CN111369599B - 一种图像匹配方法、设备、装置及存储介质 - Google Patents
一种图像匹配方法、设备、装置及存储介质 Download PDFInfo
- Publication number
- CN111369599B CN111369599B CN201811594720.XA CN201811594720A CN111369599B CN 111369599 B CN111369599 B CN 111369599B CN 201811594720 A CN201811594720 A CN 201811594720A CN 111369599 B CN111369599 B CN 111369599B
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- template
- images
- matched
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000000638 solvent extraction Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 26
- 239000002245 particle Substances 0.000 claims description 10
- 230000008569 process Effects 0.000 abstract description 26
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000000903 blocking effect Effects 0.000 description 8
- 238000012216 screening Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种图像匹配方法、设备、装置及存储介质，其中，所述方法包括：按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像的多个子图像；根据所述待匹配图像的积分图，分别计算各子图像的特征值；根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度；若存在相似度满足第一预设条件的目标子图像，则确定所述待匹配图像中包含所述目标内容。本实施例中，采用基于积分图求特征值的方式，可根据求出的特征值快速的确定出待匹配图像中是否存在目标内容，这大大降低了图像匹配过程中的计算量，有效提高了图像匹配效率。
Description
技术领域
本申请涉及图像处理技术领域，尤其涉及一种图像匹配方法、设备、装置及存储介质。
背景技术
图片处理领域中，很多场景下需要从图片中查找特定内容。例如，在商标LOGO匹配的场景下，需要从若干视频图片中找到该商标LOGO。
目前，面对从图片中查找特定内容的需求，通常采用基于快速FFT变换计算二维相关的模板匹配方案。但这种方式的计算量大，匹配效率比较低。
发明内容
本申请的多个方面提供一种图像匹配方法、设备、装置及存储机制，用以提高图像匹配的效率。
本申请实施例提供一种图像匹配方法，包括：
按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像的多个子图像；
根据所述待匹配图像的积分图，分别计算各子图像的特征值；
根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度；
若存在相似度满足第一预设条件的目标子图像，则确定所述待匹配图像中包含所述目标内容。
本申请实施例还提供一种计算设备，包括存储器和处理器；
所述存储器用于存储一条或多条计算机指令；
所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：
按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像的多个子图像；
根据所述待匹配图像的积分图，分别计算各子图像的特征值；
根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度；
若存在相似度满足第一预设条件的目标子图像，则确定所述待匹配图像中包含所述目标内容。
本申请实施例还提供一种计算装置，包括：
子图像选定模块，用于按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像的多个子图像；
特征值计算模块，用于根据所述待匹配图像的积分图，分别计算各子图像的特征值；
相似度计算模块，用于根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度；
结果生成模块，用于若存在相似度满足第一预设条件的目标子图像，则确定所述待匹配图像中包含所述目标内容。
本申请实施例还提供一种存储计算机指令的计算机可读存储介质，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行前述的图像匹配方法。
在本申请实施例中，按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像的多个子图像；在此基础上，利用待匹配图像的积分图，计算各子图像的特征值，并根据各子图像的特征值及模板图像的特征值，确定各子图像与模板图像的相似度，继而根据是否存在相似度满足预设条件的目标子图像，来确定所述待匹配图像中包含所述目标内容。本实施例中，采用基于积分图求特征值的方式，可根据求出的特征值快速的确定出待匹配图像中是否存在目标内容，这大大降低了图像匹配过程中的计算量，有效提高了图像匹配效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请一实施例提供的图像匹配方法的流程示意图；
图2为本申请一实施例提供的一种子图像选定操作的示意图；
图3为本申请一实施例提供的两种分块方式的效果示意图；
图4为本申请另一实施例提供的一种计算设备的结构示意图；
图5为本申请又一实施例提供的一种计算装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅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，本领域普通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。
目前，面对从图片中查找特定内容的需求，通常采用基于快速FFT变换计算二维相关的模板匹配方案。但这种方式的计算量大，匹配效率比较低。本申请的一些实施例中：按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到待匹配图像的多个子图像；在此基础上，利用待匹配图像的积分图，计算各子图像的特征值，并根据各子图像的特征值及模板图像的特征值，确定各子图像与模板图像的相似度，继而根据是否存在相似度满足预设条件的目标子图像，来确定待匹配图像中包含目标内容。本实施例中，采用基于积分图求特征值的方式，可根据求出的特征值快速的确定出待匹配图像中是否存在目标内容，这大大降低了图像匹配过程中的计算量，有效提高了图像匹配效率。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本申请一实施例提供的图像匹配方法的流程示意图。如图1所示，该方法包括：
100、按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到待匹配图像的多个子图像；
101、根据待匹配图像的积分图，分别计算各子图像的特征值；
102、根据各子图像的特征值与模板图像的特征值，分别计算各子图像与模板图像之间的相似度；
103、若存在相似度满足第一预设条件的目标子图像，则确定待匹配图像中包含目标内容。
本实施例提供的图像匹配方法可应用于各种需要进行图像匹配的场景中，例如，商标LOGO检索、图片去重等等应用场景，本实施例对此不作限定。对于不同的应用场景，可选定不同的目标内容。例如，对于商标LOGO检索场景，可将商标LOGO作为目标内容。又例如，对于图片去重场景，可将期望去重的图片中的全部或部分内容作为目标内容。
本实施例中，为了确定出待匹配图像中是否存在目标内容，可基于目标内容，预先获取基准模板图像，例如，上例中的商标LOGO检索场景中，基准模板图像可以是以商标LOGO为核心内容的图片。为方便计算，基准模板图像的形状可以是矩形，当然，也可以是其他形状，本实施例对此不作限定。
本实施例中，可将基准模板图像和/或待匹配图像的尺寸进行调整后，再执行模板匹配操作。这主要是由于，待匹配图像的尺寸具有不确定性，基准模板图像的尺寸也具有不确定性。将基准模板图像和/或待匹配图像的尺寸进行调整，可有效避免由于基准模板图像与待匹配图像中目标内容的大小、显示比例等各方面的差异影响匹配结果的准确性，
在第一种实现方式中，可保持待匹配图像的尺寸不变，而缩放基准模板图像，以获得目标内容对应的多种不同规格模板图像。优选地，可对基准模板图像进行双向缩放，也即将基准模板图像进行放大及缩小，以分别获得比基准模板图像的尺寸更大及更小的模板图像，在规格上形成金字塔式的模板图像集合。其中，本实现方式中，不限定规格的数量，例如，经过缩放后，可获得8种不同规格的模板图像，当然，也可以是10种或其他数量。
相应地，本实现方式中，步骤100可实现为，按照目标内容对应的各种规格的模板图像，对待匹配图像进行子图像选定操作，以得到待匹配图像在各种规格下的子图像。以及，步骤102可实现为，根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。
在第二种实现方式中，可保持基准模板图像的尺寸不变，而缩放待匹配图像，以获得多种不同规格的目标待匹配图像。优选地，可对待匹配图像进行双向缩放，也即将待匹配图像进行放大及缩小，以分别获得比待匹配图像的尺寸更大及更小的目标待匹配图像，在规格上形成金字塔式的目标待匹配图像集合。其中，本实现方式中，不限定规格的数量，例如，经过缩放后，可获得8种不同规格的目标待匹配图像，当然，也可以是10种或其他数量。
相应地，本实现方式中，步骤100可实现为，按照目标内容对应的基准模板图像，对各种规格的目标待匹配图像进行子图像选定操作，以得到各种规格的目标待匹配图像各自的多个子图像。以及，步骤102可实现为，根据各子图像的特征值与基准模板图像的特征值，分别计算各子图像与基准模板图像之间的相似度。
当然，除了上述两种实现方式外，本实施例中，还可采用其它方式改善基准模板图像与待匹配图像中目标内容的差异。例如，可同时对基准模板图像与待匹配图像进行缩放，以获得模板图像集合和目标待匹配图像集合，并基于两个集合进行模板匹配操作。
在以上各种实现方式中，可不考虑基准模板图像的尺寸大小，直接采用上述任意一种是实现方式改善基准模板图像与待匹配图像中目标内容的差异。但是，考虑到基准模板图像作为目标内容的承载体，其缩放过程可能导致目标内容的损耗，并可能影响匹配结果的准确性。因此，本实施例中，可增加判断条件来确定所采用哪种实现方式来改善基准模板图像与待匹配图像中目标内容的差异，如下：
若目标内容对应的基准模板图像的尺寸大于第一预设尺寸，则对基准模板图像进行缩放，以获得目标内容对应的多种不同规格的模板图像。也即是，可采用上述第一种实现方式来改善基准模板图像与待匹配图像中目标内容的差异。这种情况下，基准模板图像的尺寸较大，缩小基准模板图像的尺寸造成的目标内容的损失可忽略不计，从而，可保证匹配结果的准确性。
若目标内容对应的基准模板图像的尺寸小于第二预设尺寸，则对待匹配图像进行缩放，以获得多种不同规格的目标待匹配图像。也即是，可采用上述第二种实现方式来改善基准模板图像与待匹配图像中目标内容的差异。其中，第二预设尺寸可小于第一预设尺寸。这种情况下，由于基准模板图像的尺寸较小，若对基准模板图像进行尺寸缩小，可能导致基准模板图像中的目标内容损耗过多而造成目标内容的失真，进而影响匹配结果的准确性，据此，可不对基准模板图像进行缩小而对待匹配图像进行尺寸调整，以避免基准模板图像中目标内容的损耗。
其中，步骤100中，按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，包括按照目标内容对应的模板图像的尺寸，对待匹配图像进行子图像选定操作。在一种实际应用中，可按照目标内容对应的模板图像的尺寸，采用滑窗操作实现对待匹配图像的子图像选定。当然，本实施例还可采用其它方式实现对待匹配图像的子图像选定，本实施例并不限于此。
以下将以采用多种规格的模板图像进行图像匹配为例进行技术方案的描述。
本实施例中，可按照多种规格的模板图像，对待匹配图像进行子图像选定操作。由于按照各种规格的模板图像对待匹配图像进行子图像选定操作的处理过程类似，为方便描述，以下将以其中的第一规格的模板图像为例进行技术方案的说明。其中，第一规格的模板图像可以是多种规格的模板图像中的任意一种。另外，值得说明的是，后文中涉及对各种规格的模板图像进行相似处理的过程的描述时，也将以第一规格的模板图像为例进行技术方案的说明，应当理解的是，“第一规格的模板图像可以是多种规格的模板图像中的任意一种”这一前提也适用于后文。
本实施例中，可按照第一规格的模板图像尺寸，对待匹配图像进行子图像选定操作。其中，本实施例中并不限定待匹配图像类型，本实施例提供的图像匹配方法可应用于各种类型的待匹配图像。例如，待匹配图像可以是网站中的一张图片，也可以是视频中的一帧图像等等，本实施例对此均不做限定。
图2为本申请一实施例提供的一种子图像选定操作的示意图。图2示出的多种规格的模板图像中，例如，规格3对应的是基准模板图像，其它规格为对基准模板图像进行缩放而获得的模板图像。如图2所示，正是采用前文提及的滑窗操作实现对待匹配图像的子图像选定，在滑窗操作的过程中，可将每一次滑动的距离设定为一个像素，可将滑动的顺序设定为从左到右且从上到下。当然，这仅是示例性的，滑窗操作的各项滑动参数可根据实际需要进行设定，本实施例对此不作限定。
在按照第一规格的模板图像对待匹配图像进行滑窗操作的过程中，在每一个滑动位置上，滑窗将在待匹配图像上圈定出一个子图像，据此，可获得待匹配图像在第一规格下的子图像。其中，根据滑窗操作对应的滑动位置的数量，第一规格下的子图像可以是一个或多个。可选地，滑窗操作可遍历待匹配图像的所有区域，当然也可以是部分区域，本实施例对此不作限定。
据此，本实施例中，在按照各种规格的模板图像对待匹配图像进行子图像选定操作后，可得到待匹配图像在各种规格下的子图像，且每种规格下的子图像可以是一个或多个。
针对上述得到的各子图像，本实施例中，可根据待匹配图像的积分图，分别计算各子图像的特征值。据此，在对待匹配图像进行图像匹配之前，可先计算待匹配图像的积分图，其中，待匹配图像的积分图可采用像素累计或区域叠加等方式获得，本实施例对待匹配图像的积分图的计算方式不作限定。由于各子图像实质是待匹配图像的一个局部图像，因此，基于待匹配图像的积分图，可确定出各子图像的特征值。其中，各子图像的特征值可以采用哈希特征的形式，当然也可采用其它特征表征形式，本实施例对此不作限定。
本实施例中，特征值用于标识子图像包含的信息，因此，可根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。当子图像与相应规格的模板图像的特征值越接近，则表示该子图像与相应规格的模板图像的信息越相似，也即该子图像与相应规格的模板图像的相似度越高。
据此，可判断各子图像中是否存在相似度满足预设条件的目标子图像。如上文，本实施例中并不限定特征值的形式，因此，针对不同形式的特征值，相似度的表征形式可能不同。例如，当采用哈希特征作为特征值时，可以哈希特征之间的海明距离来表征相似度。而如果采用其它形式的特征值，则可采用相应的参数来表征相似度。因此，本实施例中，可针对不同形式的特征值适应性地设定相似度所需满足的第一预设条件。例如，当采用哈希特征作为特征值时，可将第一预设条件设定为海明距离小于2。当然，这仅是示例性的，本实施例中，并不限定第一预设条件的形式、程度等特征，第一预设条件的各种特征均可根据实际需要进行灵活设定。
若各子图像中存在目标子图像，则可确定待匹配图像中包含目标内容。而若从各子图像中未筛选出目标子图像，则说明待匹配图像中很大概率并不存在目标内容。
与上述对采用多种规格的模板图像进行图像匹配的操作过程相似地，对于采用基准模板图像对多种规格的目标待匹配图像进行图像匹配的操作过程，可按照基准模板图像，分别对各种规格的目标待匹配图像进行子图像选定操作，子图像选定操作的具体过程可参考上文，在此不再赘述。经过子图像选定操作可获得多个子图像，多个子图像均可与基准模板图像进行比较，以确定相似度。并根据第一预设条件确定出各子图像中是否存在目标子图像，若存在，则可确定待匹配图像中包含目标内容。
本实施例中，按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到待匹配图像的多个子图像；在此基础上，利用待匹配图像的积分图，计算各子图像的特征值，并根据各子图像的特征值及模板图像的特征值，确定各子图像与模板图像的相似度，继而根据是否存在相似度满足预设条件的目标子图像，来确定待匹配图像中包含目标内容。本实施例中，采用基于积分图求特征值的方式，可根据求出的特征值快速的确定出待匹配图像中是否存在目标内容，这大大降低了图像匹配过程中的计算量，有效提高了图像匹配效率。
在上述或下述实施例中，为了计算待匹配图像的各子图像的特征值，可对各子图像分别进行分块，以得到各子图像包含的待分析子区块；根据待匹配图像的积分图，分别计算各子图像包含的待分析子区块的像素均值；根据各子图像包含的待分析子区块的像素均值，计算各子图像的特征值。值得说明的是，无论采用上述实施例中哪种实现方式改善基准模板图像与待匹配图像中目标内容的差异，均可按照本实施例提供的方案计算各子图像的特征值。
其中，为了方便计算，在对各子图像进行分块时，可采用等分的方式，例如，采用2X2或4X4的方式进行分块。其中，图3为本申请一实施例提供的两种分块方式的效果示意图，如图3所示，采用2X2方式进行分块时，将获得4个子区块；采用4X4的方式进行分块时，将获得16个子区块。当然，本实施例对此不作限定。另外，为便于计算，模板图像的分块方式可与各子图像的分块方式保持一致。
其中，如上文，本实施例中的特征值可以采用哈希特征的形式，当然也可采用其它特征表征形式。当采用哈希特征的形式时，可对各子图像包含的待分析子区块的像素均值进行哈希计算，以获得各子图像的哈希特征。
例如，当以图3示出的2X2的方式对某一子图像进行分块时，将获得4个待分析子区块，可通过待匹配图像的积分图获得4个待分析子区块各自的像素均值，将其中的任意两个子区块的像素均值进行作差，以获得6个差值；之后可基于预设的3种差值范围，确定6个差值各自所属的差值范围，其中3中差值范围可分别对应二进制数11、10和00，据此，可分别确定出6个差值对应的二进制数，从而确定出该子图像的哈希特征中的12bit；之后可将4个待分析子区块各自的像素均值分别与该子图像的像素均值进行比较，当某一待分析子区块的像素均值大于子图像的像素均值时，可生成一二进制数1，相反时，则可生成一二进制数0，据此，可确定出该子图像的哈希特征中的4bit，进而生成该子图像对应的16bit哈希特征。
又例如，当以图3示出的4X4的方式对某一子图像进行分块时，将获得16个待分析子区块，可通过待匹配图像的积分图获得16个待分析子区块各自的像素均值，之后，可分别将16个待分析子区块各自的像素均值分别与该子图像的像素均值进行比较，当某一待分析子区块的像素均值大于子图像的像素均值时，可生成一二进制数1，相反时，则可生成一二进制数0，据此，可确定出该子图像对应的16bit哈希特征。
当然，上述的分块方式及哈希计算的过程都是示例性的，本实施例并不限于此。
其中，对于上述实施例中的采用多种规格的模板图像进行图像匹配的操作过程，当特征值采用哈希特征的形式时，可计算各子图像的哈希特征与相应规格的模板图像的哈希特征之间的海明距离，作为各子图像与相应规格的模板图像之间的相似度。
其中，对于上述实施例中的采用基准模板图像对多种规格的目标待匹配图像进行图像匹配的操作过程，当特征值采用哈希特征的形式时，可计算各子图像的哈希特征与基准模板图像的哈希特征之间的海明距离，作为各子图像与基准模板图像之间的相似度。
另外，待分析子区块可以是指按照指定粒度划分出的子区块。据此，本实施例中，可设定不同级别的粒度。当采用不同级别的粒度进行分块时，获得的子图像的子区块的数量可能不同。其中，待分析子区块对应的指定粒度可以是前述所设定的最小级别的粒度，当然，本实施例并不限于此。
本实施例中，至少可采用以下两种实现方式得到各子图像包含的待分析子区块。但应当理解的是，以下两种实现方式仅是示例性的，本实施例并不限于此，采用其它实现方式得到各子图像包含的待分析子区块的方案也应属于本申请的保护范围。
在一种实现方式中，可按照第一粒度分别对各子图像进行分块，以得到各子图像在第一粒度下的子区块，作为各子图像包含的待分析子区块。
本实现方式中，可以一个比较细的粒度对待匹配图像中的所有子图像进行统一的分块。例如，可采用4X4的粒度对待匹配图像中的所有子图像进行分块，这样，每一个子图像将得到16个待分析子区块。当然，还可采用其它粒度对待匹配图像中的所有子图像进行统一分块，例如，采用4X5的粒度，甚至更小的粒度，本实施例并不限于此。
以一个比较细的粒度对各子图像进行分块后，可获得数量可观的待分析子区块，而据此计算出的各子图像的特征值可基本反应出子图像包含的信息，因此，可根据确定出的各子图像的特征值与各种规格的模板图像在第一粒度下的特征值，分别计算各子图像与相应规格的模板图像之间的相似度，从而一次性确定出目标子图像。
例如，可对各子图像进行4X4粒度的分块，以得到各子图像各自包含的16个待分析子区块，之后，可根据待匹配图像的积分图，分别计算各子图像格子包含的16个待分析子区块的像素均值，进而计算出各子图像的哈希特征。然后，可计算各子图像在4X4粒度下的哈希特征和相应规格的模板图像在4X4粒度下的哈希特征之间的海明距离，并可将海明距离小于2(作为第一预设条件)的子图像确定为目标子图像。
其中，为了更准确地确定子图像与模板图像之间的相似度，本实施例中，采用与子图像相同的分块方式计算模板图像的特征值。值得说明的是，该计算方案适用于上述实施例中的采用多种规格的模板图像进行图像匹配的操作过程中的任意一种规格的模板图像，同样，也适用于上述实施例中的采用基准模板图像对多种规格的目标待匹配图像进行图像匹配的操作过程中的基准模板图像。
本实现方式中，对于多种规格的模板图像中的第一规格的模板图像，可按照第一粒度，对第一规格的模板图像进行分块，以获得第一规格的模板图像的各子区块；根据第一规格的模板图像的积分图，分别计算第一规格的模板图像的各子区块的像素均值；根据第一规格的模板图像的各子区块的像素均值，计算第一规格的模板图像在第一粒度下的特征值。
同理，本实现方式中，对于基准模板图像，可按照第一粒度，对精准模板图像进行分块，以获得基准模板图像的各子区块；根据基准模板图像的积分图，分别计算基准模板图像的各子区块的像素均值；根据基准模板图像的各子区块的像素均值，计算基准模板图像在第一粒度下的特征值。
从而，可基于同一粒度下确定出的各子图像的特征值及模板图像的特征值，准确地计算出各子图像与模板图像的相似度。
在另一种实现方式中，可按照第二粒度对第一子图像进行分块，以得到第一子图像在第二粒度下的各子区块，第一子图像为各子图像中的任意一个；根据待匹配图像的积分图，分别计算第一子图像在第二粒度下的各子区块的像素均值；根据第一子图像在第二粒度下的各子区块的像素均值，计算第一子图像的中间特征值；若根据第一子图像的中间特征值与相应的模板图像在第二粒度下的特征值确定出第一子图像与相应的模板图像的相似度满足第二预设条件，则将第一子图像作为候选子图像，第二预设条件的要求低于第一预设条件；按照第一粒度对候选子图像进行分块，以得到候选子图像在第一粒度下的各子区块，作为候选子图像包含的待分析子区块。其中，在采用多种规格的模板图像进行图像匹配的操作过程中，相应的模板图像是指相应规格的模板图像；在采用基准模板图像对多种规格的目标待匹配图像进行图像匹配的操作过程中，相应的模板图像是指基准模板图像，后文中不再重复解释。
其中，第一粒度小于第二粒度。因此，本实现方式中，先按照较粗的粒度对待匹配图像的所有子图像分别进行分块。例如，可先按照2X2的粒度对待匹配图像的所有子图像分别进行分块，可得到每个子图像的4个子区块。之后，可基于较粗的粒度下得到的每个子图像的子区块，计算在第二粒度下的各子区块的像素均值，并进一步计算各子图像的中间特征值。例如，可采用上文提供的哈希特征的计算方式，获得上例中2X2的粒度下各子图像对应的16bit哈希特征，各子图像的中间特征值。
根据各子图像的中间特征值及各种规格的模板图像在第二粒度下的特征值，计算各子图像与相应的模板图像之间的相似度，可将相似度满足第二预设条件的子图像，确定为候选子图像。而对于相似度满足第二预设条件的子图像，则可进行丢弃或其它标记处理，这类子图像将不再参与下一粒度的计算。
例如，当特征值采用哈希特征的形式时，可计算上例中各子图像在2X2粒度下的哈希特征和相应的模板图像在2X2粒度下的哈希特征之间的海明距离，并可将海明距离小于5(作为第二预设条件)的两个子图像确定为候选子图像，而将海明距离大于或等于5的子图像进行丢弃。
据此，可将各子图像中与相应的模板图像相似度较低的子图像摒弃，从而筛选出各子图像中与相应的模板图像相似度比较高的子图像作为候选子图像，之后对筛选出的候选子图像执行上一实现方式中的较细粒度的分块，并按照较细粒度的分块方式再次计算候选子图像的特征值，进而从候选子图像中确定出目标子图像。
承接上例，可继续对两个候选子图像进行4X4粒度的分块，以得到两个候选子图像各自包含的16个待分析子区块，之后，可根据待匹配图像的积分图，分别计算两个候选子图像格子包含的16个待分析子区块的像素均值，进而计算出两个候选子图像的哈希特征。然后，可计算两个候选子图像在4X4粒度下的哈希特征和相应的模板图像在4X4粒度下的哈希特征之间的海明距离，并可将海明距离小于2(作为第一预设条件)的一个子图像确定为目标子图像。
由于采用较粗粒度计算特征值时的计算量明显低于采用较细粒度计算特征值时的计算量，因此，本实现方式中，先以较粗粒度的分块方式将各子图像中明显不存在目标内容的子图像筛除，而后仅对候选子图像执行特征值及相似度的计算过程，最终确定出目标子图像，这可大大降低计算量，进而有效提高图像匹配的效率。
另外，值得说明的是，虽然本实现方式中仅描述了采用两种级别的粒度进行图像匹配的方案，但本实现方式并不限于此，在本实现方式中，还可采用三种级别、四种级别、或者更多级别的粒度进行图像匹配，当采用更多级别的粒度进行图像匹配时，可相应地增加进一步筛选候选图像的次数，在此不再赘述具体的方案。例如，可在上述的2X2粒度，之后执行3X3粒度的分块，然后再执行4X4粒度的分块。
其中，为了在候选子图像的筛选及目标子图像的筛选过程中更准确地确定各子图像与相应的模板图像之间的相似度，本实施例中，采用与子图像相同的分块方式计算模板图像的特征值。值得说明的是，该计算方案适用于上述实施例中的采用多种规格的模板图像进行图像匹配的操作过程中的任意一种规格的模板图像，同样，也适用于上述实施例中的采用基准模板图像对多种规格的目标待匹配图像进行图像匹配的操作过程中的基准模板图像。。
本实现方式中，对于多种规格的模板图像中的第一规格的模板图像，可分别按照第一粒度和第二粒度，对第一规格的模板图像进行分块，以获得第一规格的模板图像在第一粒度和第二粒度下的各子区块；根据第一规格的模板图像的积分图，分别计算第一规格的模板图像在第一粒度和第二粒度下的各子区块的像素均值；根据对第一规格的模板图像在第一粒度和第二粒度下的各子区块的像素均值，分别计算第一规格的模板图像在第一粒度和第二粒度下的特征值。
本实现方式中，对于基准模板图像，可分别按照第一粒度和第二粒度，对基准模板图像进行分块，以获得基准模板图像在第一粒度和第二粒度下的各子区块；根据基准模板图像的积分图，分别计算基准模板图像在第一粒度和第二粒度下的各子区块的像素均值；根据对基准模板图像在第一粒度和第二粒度下的各子区块的像素均值，分别计算基准模板图像在第一粒度和第二粒度下的特征值。
从而，在进行候选图像筛选时，可基于第二粒度下的各子图像的特征值和相应的模板图像的特征值，确定各子图像与相应的模板图像之间的相似度；而在进行目标图像筛选时，则可基于第一粒度下的各候选子图像的特征值和相应的模板图像的特征值，确定各候选子图像与相应的模板图像之间的相似度。这保证了筛选结果的准确性。
在上述或下述实施例中，还可根据目标子图像在待匹配图像中的位置，确定目标内容在待匹配图像中的位置。
本实施例中，在确定出各子图像中的目标子图像后，可根据目标子图像在待匹配图像中的位置，确定出目标内容在待匹配图像中的位置。
如上文，目标子图像的数量可能是一个或多个。当目标子图像的数量为1个是，可将该目标子图像在待匹配图像中的位置，确定为目标内容在待匹配图像中的位置。当目标子图像的数量为多个时，将其中特征值与相应规格的模板图像的特征值之间的相似度最大的目标子图像在待匹配图像中的位置，确定为目标内容在待匹配图像中的位置。例如，可将与模板图像之间的海明距离最小的目标子图像的位置，确定为目标内容在待匹配图像中的位置。
因此，本实施例中，可基于确定出的目标子图像的位置，准确地定位出目标内容在待匹配图像中的位置，从而为其它图像处理过程提供准确的参考数据。
需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤101至步骤103的执行主体可以为设备A；又比如，步骤101和102的执行主体可以为设备A，步骤103的执行主体可以为设备B；等等。
另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的条件、对象等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
图4为本申请另一实施例提供的一种计算设备的结构示意图。如图4所示，该设备包括：存储器40和处理器41。
存储器40，用于存储计算机程序，并可被配置为存储其它各种数据以支持在计算设备上的操作。这些数据的示例包括用于在计算设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。
存储器40可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
处理器41，与存储器40耦合，用于执行存储器40中的计算机程序，以用于：
按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到待匹配图像的多个子图像；
根据待匹配图像的积分图，分别计算各子图像的特征值；
根据各子图像的特征值与模板图像的特征值，分别计算各子图像与模板图像之间的相似度；
若存在相似度满足第一预设条件的目标子图像，则确定待匹配图像中包含目标内容。
在一可选实施例中，在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作之前，处理器41还用于：
若目标内容对应的基准模板图像的尺寸大于第一预设尺寸，则对基准模板图像进行缩放，以获得目标内容对应的多种不同规格的模板图像；
处理器41在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作时，用于：
按照目标内容对应的各种规格的模板图像，对待匹配图像进行子图像选定操作，以得到待匹配图像在各种规格下的子图像；
处理器41在根据各子图像的特征值与模板图像的特征值，分别计算各子图像与模板图像之间的相似度时，用于：
根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。
在一可选实施例中，处理器41在根据待匹配图像的积分图，分别计算各子图像的特征值时，用于：
对各子图像分别进行分块，以得到各子图像包含的待分析子区块；
根据待匹配图像的积分图，分别计算各子图像包含的待分析子区块的像素均值；
根据各子图像包含的待分析子区块的像素均值，计算各子图像的特征值。
在一可选实施例中，处理器41在根据各子图像包含的待分析子区块的像素均值，计算各子图像的特征值时，用于：
对各子图像包含的待分析子区块的像素均值进行哈希计算，以获得各子图像的哈希特征；
处理器41在根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度时，用于：
计算各子图像的哈希特征与相应规格的模板图像的哈希特征之间的海明距离，作为相似度。
在一可选实施例中，处理器41在对各子图像分别进行分块，以得到各子图像包含的待分析子区块时，用于：
按照第一粒度分别对各子图像进行分块，以得到各子图像在第一粒度下的子区块，作为各子图像包含的待分析子区块；
处理器41在根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度时，用于：
根据各子图像的特征值与各种规格的模板图像在第一粒度下的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。
在一可选实施例中，处理器41在根据各子图像的特征值与各规格的模板图像的特征值，计算各子图像与相应规格的模板图像之间的相似度之前，还用于：
按照第一粒度，对第一规格的模板图像进行分块，以获得第一规格的模板图像的各子区块；
根据第一规格的模板图像的积分图，分别计算第一规格的模板图像的各子区块的像素均值；
根据第一规格的模板图像的各子区块的像素均值，计算第一规格的模板图像在第一粒度下的特征值，第一规格的模板图像为至少一种规格的模板图像中的任意一个。
在一可选实施例中，处理器41在对各子图像分别进行分块，以得到各子图像包含的待分析子区块时，用于：
按照第二粒度对第一子图像进行分块，以得到第一子图像在第二粒度下的各子区块，第一子图像为各子图像中的任意一个；
根据待匹配图像的积分图，分别计算第一子图像在第二粒度下的各子区块的像素均值；
根据第一子图像在第二粒度下的各子区块的像素均值，计算第一子图像的中间特征值；
若根据第一子图像的中间特征值与相应的模板图像在第二粒度下的特征值确定出第一子图像与相应的模板图像的相似度满足第二预设条件，则将第一子图像作为候选子图像，第二预设条件的要求低于第一预设条件；
按照第一粒度对候选子图像进行分块，以得到候选子图像在第一粒度下的各子区块，作为候选子图像包含的待分析子区块；其中，第一粒度小于第二粒度。
在一可选实施例中，处理器41在根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度时，用于：
根据候选子图像的特征值与各种规格的模板图像在第一粒度下的特征值，分别计算候选子图像与相应规格的模板图像之间的相似度。
在一可选实施例中，处理器41还用于：
若根据第一子图像的中间特征值与相应的模板图像在第二粒度下的特征值确定出第一子图像与相应的模板图像的相似度不满足第二预设条件，则丢弃第一子图像。
在一可选实施例中，处理器41在使用各种规格的模板图像的特征值之前，还用于：
分别按照第一粒度和第二粒度，对第一规格的模板图像进行分块，以获得第一规格的模板图像在第一粒度和第二粒度下的各子区块；
根据第一规格的模板图像的积分图，分别计算第一规格的模板图像在第一粒度和第二粒度下的各子区块的像素均值；
根据对第一规格的模板图像在第一粒度和第二粒度下的各子区块的像素均值，分别计算第一规格的模板图像在第一粒度和第二粒度下的特征值，第一规格的模板图像为至少一种规格的模板图像中的任意一种。
在一可选实施例中，在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作之前，处理器41还用于：
若目标内容对应的基准模板图像的尺寸小于第二预设尺寸，则对待匹配图像进行缩放，以获得多种不同规格的待匹配图像，其中，第二预设尺寸小于第一预设尺寸；
处理器41在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作时，用于：
按照目标内容对应的基准模板图像，分别对各种规格的待匹配图像进行子图像选定操作，以得到各种规格的待匹配图像各自的多个子图像；
处理器41在根据各子图像的特征值与模板图像的特征值，分别计算各子图像与模板图像之间的相似度时，用于：
根据各子图像的特征值与基准模板图像的特征值，分别计算各子图像与基准模板图像之间的相似度。
在一可选实施例中，处理器41在执行子图像选定操作时，采用滑窗操作。
在一可选实施例中，处理器41还用于：
根据目标子图像在待匹配图像中的位置，确定目标内容在待匹配图像中的位置。
在一可选实施例中，处理器41在根据目标子图像在待匹配图像中的位置，确定目标内容在待匹配图像中的位置时，用于：
当目标子图像的数量为多个时，将其中特征值与相应规格的模板图像的特征值之间的相似度最大的目标子图像在待匹配图像中的位置，确定为目标内容在待匹配图像中的位置。
进一步，如图4所示，该计算设备还包括：通信组件42、电源组件43等其它组件。图4中仅示意性给出部分组件，并不意味着计算设备只包括图4所示组件。
其中，通信组件42被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件可基于近场通信(NFC)技术、射频识别(RFID)技术、红外数据协会(IrDA)技术、超宽带(UWB)技术、蓝牙(BT)技术或其它技术来实现，以促进短程通信。
其中，电源组件43，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由计算设备执行的各步骤。
图5为本申请又一实施例提供的一种计算装置的结构示意图，如图5所示，该计算装置包括：
子图像选定模块51，用于按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像的多个子图像；
特征值计算模块52，用于根据所述待匹配图像的积分图，分别计算各子图像的特征值；
相似度计算模块53，用于根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度；
结果生成模块54，用于若存在相似度满足第一预设条件的目标子图像，则确定所述待匹配图像中包含所述目标内容。
在一可选实施例中，子图像选定模块51在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作之前，还用于：
若目标内容对应的基准模板图像的尺寸大于第一预设尺寸，则对基准模板图像进行缩放，以获得目标内容对应的多种不同规格的模板图像；
子图像选定模块51具体用于：
按照目标内容对应的各种规格的模板图像，对待匹配图像进行子图像选定操作，以得到待匹配图像在各种规格下的子图像；
相似度计算模块53具体用于：
根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。
在一可选实施例中，特征值计算模块52具体用于：
对各子图像分别进行分块，以得到各子图像包含的待分析子区块；
根据待匹配图像的积分图，分别计算各子图像包含的待分析子区块的像素均值；
根据各子图像包含的待分析子区块的像素均值，计算各子图像的特征值。
在一可选实施例中，特征值计算模块52具体用于：
对各子图像包含的待分析子区块的像素均值进行哈希计算，以获得各子图像的哈希特征；
相似度计算模块53具体用于：
计算各子图像的哈希特征与相应规格的模板图像的哈希特征之间的海明距离，作为相似度。
在一可选实施例中，特征值计算模块52具体用于：
按照第一粒度分别对各子图像进行分块，以得到各子图像在第一粒度下的子区块，作为各子图像包含的待分析子区块；
相似度计算模块53具体用于：
根据各子图像的特征值与各种规格的模板图像在第一粒度下的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。
在一可选实施例中，特征值计算模块52还用于：
按照第一粒度，对第一规格的模板图像进行分块，以获得第一规格的模板图像的各子区块；
根据第一规格的模板图像的积分图，分别计算第一规格的模板图像的各子区块的像素均值；
根据第一规格的模板图像的各子区块的像素均值，计算第一规格的模板图像在第一粒度下的特征值，第一规格的模板图像为至少一种规格的模板图像中的任意一个。
在一可选实施例中，特征值计算模块52具体用于：
按照第二粒度对第一子图像进行分块，以得到第一子图像在第二粒度下的各子区块，第一子图像为各子图像中的任意一个；
根据待匹配图像的积分图，分别计算第一子图像在第二粒度下的各子区块的像素均值；
根据第一子图像在第二粒度下的各子区块的像素均值，计算第一子图像的中间特征值；
若根据第一子图像的中间特征值与相应的模板图像在第二粒度下的特征值确定出第一子图像与相应的模板图像的相似度满足第二预设条件，则将第一子图像作为候选子图像，第二预设条件的要求低于第一预设条件；
按照第一粒度对候选子图像进行分块，以得到候选子图像在第一粒度下的各子区块，作为候选子图像包含的待分析子区块；其中，第一粒度小于第二粒度。
在一可选实施例中，相似度计算模块53在根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度时，用于：
根据候选子图像的特征值与各种规格的模板图像在第一粒度下的特征值，分别计算候选子图像与相应规格的模板图像之间的相似度。
在一可选实施例中，特征值计算模块52还用于：
若根据第一子图像的中间特征值与相应的模板图像在第二粒度下的特征值确定出第一子图像与相应的模板图像的相似度不满足第二预设条件，则丢弃第一子图像。
在一可选实施例中，特征值计算模块52在使用各种规格的模板图像的特征值之前，还用于：
分别按照第一粒度和第二粒度，对第一规格的模板图像进行分块，以获得第一规格的模板图像在第一粒度和第二粒度下的各子区块；
根据第一规格的模板图像的积分图，分别计算第一规格的模板图像在第一粒度和第二粒度下的各子区块的像素均值；
根据对第一规格的模板图像在第一粒度和第二粒度下的各子区块的像素均值，分别计算第一规格的模板图像在第一粒度和第二粒度下的特征值，第一规格的模板图像为至少一种规格的模板图像中的任意一种。
在一可选实施例中，子图像选定模块51在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作之前，还用于：
若目标内容对应的基准模板图像的尺寸小于第二预设尺寸，则对待匹配图像进行缩放，以获得多种不同规格的待匹配图像，其中，第二预设尺寸小于第一预设尺寸；
子图像选定模块51在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作时，用于：
按照目标内容对应的基准模板图像，分别对各种规格的待匹配图像进行子图像选定操作，以得到各种规格的待匹配图像各自的多个子图像；
相似度计算模块53在根据各子图像的特征值与模板图像的特征值，分别计算各子图像与模板图像之间的相似度时，用于：
根据各子图像的特征值与基准模板图像的特征值，分别计算各子图像与基准模板图像之间的相似度。
在一可选实施例中，子图像选定模块51在执行子图像选定操作时，采用滑窗操作。
在一可选实施例中，结果生成模块54还用于：
根据目标子图像在待匹配图像中的位置，确定目标内容在待匹配图像中的位置。
在一可选实施例中，结果生成模块54在根据目标子图像在待匹配图像中的位置，确定目标内容在待匹配图像中的位置时，用于：
当目标子图像的数量为多个时，将其中特征值与相应规格的模板图像的特征值之间的相似度最大的目标子图像在待匹配图像中的位置，确定为目标内容在待匹配图像中的位置。
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，本发明可采用完全硬件实施例、完全软件实施例、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、CD-ROM、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (28)
1.一种图像匹配方法，其特征在于，包括：
按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像的多个子图像；
对各子图像分别进行分块，以得到各子图像包含的待分析子区块；
根据所述待匹配图像的积分图，分别计算各子图像包含的待分析子区块的像素均值；
对任一子图像中的任意两个待分析子区块的像素均值作差，以确定各差值各自所属差值范围对应的二进制数；
对所述子图像中各个待分析子区块各自对应的像素均值与所述子图像的像素均值比较，以确定各比较结果对应的二进制数；
将为所述子图像确定出的二进制数进行组合，得到所述子图像的特征值；
根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度；
若存在相似度满足第一预设条件的目标子图像，则确定所述待匹配图像中包含所述目标内容。
2.根据权利要求1所述的方法，其特征在于，在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作之前，还包括：
若所述目标内容对应的基准模板图像的尺寸大于第一预设尺寸，则对所述基准模板图像进行缩放，以获得所述目标内容对应的多种不同规格的模板图像；
所述按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，包括：
按照所述目标内容对应的各种规格的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像在各种规格下的子图像；
所述根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度，包括：
根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。
3.根据权利要求1所述的方法，其特征在于，所述特征值采用哈希特征，所述根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度，包括：
计算各子图像的哈希特征与相应规格的模板图像的哈希特征之间的海明距离，作为所述相似度。
4.根据权利要求1所述的方法，其特征在于，所述对各子图像分别进行分块，以得到各子图像包含的待分析子区块，包括：
按照第一粒度分别对各子图像进行分块，以得到各子图像在第一粒度下的子区块，作为各子图像包含的待分析子区块；
所述根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度，包括：
根据各子图像的特征值与各种规格的模板图像在第一粒度下的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。
5.根据权利要求4所述的方法，其特征在于，所述根据各子图像的特征值与各规格的模板图像的特征值，计算各子图像与相应规格的模板图像之间的相似度之前，还包括：
按照所述第一粒度，对第一规格的模板图像进行分块，以获得所述第一规格的模板图像的各子区块；
根据第一规格的模板图像的积分图，分别计算所述第一规格的模板图像的各子区块的像素均值；
根据所述第一规格的模板图像的各子区块的像素均值，计算所述第一规格的模板图像在第一粒度下的特征值，所述第一规格的模板图像为至少一种规格的模板图像中的任意一个。
6.根据权利要求1所述的方法，其特征在于，所述对各子图像分别进行分块，以得到各子图像包含的待分析子区块，包括：
按照第二粒度对第一子图像进行分块，以得到所述第一子图像在第二粒度下的各子区块，所述第一子图像为各子图像中的任意一个；
根据所述待匹配图像的积分图，分别计算所述第一子图像在第二粒度下的各子区块的像素均值；
根据所述第一子图像在第二粒度下的各子区块的像素均值，计算所述第一子图像的中间特征值；
若根据所述第一子图像的中间特征值与相应的模板图像在第二粒度下的特征值确定出所述第一子图像与相应的模板图像的相似度满足第二预设条件，则将所述第一子图像作为候选子图像，所述第二预设条件的要求低于所述第一预设条件；
按照第一粒度对所述候选子图像进行分块，以得到所述候选子图像在第一粒度下的各子区块，作为所述候选子图像包含的待分析子区块；其中，所述第一粒度小于所述第二粒度。
7.根据权利要求6所述的方法，其特征在于，所述根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度，包括：
根据所述候选子图像的特征值与各种规格的模板图像在第一粒度下的特征值，分别计算所述候选子图像与相应规格的模板图像之间的相似度。
8.根据权利要求6所述的方法，其特征在于，还包括：
若根据所述第一子图像的中间特征值与相应的模板图像在第二粒度下的特征值确定出所述第一子图像与相应的模板图像的相似度不满足所述第二预设条件，则丢弃所述第一子图像。
9.根据权利要求6所述的方法，其特征在于，在使用各规格的模板图像的特征值之前，还包括：
分别按照第一粒度和第二粒度，对第一规格的模板图像进行分块，以获得所述第一规格的模板图像在所述第一粒度和所述第二粒度下的各子区块；
根据所述第一规格的模板图像的积分图，分别计算所述第一规格的模板图像在所述第一粒度和所述第二粒度下的各子区块的像素均值；
根据对所述第一规格的模板图像在所述第一粒度和所述第二粒度下的各子区块的像素均值，分别计算所述第一规格的模板图像在所述第一粒度和所述第二粒度下的特征值，所述第一规格的模板图像为至少一种规格的模板图像中的任意一种。
10.根据权利要求2所述的方法，其特征在于，所述按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作之前，还包括：
若所述目标内容对应的基准模板图像的尺寸小于第二预设尺寸，则对所述待匹配图像进行缩放，以获得多种不同规格的目标待匹配图像，其中，所述第二预设尺寸小于所述第一预设尺寸；
所述按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，包括：
按照所述目标内容对应的基准模板图像，分别对各种规格的目标待匹配图像进行子图像选定操作，以得到各种规格的目标待匹配图像各自的多个子图像；
所述根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度，包括：
根据各子图像的特征值与所述基准模板图像的特征值，分别计算各子图像与所述基准模板图像之间的相似度。
11.根据权利要求1~10任一项所述的方法，其特征在于，所述子图像选定操作为滑窗操作。
12.根据权利要求1~10任一项所述的方法，其特征在于，还包括：
根据所述目标子图像在所述待匹配图像中的位置，确定所述目标内容在所述待匹配图像中的位置。
13.根据权利要求12所述的方法，其特征在于，根据所述目标子图像在所述待匹配图像中的位置，确定所述目标内容在所述待匹配图像中的位置，包括：
当所述目标子图像的数量为多个时，将其中特征值与相应规格的模板图像的特征值之间的相似度最大的目标子图像在所述待匹配图像中的位置，确定为所述目标内容在所述待匹配图像中的位置。
14.一种计算设备，其特征在于，包括存储器和处理器；
所述存储器用于存储一条或多条计算机指令；
所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：
按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像的多个子图像；
对各子图像分别进行分块，以得到各子图像包含的待分析子区块；
根据所述待匹配图像的积分图，分别计算各子图像包含的待分析子区块的像素均值；
对任一子图像中的任意两个待分析子区块的像素均值作差，以确定各差值各自所属差值范围对应的二进制数；
对所述子图像中各个待分析子区块各自对应的像素均值与所述子图像的像素均值比较，以确定各比较结果对应的二进制数；
将为所述子图像确定出的二进制数进行组合，得到所述子图像的特征值；
根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度；
若存在相似度满足第一预设条件的目标子图像，则确定所述待匹配图像中包含所述目标内容。
15.根据权利要求14所述的设备，其特征在于，在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作之前，所述处理器还用于：
若所述目标内容对应的基准模板图像的尺寸大于第一预设尺寸，则对所述基准模板图像进行缩放，以获得所述目标内容对应的多种不同规格的模板图像；
所述处理器在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作时，用于：
按照所述目标内容对应的各种规格的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像在各种规格下的子图像；
所述处理器在根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度时，用于：
根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。
16.根据权利要求14所述的设备，其特征在于，所述特征值采用哈希特征，所述处理器在根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度时，用于：
计算各子图像的哈希特征与相应规格的模板图像的哈希特征之间的海明距离，作为所述相似度。
17.根据权利要求14所述的设备，其特征在于，所述处理器在对各子图像分别进行分块，以得到各子图像包含的待分析子区块时，用于：
按照第一粒度分别对各子图像进行分块，以得到各子图像在第一粒度下的子区块，作为各子图像包含的待分析子区块；
所述根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度，包括：
根据各子图像的特征值与各种规格的模板图像在第一粒度下的特征值，分别计算各子图像与相应规格的模板图像之间的相似度。
18.根据权利要求17所述的设备，其特征在于，所述处理器在根据各子图像的特征值与各规格的模板图像的特征值，计算各子图像与相应规格的模板图像之间的相似度之前，还用于：
按照所述第一粒度，对第一规格的模板图像进行分块，以获得所述第一规格的模板图像的各子区块；
根据第一规格的模板图像的积分图，分别计算所述第一规格的模板图像的各子区块的像素均值；
根据所述第一规格的模板图像的各子区块的像素均值，计算所述第一规格的模板图像在第一粒度下的特征值，所述第一规格的模板图像为至少一种规格的模板图像中的任意一个。
19.根据权利要求14所述的设备，其特征在于，所述处理器对各子图像分别进行分块，以得到各子图像包含的待分析子区块时，用于：
按照第二粒度对第一子图像进行分块，以得到所述第一子图像在第二粒度下的各子区块，所述第一子图像为各子图像中的任意一个；
根据所述待匹配图像的积分图，分别计算所述第一子图像在第二粒度下的各子区块的像素均值；
根据所述第一子图像在第二粒度下的各子区块的像素均值，计算所述第一子图像的中间特征值；
若根据所述第一子图像的中间特征值与相应的模板图像在第二粒度下的特征值确定出所述第一子图像与相应的模板图像的相似度满足第二预设条件，则将所述第一子图像作为候选子图像，所述第二预设条件的要求低于所述第一预设条件；
按照第一粒度对所述候选子图像进行分块，以得到所述候选子图像在第一粒度下的各子区块，作为所述候选子图像包含的待分析子区块；其中，所述第一粒度小于所述第二粒度。
20.根据权利要求19所述的设备，其特征在于，所述处理器在根据各子图像的特征值与各种规格的模板图像的特征值，分别计算各子图像与相应规格的模板图像之间的相似度时，用于：
根据所述候选子图像的特征值与各种规格的模板图像在第一粒度下的特征值，分别计算所述候选子图像与相应规格的模板图像之间的相似度。
21.根据权利要求19所述的设备，其特征在于，所述处理器还用于：
若根据所述第一子图像的中间特征值与相应的模板图像在第二粒度下的特征值确定出所述第一子图像与相应的模板图像的相似度不满足所述第二预设条件，则丢弃所述第一子图像。
22.根据权利要求19所述的设备，其特征在于，所述处理器在使用各种规格的模板图像的特征值之前，还用于：
分别按照第一粒度和第二粒度，对第一规格的模板图像进行分块，以获得所述第一规格的模板图像在所述第一粒度和所述第二粒度下的各子区块；
根据所述第一规格的模板图像的积分图，分别计算所述第一规格的模板图像在所述第一粒度和所述第二粒度下的各子区块的像素均值；
根据对所述第一规格的模板图像在所述第一粒度和所述第二粒度下的各子区块的像素均值，分别计算所述第一规格的模板图像在所述第一粒度和所述第二粒度下的特征值，所述第一规格的模板图像为至少一种规格的模板图像中的任意一种。
23.根据权利要求15所述的设备，其特征在于，在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作之前，所述处理器还用于：
若所述目标内容对应的基准模板图像的尺寸小于第二预设尺寸，则对所述待匹配图像进行缩放，以获得多种不同规格的目标待匹配图像，其中，所述第二预设尺寸小于所述第一预设尺寸；
所述处理器在按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作时，用于：
按照所述目标内容对应的基准模板图像，分别对各种规格的目标待匹配图像进行子图像选定操作，以得到各种规格的目标待匹配图像各自的多个子图像；
所述处理器在根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度时，用于：
根据各子图像的特征值与所述基准模板图像的特征值，分别计算各子图像与所述基准模板图像之间的相似度。
24.根据权利要求14~23任一项所述的设备，其特征在于，所述处理器在执行所述子图像选定操作时，采用滑窗操作。
25.根据权利要求14~23任一项所述的设备，其特征在于，所述处理器还用于：
根据所述目标子图像在所述待匹配图像中的位置，确定所述目标内容在所述待匹配图像中的位置。
26.根据权利要求25所述的设备，其特征在于，所述处理器在根据所述目标子图像在所述待匹配图像中的位置，确定所述目标内容在所述待匹配图像中的位置时，用于：
当所述目标子图像的数量为多个时，将其中特征值与相应规格的模板图像的特征值之间的相似度最大的目标子图像在所述待匹配图像中的位置，确定为所述目标内容在所述待匹配图像中的位置。
27.一种计算装置，其特征在于，包括：
子图像选定模块，用于按照目标内容对应的模板图像，对待匹配图像进行子图像选定操作，以得到所述待匹配图像的多个子图像；
特征值计算模块，用于对各子图像分别进行分块，以得到各子图像包含的待分析子区块；根据所述待匹配图像的积分图，分别计算各子图像包含的待分析子区块的像素均值；对任一子图像中的任意两个待分析子区块的像素均值作差，以确定各差值各自所属差值范围对应的二进制数；对所述子图像中各个待分析子区块各自对应的像素均值与所述子图像的像素均值比较，以确定各比较结果对应的二进制数；将为所述子图像确定出的二进制数进行组合，得到所述子图像的特征值；
相似度计算模块，用于根据各子图像的特征值与所述模板图像的特征值，分别计算各子图像与所述模板图像之间的相似度；
结果生成模块，用于若存在相似度满足第一预设条件的目标子图像，则确定所述待匹配图像中包含所述目标内容。
28.一种存储计算机指令的计算机可读存储介质，其特征在于，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行权利要求1~13任一项所述的图像匹配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811594720.XA CN111369599B (zh) | 2018-12-25 | 2018-12-25 | 一种图像匹配方法、设备、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811594720.XA CN111369599B (zh) | 2018-12-25 | 2018-12-25 | 一种图像匹配方法、设备、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111369599A CN111369599A (zh) | 2020-07-03 |
| CN111369599B true CN111369599B (zh) | 2024-04-16 |
Family
ID=71206017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811594720.XA Active CN111369599B (zh) | 2018-12-25 | 2018-12-25 | 一种图像匹配方法、设备、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369599B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113808181A (zh) * | 2020-10-30 | 2021-12-17 | 上海联影智能医疗科技有限公司 | 医学图像的处理方法、电子设备和存储介质 |
| CN112511814A (zh) * | 2021-02-05 | 2021-03-16 | 深圳市橙子数字科技有限公司 | 投影仪的对焦方法、投影仪、计算机设备及存储介质 |
| CN114115640B (zh) * | 2021-11-30 | 2024-05-14 | 上海小度技术有限公司 | 图标的确定方法、装置、设备以及存储介质 |
| CN117456316B (zh) * | 2023-12-26 | 2024-03-19 | 苏州镁伽科技有限公司 | 图像去重处理方法、装置、存储介质和电子设备 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009113598A1 (en) * | 2008-03-13 | 2009-09-17 | Kabushiki Kaisha Toshiba | Template matching apparatus and method thereof |
| WO2012118259A1 (ko) * | 2011-03-03 | 2012-09-07 | (주)엔써즈 | 이미지에 기반한 동영상 관련 서비스 제공 시스템 및 방법 |
| CN102663377A (zh) * | 2012-03-15 | 2012-09-12 | 华中科技大学 | 一种基于模板匹配的字符识别方法 |
| CN102914549A (zh) * | 2012-09-10 | 2013-02-06 | 中国航天科技集团公司第五研究院第五一三研究所 | 针对星载表露型pcb焊点质量的光学图像匹配检测方法 |
| CN104036523A (zh) * | 2014-06-18 | 2014-09-10 | 哈尔滨工程大学 | 一种基于SURF特征的改进Mean Shift的目标跟踪方法 |
| CN104484869A (zh) * | 2014-11-14 | 2015-04-01 | 中国科学院计算技术研究所 | 面向排序测度特征的图像匹配方法及系统 |
| CN106228194A (zh) * | 2016-08-05 | 2016-12-14 | 腾讯科技（深圳）有限公司 | 图像查找方法和装置 |
| CN107767379A (zh) * | 2017-11-16 | 2018-03-06 | 桂林电子科技大学 | Pcb板标注印刷质量检测方法 |
| CN107851196A (zh) * | 2016-06-01 | 2018-03-27 | 深圳配天智能技术研究院有限公司 | 一种图像模式匹配的方法及装置 |
| CN107872621A (zh) * | 2017-11-23 | 2018-04-03 | 清远市悦影电子科技有限公司 | 一种数码相机自动缩略图的实现方法 |
| WO2018068304A1 (zh) * | 2016-10-14 | 2018-04-19 | 深圳配天智能技术研究院有限公司 | 一种图像匹配的方法及装置 |
| JP2018097853A (ja) * | 2016-12-16 | 2018-06-21 | 富士通株式会社 | 画像比較装置、方法及び電子機器 |
| CN108255858A (zh) * | 2016-12-29 | 2018-07-06 | 北京优朋普乐科技有限公司 | 一种图像检索方法和系统 |
| CN108256394A (zh) * | 2016-12-28 | 2018-07-06 | 中林信达（北京）科技信息有限责任公司 | 一种基于轮廓梯度的目标跟踪方法 |
| CN109034151A (zh) * | 2018-06-27 | 2018-12-18 | 华中科技大学 | 一种用于多个指针式仪表识别的定位方法 |
| CN109063693A (zh) * | 2018-09-12 | 2018-12-21 | 中国人民解放军国防科技大学 | 金字塔式编码的bgp人脸快速检索方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10496695B2 (en) * | 2016-06-06 | 2019-12-03 | Think-Cell Software Gmbh | Automated data extraction from scatter plot images |
-
2018
- 2018-12-25 CN CN201811594720.XA patent/CN111369599B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009113598A1 (en) * | 2008-03-13 | 2009-09-17 | Kabushiki Kaisha Toshiba | Template matching apparatus and method thereof |
| WO2012118259A1 (ko) * | 2011-03-03 | 2012-09-07 | (주)엔써즈 | 이미지에 기반한 동영상 관련 서비스 제공 시스템 및 방법 |
| CN102663377A (zh) * | 2012-03-15 | 2012-09-12 | 华中科技大学 | 一种基于模板匹配的字符识别方法 |
| CN102914549A (zh) * | 2012-09-10 | 2013-02-06 | 中国航天科技集团公司第五研究院第五一三研究所 | 针对星载表露型pcb焊点质量的光学图像匹配检测方法 |
| CN104036523A (zh) * | 2014-06-18 | 2014-09-10 | 哈尔滨工程大学 | 一种基于SURF特征的改进Mean Shift的目标跟踪方法 |
| CN104484869A (zh) * | 2014-11-14 | 2015-04-01 | 中国科学院计算技术研究所 | 面向排序测度特征的图像匹配方法及系统 |
| CN107851196A (zh) * | 2016-06-01 | 2018-03-27 | 深圳配天智能技术研究院有限公司 | 一种图像模式匹配的方法及装置 |
| CN106228194A (zh) * | 2016-08-05 | 2016-12-14 | 腾讯科技（深圳）有限公司 | 图像查找方法和装置 |
| WO2018068304A1 (zh) * | 2016-10-14 | 2018-04-19 | 深圳配天智能技术研究院有限公司 | 一种图像匹配的方法及装置 |
| JP2018097853A (ja) * | 2016-12-16 | 2018-06-21 | 富士通株式会社 | 画像比較装置、方法及び電子機器 |
| CN108256394A (zh) * | 2016-12-28 | 2018-07-06 | 中林信达（北京）科技信息有限责任公司 | 一种基于轮廓梯度的目标跟踪方法 |
| CN108255858A (zh) * | 2016-12-29 | 2018-07-06 | 北京优朋普乐科技有限公司 | 一种图像检索方法和系统 |
| CN107767379A (zh) * | 2017-11-16 | 2018-03-06 | 桂林电子科技大学 | Pcb板标注印刷质量检测方法 |
| CN107872621A (zh) * | 2017-11-23 | 2018-04-03 | 清远市悦影电子科技有限公司 | 一种数码相机自动缩略图的实现方法 |
| CN109034151A (zh) * | 2018-06-27 | 2018-12-18 | 华中科技大学 | 一种用于多个指针式仪表识别的定位方法 |
| CN109063693A (zh) * | 2018-09-12 | 2018-12-21 | 中国人民解放军国防科技大学 | 金字塔式编码的bgp人脸快速检索方法 |
Non-Patent Citations (5)
| Title |
|---|
| 基于积分图像的灰度分布标准化快速算法;邵平 等;《计算机应用研究》;论文第1-2节 * |
| 基于积分图像的灰度分布标准化快速算法;邵平 等;计算机应用研究;论文第1-2节 * |
| 基于类间方差和离散余弦变换的模板匹配哈希目标跟踪;李海彪;黄山;;电光与控制;20180706(10);全文 * |
| 数字图像认证若干算法研究;吴显燕;中国优秀硕士学位论文全文数据库;20120415;全文 * |
| 李京兵 等著.均值感知哈希算法.《基于变换域的纹理防伪标签自动识别技术》.知识产权出版社,2016, * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111369599A (zh) | 2020-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111369599B (zh) | 一种图像匹配方法、设备、装置及存储介质 | |
| US11538232B2 (en) | Tracker assisted image capture | |
| US9053540B2 (en) | Stereo matching by census transform and support weight cost aggregation | |
| US20140205141A1 (en) | Systems and methods for tracking and detecting a target object | |
| US11151386B1 (en) | Automated identification and tagging of video content | |
| CN110738611B (zh) | 一种视频画质增强方法、系统及设备 | |
| CN110795976A (zh) | 一种训练物体检测模型的方法、装置以及设备 | |
| CN110109899B (zh) | 物联网数据填补方法、装置及系统 | |
| US20200125898A1 (en) | Methods and systems of segmentation of a document | |
| GB2553641A (en) | Techniques for selecting objects in images | |
| CN111813840A (zh) | 一种数据处理方法、设备及存储介质 | |
| KR20210013659A (ko) | 경계 비트맵을 이용하는 이미지 분류 개선 기법 | |
| CN114782310A (zh) | 表面缺陷检测方法、装置、设备和存储介质 | |
| CN111914682B (zh) | 一种包含演示文稿的教学视频分割方法、装置及设备 | |
| US10303950B1 (en) | Automated video correction | |
| CN104602096A (zh) | 一种视频字幕区的检测方法和装置 | |
| US11899916B2 (en) | User interface for modifying pictures | |
| CN110889424B (zh) | 向量索引建立方法及装置和向量检索方法及装置 | |
| US10558882B2 (en) | Performing distance-based feature suppression | |
| US20150288973A1 (en) | Method and device for searching for image | |
| CN113497954A (zh) | 一种视频调色方法、媒体数据处理方法、设备及存储介质 | |
| CN114661666B (zh) | 数据搜索方法、装置、设备及存储介质 | |
| US20220374647A1 (en) | Reverse image search based on deep neural network (dnn) model and image-feature detection model | |
| CN113516615B (zh) | 一种样本生成方法、系统、设备及存储介质 | |
| US10277912B2 (en) | Methods and apparatus for storing data related to video decoding |
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 |