目标图像的数量不少于3层,这样既不会出现太多数量的分层图像,又保证了分层图像不会过于模糊。其中指定数量和指定的像素数量比例可根据实际情况进行调整。
其中假设目标图像的像素数量为96,则优选地可将目标图像分为3层分层图像,其中第一层分层图像的像素数量为32,第二层的像素数量为64,第三层分层图像的像素数量为96。增加的像素数量32就表示指定的像素数量。或者第一层分层图像为原始目标图像,像素数量为32,第二-三层分层图像按照像素差为32进行递减。
进一步地,其中若目标图像与标准图像的尺寸不同,但尺寸差异在指定范围内,则按照分层因子进行目标图像分层数量的确定,确定后对目标图像的像素数量增加或减少,使目标图像与标准图像的像素相同或相近。其中分层因子C表示为:
C=S1/S2 (公式一)
其中S1表示标准图像的像素数量,S2表示目标图像的像素数量。其中若C为小数则采用四舍五入的形式,使C为整数。
若标准图像的尺寸大于目标图像的尺寸,则分层图像的数量为C,若标准图像的尺寸小于目标图像的尺寸,则分层图像的数量为1/C。
进一步地,指定比例具体表示为:
W=(|S1-S2|)/C (公式二)
其中S1表示标准图像的像素数量,S2表示目标图像的像素数量,C表示指定数量。
示例性地,若目标图像的像素数量为32,而标准图像的像素数量为120,则分层图像的数量为4,其中第一层的分层图像的像素数量为32,第二层的分层图像的像素数量为61,第三层分层图像的像素数量为90,第四层的像素数量为119。四层分层图像形成目标分层图像集合。
其中可以将原始目标图像作为第一层或最后一层分层图像,在此不进行限定。
若目标图像和标准图像的尺寸差异超过指定范围,则直接将目标图像分为3层分层图像,按照公式二对目标图像建立分层图像集合。
其中增加像素得方式有多种,例如对图像分辨率进行调整等,具体方法可参见现有技术。
通过上述方法对目标图像进行分层,将分层之后的n层图像定义为目标分层图像集合。
步骤D130:在目标分层图像集合中选取比对特征点。
具体地,在n层分层图像中选取比对特征点与标准图像进行比对。其中步骤D130具体包括以下子步骤:
步骤Q1:在目标分层图像集合中选取指定数量的分层图像。
具体地,其中指定数量根据实际分层图像的数量进行选取,本实施例中选取3层相邻的分层图像,例如第一、二、三层分层图像,具体是哪一层分层图像在此不进行限定。
步骤Q2:在指定数量的分层图像中选取指定个数的特征点。
具体地,其中特征点可以根据现有技术的算法进行计算出。本实施例中在指定数量的分层图像中,选取指定个数的特征点与中心特征点,将中心特征点与选取的指定个数的特征点的灰度值进行比较从而确定比对特征点。
进一步地,在指定数量的指定分层图像中,选取一个特征点为中心特征点,并在特征点的四周选取指定个数为n的四周特征点。并在剩余的每个指定分层图像中仍然选取指定个数为m的特征点(其中m=n+1),假设在第二分层图像中选取了中心特征点,则在第一、三分层图像中均选取与中心特征点和四周特征点位置相同且数量为m的特征点。
示例性地,在第二分层图像中选取了包含中心特征点和四周特征点组成的9个特征点,则在剩余选取的分层图像中也选取位置相同的9个特征点。
优选地,其中可在每个分层图像中建立像素坐标,根据中心特征点和四周特征点在像素坐标中的位置,在剩余分层图像中选取坐标相同的特征点。
步骤Q3:根据特征点确定比对特征点。
其中,仍然以步骤Q2中的第一至第三层分层图像为例,将选取的第二层分层图像的中心特征点与第一、第三分层图像选取的G个特征点进行比对(其中G=ma-1,a为选取的分层图像的数量,G即为在剩余分层图像中选取的与中心特征点和四周特征点位置相同的特征点),在比对之前,还包括将分层图像转换为灰度图像。
具体地,若中心特征点的灰度值均大于指定个数为G个的每个特征点的灰度值,则该中心特征点为比对特征点。否则,在第二分层图像中重新选取中心特征点,并与选取的G个特征点进行比较,若新的中心特征点的灰度值均大于指定个数为G个的每个特征点的灰度值,则将该特征点定义为比对特征点。否则继续查找。
其中由于灰度值能够反映特征点的亮度,因此本实施例中将亮度最高的特征点作为比对特征点,用于提高比对的准确率。灰度值的计算可参考现有技术,在此不进行赘述。
具体地,其中由于要将选取的中心特征点与剩余特征点进行灰度值比较,因此优选的选取中间层的分层图像进行中心特征点的选取,以第一至三分层图像为,其中第二分层图像为中间层分层图像。
优选地,其中在指定的分层图像中选取的中心特征点的数量可以为多个,确定的比对特征点的数量也为多个。
步骤D2:根据目标图像中的比对特征点与标准图像进行比对。
其中,步骤D2具体包括以下子步骤:
步骤P1:确定目标图像中比对特征点的梯度大小。
具体地,以一个比对特征点为例,其中在获取方向之前,还包括获取比对特征点周围邻域,根据周围邻域确定比对特征点的梯度大小,其中梯度大小表示了比对特征点与周围领域特征点之间的像素变化率,梯度大小L(i,j)具体表示为:
其中(i,j)表示比对特征点的像素坐标,(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)分别表示比对特征点周围领域的像素坐标,H(i+1,j)、H(i-1,j)、H(i,j+1)、H(i,j-1)表示坐标为(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)周围邻域的特征点与比对特征点的清晰差异,i,j为大于1的整数,其中周围邻域的特征点的清晰度具体表示为:
其中,(i,j)表示比对特征点的像素坐标,f(i,j)表示像素坐标(i,j)的灰度值,f(i+1,j)、f(i-1,j)、f(i,j+1)、f(i,j-1)分别表示表示像素坐标为(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)(x+2,y)的灰度值。
由于比对特征点为多个,剩余比对特征点的梯度大小依然可按照上述步骤确定。
步骤P2:根据比对特征点的梯度大小,查找标准图像中与比对特征点梯度大小相同的标准特征点。
其中在标准图像中,可采用遍历的方式选取与目标图像比对特征点梯度大小相同的标准特征点。在确定了目标图像中选取的比对特征点与周围特征点的像素变化率后,在标准图像中查找与该像素变化率相同的特征点,若存在变化率相同的特征点即目标图像与标准图像相同的特征点。
具体地,其中确定标准图像的特征点的方式依然可参考现有技术,例如Fourier变换法、窗口Fourier变换(Gabor)、小波变换法等方式。根据现有技术确定的若干特征点中,选取特征点,执行步骤P1-P2,其中选取的特征点与比对特征点和周围邻域特征点的数量相同,标准图像中选取的任一特征点可作为步骤P1-P2中的比对特征点,同时执行公式三、四,直至选取到与比对特征点梯度大小相同的标准特征点。
步骤P3:根据目标图像的比对特征点与标准图像中梯度大小相同的标准特征点的数量确定比对结果。
具体地,其中现有技术中,通常是将标准图像中的全部特征点与目标图像的特征点进行比对,这样的比对方式中,若目标图像中的特征点过多,需要比对很多次,则很可能造成标准图像与标准图像比对结果不准确。因此本实施例中虽然采用了特征点比较,但是在保证准确性的前提下大大减少了需要比对的特征点的数量,加快了比对的速度。
步骤S130:输出比对结果。
具体地,其中比对结果P具体表示为:
其中N1表示标准图像中与目标图像比对特征点梯度大小相同的特征点的数量,N表示标准图像中全部特征点的数量。作为举例,若标准图像中全部特征点的数量为100,标准图像中与目标图像比对特征点梯度大小相同的特征点的数量为50,可以理解为目标图像的50个特征点在标准图像中出现,则比对结果为0.5,也就是目标图像与标准图像的相似度为50%。
本申请还提供了图像比对系统,如图2所示,图像比对系统其中包括了获取单元201、比对单元202、输出单元203。
其中获取单元201用于获取目标图像。
比对单元202与获取单元201连接,用于将目标图像与标准图像进行比对。
如图3所示,比对单元单元202具体包括以下子模块:确定模块301、特征点比对模块302。
确定模块301用于确定目标图像中的比对特征点。
其中确定模块301还包括以下子模块:尺寸获取模块、目标分层图像集合确定模块、比对特征点选取模块。
尺寸获取模块用于获取目标图像与标准图像的图像尺寸。
目标分层图像集合确定模块与尺寸获取模块连接,用于根据目标图像和标准图像的图像尺寸进行目标图像的图像分层,形成目标分层图像集合。
比对特征点选取模块与目标分层图像集合确定模块连接,用于在目标分层图像集合中选取比对特征点。
特征点比对模块302与确定模块301连接,用于根据目标图像中的比对特征点与标准图像进行比对。
具体地,其中特征点比对模块302还包括以下子模块:比对特征点梯度大小确定模块、标准特征点确定模块、比对结果确定模块。
其中比对特征点梯度大小确定模块用于确定目标图像中比对特征点的梯度大小。
标准特征点确定模块与比对特征点梯度大小确定模块连接,用于根据比对特征点的梯度大小,查找标准图像中与比对特征点梯度大小相同的标准特征点。
比对结果确定模块与标准特征点确定模块连接,用于根据目标图像的比对特征点与标准图像中梯度大小相同的标准特征点的数量确定比对结果。
输出单元203与比对单元202连接,用于输出比对结果。
本申请具有以下有益效果:
本申请提供的图像比对的方法及系更快速的完成图像对比,同时自动化且准确的检查节省了人力物力,大大降低了错误的出现率。
虽然当前申请参考的示例被描述,其只是为了解释的目的而不是对本申请的限制,对实施方式的改变,增加和/或删除可以被做出而不脱离本申请的范围。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种图像比对的方法,其特征在于,具体包括以下步骤:
获取目标图像;
将目标图像与标准图像进行比对;
输出比对结果;
其中将目标图像与标准图像进行比对具体包括以下子步骤:
确定目标图像中的比对特征点;
根据目标图像中的比对特征点与标准图像进行比对;
其中,根据目标图像中的比对特征点与标准图像进行比对过程中,包括确定目标图像中比对特征点的梯度大小,梯度大小L(i,j)具体表示为:
其中(i,j)表示比对特征点的像素坐标,(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)分别表示比对特征点周围领域的像素坐标,H(i+1,j)、H(i-1,j)、H(i,j+1)、H(i,j-1)表示坐标为(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)周围邻域的特征点与比对特征点的清晰差异,i,j为大于1的整数;
其中清晰差异表示为:
H(i+1,j)=∑i∑j|f(i+1,j)-f(i,j)|2
H(i-1,j)=∑i∑j|f(i-1,j)-f(i,j)|2
H(i,j+1)=∑i∑j|f(i,j+1)-f(i,j)|2
H(i,j-1)=∑i∑j|f(i,j-1)-f(i,j)|2
其中,(i,j)表示比对特征点的像素坐标,f(i,j)表示像素坐标(i,j)的灰度值,f(i+1,j)、f(i-1,j)、f(i,j+1)、f(i,j-1)分别表示表示像素坐标为(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)的灰度值。
2.如权利要求1所述的图像比对的方法,其特征在于,在确定目标图像中的比对特征点之前,还包括,根据目标图像构建目标图像分层。
3.如权利要求2所述的图像比对的方法,其特征在于,确定目标图像中的比对特征点具体包括以下子步骤:
获取目标图像与标准图像的图像尺寸;
根据目标图像与标准图像的图像尺寸,进行目标图像的图像分层,形成目标分层图像集合;
在目标分层图像集合中选取比对特征点。
4.如权利要求3所述的图像比对的方法,其特征在于,若目标图像与标准图像存在尺寸差异,则根据分层因子进行目标图像分层数量的确定,分层因子C表示为:
C=S1/S2
其中S1表示标准图像的像素数量,S2表示目标图像的像素数量;
若标准图像的尺寸大于目标图像的尺寸,则分层图像的数量为C,若标准图像的尺寸小于目标图像的尺寸,则分层图像的数量为1/C。
5.如权利要求3所述的图像比对的方法,其特征在于,在目标分层图像集合中选取比对特征点具体包括以下子步骤:
在目标分层图像集合中选取指定数量的分层图像;
在指定数量的分层图像中选取指定个数的特征点;
根据特征点确定比对特征点。
6.如权利要求5所述的图像比对的方法,其特征在于,在指定数量的指定分层图像中,选取指定个数为G个的特征点与一个中心特征点,将中心特征点与选取的G个特征点的灰度值进行比较,确定比对特征点。
7.如权利要求6所述的图像比对的方法,其特征在于,若选取的中心特征点的灰度值均大于指定个数为G个的每个特征点的灰度值,则该中心特征点为比对特征点;否则在指定的分层图像中重新选取特征点进行灰度值的比较。
8.一种图像比对系统,其特征在于,具体包括:获取单元、比对单元、输出单元;
获取单元,用于获取目标图像;
比对单元,用于将目标图像与标准图像进行比对;
输出单元,用于输出比对结果;
其中比对单元中,根据目标图像中的比对特征点与标准图像进行比对,该过程包括确定目标图像中比对特征点的梯度大小,梯度大小L(i,j)具体表示为:
其中(i,j)表示比对特征点的像素坐标,(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)分别表示比对特征点周围领域的像素坐标,H(i+1,j)、H(i-1,j)、H(i,j+1)、H(i,j-1)表示坐标为(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)周围邻域的特征点与比对特征点的清晰差异,i,j为大于1的整数;
其中清晰差异表示为:
H(i+1,j)=∑i∑j|f(i+1,j)-f(i,j)|2
H(i-1,j)=∑i∑j|f(i-1,j)-f(i,j)|2
H(i,j+1)=∑i∑j|f(i,j+1)-f(i,j)|2
H(i,j-1)=∑i∑j|f(i,j-1)-f(i,j)|2
其中,(i,j)表示比对特征点的像素坐标,f(i,j)表示像素坐标(i,j)的灰度值,f(i+1,j)、f(i-1,j)、f(i,j+1)、f(i,j-1)分别表示表示像素坐标为(i+1,j)、(i-1,j)、(i,j+1)、(i,j-1)的灰度值。
9.如权利要求8所述的图像比对系统,其特征在于,比对单元具体包括以下子模块:确定模块、特征点比对模块;
确定模块,用于确定目标图像中的比对特征点;
特征点比对模块,用于根据目标图像中的比对特征点与标准图像进行比对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010181830.4A CN111368932B (zh) | 2020-03-16 | 2020-03-16 | 一种图像比对的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010181830.4A CN111368932B (zh) | 2020-03-16 | 2020-03-16 | 一种图像比对的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111368932A CN111368932A (zh) | 2020-07-03 |
CN111368932B true CN111368932B (zh) | 2021-05-28 |
Family
ID=71211965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010181830.4A Active CN111368932B (zh) | 2020-03-16 | 2020-03-16 | 一种图像比对的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111368932B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809731A (zh) * | 2015-05-05 | 2015-07-29 | 北京工业大学 | 一种基于梯度二值化的旋转尺度不变场景匹配方法 |
CN105930858A (zh) * | 2016-04-06 | 2016-09-07 | 吴晓军 | 一种带旋转、缩放的快速高精度几何模板匹配方法 |
CN107958466A (zh) * | 2017-12-01 | 2018-04-24 | 大唐国信滨海海上风力发电有限公司 | 一种Slam算法优化基于模型的跟踪方法 |
EP3525164A1 (en) * | 2016-11-09 | 2019-08-14 | Samsung Electronics Co., Ltd. | Image processing apparatus and image processing method |
CN110378425A (zh) * | 2019-07-23 | 2019-10-25 | 北京隆普智能科技有限公司 | 一种智能图像比对的方法及其系统 |
CN110675437A (zh) * | 2019-09-24 | 2020-01-10 | 重庆邮电大学 | 一种基于改进gms-orb特征的图像匹配方法及存储介质 |
CN110796119A (zh) * | 2019-11-14 | 2020-02-14 | 深圳一块互动网络技术有限公司 | 一种互动阅读实现方法 |
-
2020
- 2020-03-16 CN CN202010181830.4A patent/CN111368932B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809731A (zh) * | 2015-05-05 | 2015-07-29 | 北京工业大学 | 一种基于梯度二值化的旋转尺度不变场景匹配方法 |
CN105930858A (zh) * | 2016-04-06 | 2016-09-07 | 吴晓军 | 一种带旋转、缩放的快速高精度几何模板匹配方法 |
EP3525164A1 (en) * | 2016-11-09 | 2019-08-14 | Samsung Electronics Co., Ltd. | Image processing apparatus and image processing method |
CN107958466A (zh) * | 2017-12-01 | 2018-04-24 | 大唐国信滨海海上风力发电有限公司 | 一种Slam算法优化基于模型的跟踪方法 |
CN110378425A (zh) * | 2019-07-23 | 2019-10-25 | 北京隆普智能科技有限公司 | 一种智能图像比对的方法及其系统 |
CN110675437A (zh) * | 2019-09-24 | 2020-01-10 | 重庆邮电大学 | 一种基于改进gms-orb特征的图像匹配方法及存储介质 |
CN110796119A (zh) * | 2019-11-14 | 2020-02-14 | 深圳一块互动网络技术有限公司 | 一种互动阅读实现方法 |
Non-Patent Citations (1)
Title |
---|
《Distinctive image feature from scale-invariant keypoints》;Lowe,D.C;《internatinal journal of computer vision》;20041130;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111368932A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598610A (zh) | 一种基于神经选择注意的目标显著性检测方法 | |
CN110084299B (zh) | 基于多头融合注意力的目标检测方法和装置 | |
WO2023137914A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111160291B (zh) | 基于深度信息与cnn的人眼检测方法 | |
CN112634125B (zh) | 一种基于离线人脸数据库的自动面部替换方法 | |
CN112489099B (zh) | 点云配准方法、装置、存储介质及电子设备 | |
CN112946679B (zh) | 一种基于人工智能的无人机测绘果冻效应检测方法及系统 | |
CN111179193B (zh) | 基于DCNNs和GANs的皮肤镜图像增强和分类方法 | |
CN113052170B (zh) | 一种无约束场景下的小目标车牌识别方法 | |
CN116542859B (zh) | 用于智能建造的建筑结构柱图像缩略图智能生成方法 | |
US9940543B2 (en) | Control of computer vision pre-processing based on image matching using structural similarity | |
CN115587987A (zh) | 一种蓄电池缺陷检测方法、装置、存储介质及电子设备 | |
CN109741358B (zh) | 基于自适应超图学习的超像素分割方法 | |
US8126275B2 (en) | Interest point detection | |
CN116266387A (zh) | 基于重参数化残差结构和坐标注意力机制的yolov4的图像识别算法及系统 | |
CN112101113B (zh) | 一种轻量化的无人机图像小目标检测方法 | |
Zheng et al. | Study on image retrieval based on image texture and color statistical projection | |
CN113205502A (zh) | 一种基于深度学习的绝缘子缺陷检测方法及其系统 | |
CN113628259A (zh) | 图像的配准处理方法及装置 | |
CN111368932B (zh) | 一种图像比对的方法及系统 | |
CN114758123A (zh) | 一种遥感影像目标样本增强方法 | |
CN111008555B (zh) | 一种无人机图像弱小目标增强提取方法 | |
Shao et al. | Digital Image Aesthetic Composition Optimization Based on Perspective Tilt Correction | |
CN113139540A (zh) | 背板检测方法及设备 | |
CN117237830B (zh) | 基于动态自适应通道注意力的无人机小目标检测方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210508 Address after: 311200 188-30-3001-11, Liyi Road, ningwei street, Xiaoshan District, Hangzhou City, Zhejiang Province (self segmentation) Applicant after: Wintech technology development (Hangzhou) Co.,Ltd. Address before: 101300 room 3001, 3rd floor, 102 door, building 8, yard 12, Xinzhong street, Nanfaxin Town, Shunyi District, Beijing Applicant before: Beijing Weijie Dongbo Information Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |