CN111598176A - 一种图像匹配处理方法及装置 - Google Patents
一种图像匹配处理方法及装置 Download PDFInfo
- Publication number
- CN111598176A CN111598176A CN202010426349.7A CN202010426349A CN111598176A CN 111598176 A CN111598176 A CN 111598176A CN 202010426349 A CN202010426349 A CN 202010426349A CN 111598176 A CN111598176 A CN 111598176A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- images
- matching
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 239000000463 material Substances 0.000 claims abstract description 195
- 238000000034 method Methods 0.000 claims abstract description 28
- 239000013077 target material Substances 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 5
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 19
- 238000012795 verification Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101100153581 Bacillus anthracis topX gene Proteins 0.000 description 1
- 101150041570 TOP1 gene Proteins 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像匹配处理方法及装置，该方法包括：将待匹配的目标图像缩放为多种尺寸的目标图像；分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像，可以解决相关技术中由于对图像尺度比较敏感，导致图像匹配过程中局部匹配准确率较低的问题，通过多尺度策略，实现对多种平台和多种场景下匹配率的提升，提高了用户体验。
Description
技术领域
本发明涉及图像处理领域，具体而言，涉及一种图像匹配处理方法及装置。
背景技术
不同的平台产生的图片形式不一样，比如个人电脑终端，移动终端，智能电视以及线下拍摄终端，每个平台拍摄出来的整体尺寸和局部广告尺寸都不一样，然而图像和视频检索对于尺度尤为敏感，导致图像匹配准确率较低。
针对相关技术中由于对图像尺度比较敏感，导致图像匹配过程中局部匹配准确率较低的问题，尚未提出解决方案。
发明内容
本发明实施例提供了一种图像匹配处理方法及装置，以至少解决相关技术中由于对图像尺度比较敏感，导致图像匹配过程中局部匹配准确率较低的问题。
根据本发明的一个实施例，提供了一种图像匹配处理方法，包括：
将待匹配的目标图像缩放为多种尺寸的目标图像；
分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；
分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；
根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像。
可选地，根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像包括：
遍历所述多种尺寸的目标图像，执行以下操作，对于正在执行的当前尺寸的目标图像称为当前目标图像：
根据所述图像库中的素材图像与所述当前目标图像的所述匹配数据选取预定数量的素材图像；
去除所述预定数量的素材图像中误匹配的素材图像，直到从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材为所述当前目标图像匹配的目标素材图像。
可选地，去除所述预定数量的素材图像中误匹配的素材图像包括：
确定所述预定数量的素材图像的每个匹配对的角度差；
分别去除所述预定数量的素材图像中大于预设角度的所述角度差对应的匹配对，得到去除误匹配的所述预定数量的素材图像。
可选地，从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材为所述当前目标图像匹配的目标素材图像包括：
从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材；
判断所述匹配数量最大的图像素材与所述目标图像的所述匹配数量是否大于或等于预设阈值；
在判断结果为是的情况下，确定所述匹配数量最大的图像素材为所述目标素材图像。
可选地，根据所述图像库中的素材图像与所述当前目标图像的所述匹配数据选取预定数量的素材图像包括：
根据所述匹配数量对所述图像库中的素材图像进行排序；
选取排序靠前的所述预定数量的素材图像。
可选地，将待匹配的目标图像缩放为多种尺寸的目标图像包括：
将所述目标图像的较长边设置为所述数据库中素材图像的较长边的预定倍数，得到所述多种尺寸的目标图像，其中，所述预定倍数至少包括：1、2、3、1/3、1/2。
可选地，在对待匹配的目标图像进行特征提取，得到目标特征点之前，所述方法还包括：
对所述图像库中的素材图像保留长宽比的基础上进行缩放处理，得到缩放后的素材图像；
对缩放后的所述素材图像进行特征提取，得到特征点；
将所述素材图像与所述特征点的对应关系存储到所述图像库中。
根据本发明的另一个实施例，还提供了一种图像匹配处理装置，包括：
缩放模块，用于将待匹配的目标图像缩放为多种尺寸的目标图像；
第一提取模块，用于分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；
统计模块，用于分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；
确定模块，用于根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像。
可选地，所述确定模块包括：
执行子模块，用于遍历所述多种尺寸的目标图像，执行以下操作，对于正在执行的当前尺寸的目标图像称为当前目标图像：
选取单元，用于根据所述图像库中的素材图像与所述当前目标图像的所述匹配数据选取预定数量的素材图像；
去除单元，用于去除所述预定数量的素材图像中误匹配的素材图像，直到从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材为所述当前目标图像匹配的目标素材图像。
可选地，所述去除单元，还用于
确定所述预定数量的素材图像的每个匹配对的角度差；
分别去除所述预定数量的素材图像中大于预设角度的所述角度差对应的匹配对，得到去除误匹配的所述预定数量的素材图像。
可选地，所述去除单元，还用于
从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材；
判断所述匹配数量最大的图像素材与所述目标图像的所述匹配数量是否大于或等于预设阈值；
在判断结果为是的情况下，确定所述匹配数量最大的图像素材为所述目标素材图像。
可选地，所述选取单元，还用于
根据所述匹配数量对所述图像库中的素材图像进行排序；
选取排序靠前的所述预定数量的素材图像。
可选地，所述缩放模块，还用于
将所述目标图像的较长边设置为所述数据库中素材图像的较长边的预定倍数，得到所述多种尺寸的目标图像，其中，所述预定倍数至少包括：1、2、3、1/3、1/2。
可选地，所述装置还包括：
处理模块，用于对所述图像库中的素材图像保留长宽比的基础上进行缩放处理，得到缩放后的素材图像；
第二提取模块，用于对缩放后的所述素材图像进行特征提取，得到特征点；
存储模块，用于将所述素材图像与所述特征点的对应关系存储到所述图像库中。
根据本发明的又一个实施例，还提供了一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，将待匹配的目标图像缩放为多种尺寸的目标图像；分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像，可以解决相关技术中由于对图像尺度比较敏感，导致图像匹配过程中局部匹配准确率较低的问题，通过多尺度策略，实现对多种平台和多种场景下匹配率的提升，提高了用户体验。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的图像匹配处理方法的移动终端的硬件结构框图；
图2是根据本发明实施例的图像匹配处理方法的流程图；
图3是根据本发明实施例的适用于多平台的图像匹配的示意图一；
图4是根据本发明实施例的适用于多平台的图像匹配的示意图二；
图5是根据本发明实施例的适用于多平台的图像匹配的示意图三；
图6是根据本发明实施例的适用于多平台的图像匹配的示意图四；
图7是根据本发明实施例的适用于多平台的图像匹配的示意图五；
图8是根据本发明实施例的图像匹配处理装置的框图；
图9是根据本发明优选实施例的图像匹配处理装置的框图一；
图10是根据本发明优选实施例的图像匹配处理装置的框图二。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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。
实施例1
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的图像匹配处理方法的移动终端的硬件结构框图，如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的报文接收方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
基于上述的移动终端或网络架构，本实施例提供了一种图像匹配处理方法，图2是根据本发明实施例的图像匹配处理方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，将待匹配的目标图像缩放为多种尺寸的目标图像；
其中，目标图像即为待匹配的图像，或待检索的图像。具体的，若在图像检索中进行图像匹配，则目标图像即可为用户上传或输入的待检索相似图像的检索图；若在图像去重处理中进行图像匹配，则目标图像即可为待进行去重处理的任意一副图像。例如，目标图像可具体为人物照片(如人脸)、风景图片、物体图片(如交通标志照片，商品图)、医学图(如断层扫描图)等常见图像。
可通过诸如摄像头的图像采集设备直接进行拍摄获得目标图像；也可通过与其他设备进行通信交互，接收来自其他设备的发送的图像；也可以直接从预先存储的可读存储介质中读取图像的方式获得目标图像。本发明实施例对如何获取目标图像，以及所获取的目标图像的具体场景以及其所包含的图像内容并不限定。
具体的，先确定图像库中的素材图像的大小，根据素材图像的大小对目标图像进行缩放，上述步骤S202具体可以包括：将所述目标图像的较长边设置为所述数据库中素材图像的较长边的预定倍数，得到所述多种尺寸的目标图像，其中，所述预定倍数至少包括：1、2、3、1/3、1/2。
优选地，为了进一步提高图像匹配准确率，在获得目标图像之后，可对目标图像进行去噪声等预处理。在诸如图像筛选的具体场景下，可对大量图像根据需求进行简单筛选后，确定出目标图像。例如，当在图像检索中应用本申请所提供的图像匹配方法时，可首先对用户输入的图像进行检索，对图像的清晰度、完整性等进行筛选，将满足清晰度要求且完成的图像作为目标图像。
步骤S204，分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；
本发明实施例中，图像特征提取的方式不做具体限定，可以是基于卷积神经网络模型进行提取，也可以是其他的方式。
步骤S206，分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；
本发明实施例中的图像库中，每个素材图像均有对应的特性点，在图像检索之前，将图像库中所有的素材图像进行特征提取，得到每个素材图像的特征点，以便检索时进行匹配。具体的，本发明实施例中，在对待匹配的目标图像进行特征提取，得到目标特征点之前，对所述图像库中的素材图像保留长宽比的基础上进行缩放处理，得到缩放后的素材图像；对缩放后的所述素材图像进行特征提取，得到特征点；将所述素材图像与所述特征点的对应关系存储到所述图像库中。
步骤S208，根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像。
通过上述步骤S202至S208，将待匹配的目标图像缩放为多种尺寸的目标图像；分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像，可以解决相关技术中由于对图像尺度比较敏感，导致图像匹配过程中局部匹配准确率较低的问题，通过多尺度策略，实现对多种平台和多种场景下匹配率的提升，提高了用户体验。
本发明实施例中，上述步骤S208具体可以包括：
遍历所述多种尺寸的目标图像，执行以下操作，对于正在执行的当前尺寸的目标图像称为当前目标图像：
根据所述图像库中的素材图像与所述当前目标图像的所述匹配数据选取预定数量的素材图像，进一步的，根据所述匹配数量对所述图像库中的素材图像进行排序；选取排序靠前的所述预定数量的素材图像；
去除所述预定数量的素材图像中误匹配的素材图像，直到从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材为所述当前目标图像匹配的目标素材图像。
即通过对不同尺寸的目标图像与图像库中的素材图像进行特征点匹配，如先以1倍素材图像宽度的目标图像从图像库中匹配，若匹配失败，则以2倍素材图像宽度的目标图像从图像库中匹配，若匹配成功，则确定匹配成功的素材图像为目标素材图像，若匹配失败，继续以3倍素材图像宽度的目标图像与图像库中的素材图像进行匹配，直到获取到匹配的目标素材图像为止。
在一可选的实施例中，去除所述预定数量的素材图像中误匹配的素材图像具体可以包括：确定所述预定数量的素材图像的每个匹配对的角度差；分别去除所述预定数量的素材图像中大于预设角度的所述角度差对应的匹配对，得到去除误匹配的所述预定数量的素材图像。
在另一可选的实施例中，从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材为所述当前目标图像匹配的目标素材图像具体可以包括：从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材；判断所述匹配数量最大的图像素材与所述目标图像的所述匹配数量是否大于或等于预设阈值；在判断结果为是的情况下，确定所述匹配数量最大的图像素材为所述目标素材图像。
本发明实施例适用于不同的整体图像尺寸和不同的局部图像尺寸，兼容图像和视频检索，具体包括以下步骤：
步骤1，判断素材是图像还是视频，通过后缀名判断，比如如果文件的后缀名为.mp4或者.avi等，那么判断为视频，如果后缀名为.jpg，jpeg或者webp等，那么判断为图像。如果是视频文件，将视频文件进行取帧，转换成图片。
步骤2，对所有素材图像(包括通过视频转换的图像)保留原图的长宽比进行尺度缩放，限制最大边为500，或者其他尺寸，依据具体的精度和速度要求进行缩放，如果精度要求比较高那么放大为较大的尺寸，如果速度要求比较高，则放大为较小的尺寸。
步骤3，使用sift算法对素材图进行特征提取，并对提取的特征用L2进行归一化。使用一种图索引技术HNSW(Hierarchical Navigable Small World)方法对步骤2中提取的特征建立索引。设置特征维度为128，和sift的特征维度一致。
步骤4，对待匹配的图像进行尺度缩放，分别将最大边设置为素材图最大边的1倍，2倍，3倍,1/3倍，1/2倍。即设置一个比例ratio,取值范围为[1,2,3,1/2,1/3]。按照ratio的范围，从左往右遍历，即若素材图像的宽度为500，当ratio＝1时，在保留长宽比情况下将待匹配图像的最大边缩放为500；当ratio＝2时，在保留长宽比情况下将待匹配图像的最大边缩放为1000；当ratio＝2时，在保留长宽比情况下将待匹配图像的最大边缩放为1500。
步骤5，对缩放后的待匹配图像进行特征提取，和素材图像一样，用sift提取特征点，然后进行L2归一化处理。
步骤6，用归一化的待匹配图像的sift特征在图索引中进行检索，通过匹配的素材特征点找到对应的素材文件，统计每个素材文件被匹配上的特征点的数量。对素材文件按照匹配的特征点的数量进行倒排，选取top10的素材文件，保留其和待匹配图在上一步过滤后的特征匹配，并进行接下来的校验。
步骤7，使用几何校验去除误匹配，限定每个匹配对的角度差不能大于10度，最终得到校验后的匹配数量。
图3是根据本发明实施例的适用于多平台的图像匹配的示意图一，如图3所示，提取目标图像的特征点，将目标图像的特征点与图像库中存储的素材图像的特征点进行匹配，匹配成功的特征点有“5G”、“2”、“耀”。
图4是根据本发明实施例的适用于多平台的图像匹配的示意图二，如图4所示，提取目标图像的特征点，将目标图像的特征点与图像库中存储的素材图像的特征点进行匹配，匹配成功的特征点有“5G”、“2”、“耀”，通过几何校验剔除匹配成功的特征点中误匹配的特征点，剔除误匹配之后，确定目标图像与素材图像没有匹配成功的特征点，几何校验能够很好的去除误匹配。
步骤8，对素材文件按照好匹配的数量进行倒排，得到top1的素材文件，及其校验后的匹配数量count。当count>＝6时判定为匹配上，反正判定为未匹配上。
步骤9，如果未匹配上，那么再进行ratio的顺次遍历，依次选取2,3,1/2,1/3，并重复步骤5-8，最后退出。
图5是根据本发明实施例的适用于多平台的图像匹配的示意图三，如图5所示，提取目标图像的特征点，将目标图像的特征点与图像库中存储的素材图像的特征点进行匹配，匹配成功的特征点有“我的”、“5G”、“我耀”、“SY2”、“2”、“耀”。
图6是根据本发明实施例的适用于多平台的图像匹配的示意图四，如图6所示，提取目标图像的特征点，将目标图像的特征点与图像库中存储的素材图像的特征点进行匹配，匹配成功的特征点有“我的”、“5G”、“我耀”、“SY2”、“2”、“耀”，通过几何校验剔除匹配成功的特征点中误匹配的特征点，剔除误匹配之后，确定目标图像与素材图像匹配成功的特征点包括：“我的”、“5G”、“我耀”、“SY2”，几何校验能够很好的去除误匹配。统计匹配成功的特征点数量，判断特征点数量是否大于或等于预设阈值，若判断结果为是，则确定目标图像与素材特征匹配成功，若判断结果为否，则确定目标图像与素材图像匹配失败，则将木头图像调整为素材图像的2倍宽度，之后再次判断匹配的特征点数量是否大于或等于该预设阈值。例如，预设阈值设置为6，图5为ratio＝1，匹配点数为4，匹配失败，不能召回。
图7是根据本发明实施例的适用于多平台的图像匹配的示意图五，如图7所示，提取目标图像的特征点，将目标图像的特征点与图像库中存储的素材图像的特征点进行匹配，匹配成功的特征点有“我的”、“5G”、“我耀”、“SY2”、“2”、“耀”，通过几何校验剔除匹配成功的特征点中误匹配的特征点，剔除误匹配之后，确定目标图像与素材图像匹配成功的特征点包括：“我的”、“5G”、“我耀”、“SY2”，几何校验能够很好的去除误匹配。例如，图7为ratio＝1.5，匹配点数为14，大于6，即匹配成功，能召回。多尺度的策略实现了图像匹配召回率的提升。
通过本发明实施例，可以兼容图像和视频检索，通过多尺度策略，实现对多种平台和多种场景下召回率的提升，通过几何校验提高了准确率。
实施例2
根据本发明的另一个实施例，还提供了一种图像匹配处理装置，图8是根据本发明实施例的图像匹配处理装置的框图，如图8所示，包括：
缩放模块82，用于将待匹配的目标图像缩放为多种尺寸的目标图像；
第一提取模块84，用于分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；
统计模块86，用于分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；
确定模块88，用于根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像。
图9是根据本发明优选实施例的图像匹配处理装置的框图一，如图9所示，所述确定模块88包括：
执行子模块92，用于遍历所述多种尺寸的目标图像，执行以下操作，对于正在执行的当前尺寸的目标图像称为当前目标图像：
选取单元922，用于根据所述图像库中的素材图像与所述当前目标图像的所述匹配数据选取预定数量的素材图像；
去除单元924，用于去除所述预定数量的素材图像中误匹配的素材图像，直到从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材为所述当前目标图像匹配的目标素材图像。
可选地，所述去除单元924，还用于
确定所述预定数量的素材图像的每个匹配对的角度差；
分别去除所述预定数量的素材图像中大于预设角度的所述角度差对应的匹配对，得到去除误匹配的所述预定数量的素材图像。
可选地，所述去除单元924，还用于
从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材；
判断所述匹配数量最大的图像素材与所述目标图像的所述匹配数量是否大于或等于预设阈值；
在判断结果为是的情况下，确定所述匹配数量最大的图像素材为所述目标素材图像。
可选地，所述选取单元922，还用于
根据所述匹配数量对所述图像库中的素材图像进行排序；
选取排序靠前的所述预定数量的素材图像。
可选地，所述缩放模块82，还用于
将所述目标图像的较长边设置为所述数据库中素材图像的较长边的预定倍数，得到所述多种尺寸的目标图像，其中，所述预定倍数至少包括：1、2、3、1/3、1/2。
图10是根据本发明优选实施例的图像匹配处理装置的框图二，如图10所示，所述装置还包括：
处理模块102，用于对所述图像库中的素材图像保留长宽比的基础上进行缩放处理，得到缩放后的素材图像；
第二提取模块104，用于对缩放后的所述素材图像进行特征提取，得到特征点；
存储模块106，用于将所述素材图像与所述特征点的对应关系存储到所述图像库中。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，将待匹配的目标图像缩放为多种尺寸的目标图像；
S2，分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；
S3，分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；
S4，根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例4
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，将待匹配的目标图像缩放为多种尺寸的目标图像；
S2，分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；
S3，分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；
S4，根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像匹配处理方法，其特征在于，包括：
将待匹配的目标图像缩放为多种尺寸的目标图像；
分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；
分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；
根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像。
2.根据权利要求1所述的方法，其特征在于，根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像包括：
遍历所述多种尺寸的目标图像，执行以下操作，对于正在执行的当前尺寸的目标图像称为当前目标图像：
根据所述图像库中的素材图像与所述当前目标图像的所述匹配数据选取预定数量的素材图像；
去除所述预定数量的素材图像中误匹配的素材图像，直到从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材为所述当前目标图像匹配的目标素材图像。
3.根据权利要求2所述的方法，其特征在于，去除所述预定数量的素材图像中误匹配的素材图像包括：
确定所述预定数量的素材图像的每个匹配对的角度差；
分别去除所述预定数量的素材图像中大于预设角度的所述角度差对应的匹配对，得到去除误匹配的所述预定数量的素材图像。
4.根据权利要求2所述的方法，其特征在于，从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材为所述当前目标图像匹配的目标素材图像包括：
从去除误匹配之后的所述预定数量的图像素材中确定所述匹配数量最大的图像素材；
判断所述匹配数量最大的图像素材与所述目标图像的所述匹配数量是否大于或等于预设阈值；
在判断结果为是的情况下，确定所述匹配数量最大的图像素材为所述目标素材图像。
5.根据权利要求2所述的方法，其特征在于，根据所述图像库中的素材图像与所述当前目标图像的所述匹配数据选取预定数量的素材图像包括：
根据所述匹配数量对所述图像库中的素材图像进行排序；
选取排序靠前的所述预定数量的素材图像。
6.根据权利要求1所述的方法，其特征在于，将待匹配的目标图像缩放为多种尺寸的目标图像包括：
将所述目标图像的较长边设置为所述数据库中素材图像的较长边的预定倍数，得到所述多种尺寸的目标图像，其中，所述预定倍数至少包括：1、2、3、1/3、1/2。
7.根据权利要求1至6中任一项所述的方法，其特征在于，在对待匹配的目标图像进行特征提取，得到目标特征点之前，所述方法还包括：
对所述图像库中的素材图像保留长宽比的基础上进行缩放处理，得到缩放后的素材图像；
对缩放后的所述素材图像进行特征提取，得到特征点；
将所述素材图像与所述特征点的对应关系存储到所述图像库中。
8.一种图像匹配处理装置，其特征在于，包括：
缩放模块，用于将待匹配的目标图像缩放为多种尺寸的目标图像；
第一提取模块，用于分别对所述多种尺寸的目标图像进行特征提取，得到目标特征点；
统计模块，用于分别统计图像库中每个素材图像与所述目标特征点匹配的特征点的匹配数量，其中，所述图像库中预先存储有素材图像与特征点的对应关系；
确定模块，用于根据所述匹配数量从所述多个素材图像中确定与所述目标图像匹配的目标素材图像。
9.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7中任一项所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010426349.7A CN111598176B (zh) | 2020-05-19 | 2020-05-19 | 一种图像匹配处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010426349.7A CN111598176B (zh) | 2020-05-19 | 2020-05-19 | 一种图像匹配处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111598176A true CN111598176A (zh) | 2020-08-28 |
| CN111598176B CN111598176B (zh) | 2023-11-17 |
Family
ID=72192333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010426349.7A Active CN111598176B (zh) | 2020-05-19 | 2020-05-19 | 一种图像匹配处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111598176B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112464828A (zh) * | 2020-12-01 | 2021-03-09 | 广州视源电子科技股份有限公司 | 文档图像边缘的数据标注方法、装置、设备及存储介质 |
| WO2022267287A1 (zh) * | 2021-06-25 | 2022-12-29 | 浙江商汤科技开发有限公司 | 图像配准方法及相关装置、设备和存储介质 |
| CN116012626A (zh) * | 2023-03-21 | 2023-04-25 | 腾讯科技（深圳）有限公司 | 建筑立面图像的素材匹配方法、装置、设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354558A (zh) * | 2015-11-23 | 2016-02-24 | 河北工业大学 | 人脸图像匹配方法 |
| CN109165657A (zh) * | 2018-08-20 | 2019-01-08 | 贵州宜行智通科技有限公司 | 一种基于改进sift的图像特征检测方法及装置 |
| CN109416745A (zh) * | 2017-12-29 | 2019-03-01 | 深圳配天智能技术研究院有限公司 | 一种结构化图像匹配方法及系统 |
| CN110532414A (zh) * | 2019-08-29 | 2019-12-03 | 深圳市商汤科技有限公司 | 一种图片检索方法及装置 |
| CN111149101A (zh) * | 2019-12-27 | 2020-05-12 | 威创集团股份有限公司 | 一种目标图案查找方法及计算机可读存储介质 |
-
2020
- 2020-05-19 CN CN202010426349.7A patent/CN111598176B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354558A (zh) * | 2015-11-23 | 2016-02-24 | 河北工业大学 | 人脸图像匹配方法 |
| CN109416745A (zh) * | 2017-12-29 | 2019-03-01 | 深圳配天智能技术研究院有限公司 | 一种结构化图像匹配方法及系统 |
| CN109165657A (zh) * | 2018-08-20 | 2019-01-08 | 贵州宜行智通科技有限公司 | 一种基于改进sift的图像特征检测方法及装置 |
| CN110532414A (zh) * | 2019-08-29 | 2019-12-03 | 深圳市商汤科技有限公司 | 一种图片检索方法及装置 |
| CN111149101A (zh) * | 2019-12-27 | 2020-05-12 | 威创集团股份有限公司 | 一种目标图案查找方法及计算机可读存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112464828A (zh) * | 2020-12-01 | 2021-03-09 | 广州视源电子科技股份有限公司 | 文档图像边缘的数据标注方法、装置、设备及存储介质 |
| CN112464828B (zh) * | 2020-12-01 | 2024-04-05 | 广州视源电子科技股份有限公司 | 文档图像边缘的数据标注方法、装置、设备及存储介质 |
| WO2022267287A1 (zh) * | 2021-06-25 | 2022-12-29 | 浙江商汤科技开发有限公司 | 图像配准方法及相关装置、设备和存储介质 |
| CN116012626A (zh) * | 2023-03-21 | 2023-04-25 | 腾讯科技（深圳）有限公司 | 建筑立面图像的素材匹配方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111598176B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110033083B (zh) | 卷积神经网络模型压缩方法和装置、存储介质及电子装置 | |
| CN111598176B (zh) | 一种图像匹配处理方法及装置 | |
| CN110147710B (zh) | 人脸特征的处理方法、装置和存储介质 | |
| CN109376596A (zh) | 人脸匹配方法、装置、设备及存储介质 | |
| WO2020024744A1 (zh) | 一种图像特征点检测方法、终端设备及存储介质 | |
| CN110781911B (zh) | 一种图像匹配方法、装置、设备及存储介质 | |
| CN110378249B (zh) | 文本图像倾斜角度识别方法、装置及设备 | |
| CN110717058B (zh) | 信息推荐方法及装置、存储介质 | |
| CN111091106B (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
| CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
| CN113255685B (zh) | 一种图像处理方法、装置、计算机设备以及存储介质 | |
| CN112306829B (zh) | 性能信息的确定方法及装置、存储介质、终端 | |
| CN111797971B (zh) | 应用卷积神经网络进行数据处理的方法、装置和电子系统 | |
| CN110163265A (zh) | 数据处理方法、装置及计算机设备 | |
| CN111309946B (zh) | 一种已建立档案优化方法及装置 | |
| CN113128278B (zh) | 一种图像识别方法及装置 | |
| CN113157962B (zh) | 图像检索方法、电子装置和存储介质 | |
| CN108416425B (zh) | 一种卷积运算方法及装置 | |
| CN111191065B (zh) | 一种同源图像确定方法及装置 | |
| CN111708906B (zh) | 基于人脸识别的来访检索方法、装置、设备及存储介质 | |
| CN114422776B (zh) | 摄像设备的检测方法及装置、存储介质、电子装置 | |
| CN108304838B (zh) | 一种图片信息识别方法及终端 | |
| CN115830342A (zh) | 检测框的确定方法、装置、存储介质及电子装置 | |
| CN114780780A (zh) | 图像检索方法、装置、电子设备及存储介质 | |
| CN111340114A (zh) | 图像的匹配方法及装置、存储介质和电子装置 |
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 |