CN114693955A - 比对图像相似度的方法与装置及电子设备 - Google Patents
比对图像相似度的方法与装置及电子设备 Download PDFInfo
- Publication number
- CN114693955A CN114693955A CN202011592245.XA CN202011592245A CN114693955A CN 114693955 A CN114693955 A CN 114693955A CN 202011592245 A CN202011592245 A CN 202011592245A CN 114693955 A CN114693955 A CN 114693955A
- Authority
- CN
- China
- Prior art keywords
- image
- similarity
- contrast
- feature point
- similar
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 59
- 238000000605 extraction Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000000052 comparative effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor 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
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (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)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及图像版权保护领域,具体涉及一种比对图像相似度的方法,包括:获取第一图像和第二图像;对所述第一图像及所述第二图像进行相似度对比处理,得到第一对比相似度;判断若所述第一对比相似度不小于预设相似度阈值,则将所述第一对比相似度作为所述第一图像与第二图像的相似度;判断若所述第一对比相似度小于所述预设相似度阈值,则对所述第一图像及所述第二图像进行特征点对比处理,得到第二对比相似度;判断若所述第二对比相似度小于所述第一对比相似度,则将所述第一对比相似度作为所述第一图像与第二图像的相似度;判断若所述第二对比相似度不小于所述第一对比相似度,则将所述第二相似度作为所述第一图像与第二图像的相似度。
Description
技术领域
本申请涉及图像版权保护领域,具体涉及一种比对图像相似度的方法与装置及电子设备。
背景技术
目前,随着公众版权意识的提高,越来越多的内容产出者寻求对自己原创内容的版权保护。在图像内容领域,针对诸多可能存在的侵权、盗用行为进行维权时,重要的一步是从海量图像资源中发现与待保护图像相似的图像,即侵权图像,并以侵权图像与待保护图像的相似度作为侵权判定的依据。现有方法存在问题有:无法对二次加工过的,如扭曲、液化、混入文字或其他图像等处理后的图像进行判别;判别处理效率低等。
发明内容
基于此,本申请提供了一种比对图像相似度的方法与装置及电子设备,通过灵活运用两种图像相似度对比方法,对待保护图像及待比对图像进行综合比较,进而得到其相似度。
根据本申请的一方面,提出一种比对图像相似度的方法,包括:
获取第一图像和第二图像;
对第一图像及第二图像进行相似度对比处理,得到第一对比相似度;
判断若第一对比相似度不小于预设相似度阈值,则将第一对比相似度作为第一图像与第二图像的相似度;
判断若第一对比相似度小于预设相似度阈值,则
对第一图像及第二图像进行特征点对比处理,得到第二对比相似度;
判断若第二对比相似度小于第一对比相似度,则将第一对比相似度作为第一图像与第二图像的相似度;
判断若第二对比相似度不小于第一对比相似度,则将第二相似度作为第一图像与第二图像的相似度。
根据一些实施例,对第一图像及第二图像进行相似度对比处理,得到第一对比相似度,包括:将第一图像进行灰度处理,按一预定尺寸缩小,得到第一转换图像;将第二图像进行灰度处理,按预定尺寸缩小,得到第二转换图像;利用均值哈希算法处理第一转换图像得到第一哈希指纹;利用均值哈希算法处理第二转换图像得到第二哈希指纹;比较第一哈希指纹和第二哈希指纹,得到第一对比相似度。
根据一些实施例,对第一图像及第二图像进行特征点对比处理,得到第二对比相似度,包括:对第一图像进行特征点提取处理,得到第一特征点,第一特征点为第一图像上的点;对第二图像进行特征点提取处理,得到第二特征点,第二特征点为第二图像上的点。
根据一些实施例,前述方法还包括:判断第一特征点的数量或
第二特征点的数量是否小于预设特征点数量下限值;若小于,则将第一对比相似度作为第一图像与第二图像的相似度;若不小于,则对第一特征点及第二特征点进行特征点匹配处理,得到相似特征点,相似特征点为第一特征点和第二特征点中相似的特征点。
根据一些实施例,对第一特征点及第二特征点进行特征点匹配处理,得到相似特征点之后,还包括:判断相似特征点的数量是否小于预设相似特征点数量下限值;若小于,则通过相似特征点的数量与第一特征点的数量和第二特征点的数量得到第二对比相似度;若不小于,则基于相似特征点在第一图像中得到第一相似区域,和在第二图像中得到第二相似区域。
根据一些实施例,通过相似特征点的数量与第一特征点的数量,和第二特征点的数量得到第二对比相似度之后,还包括:基于相似特征点,建立第一特征点与第二特征点的关联。
根据一些实施例,基于相似特征点在第一图像中得到第一相似区域和在第二图像中得到第二相似区域之后,还包括:通过第一相似区域的面积与第一图像的面积得到第一特征点相似度;通过第二相似区域的面积与第二图像的面积得到第二特征点相似度。
根据一些实施例,前述方法还包括:比较第一特征点相似度与第二特征点相似度的大小;取其较大值作为第二对比相似度。
根据一些实施例,前述方法还包括:基于相似特征点,建立第一特征点与第二特征点的关联;标记显示第一相似区域和第二相似区域。
根据本申请的一方面,提出一种比对图像相似度的装置,其特征在于,包括:
获取模块,获取第一图像和第二图像;
第一相似度对比模块,对第一图像及第二图像进行相似度对比处理,得到第一对比相似度;
判断模块,判断若第一对比相似度不小于预设相似度阈值,则将第一对比相似度作为第一图像与第二图像的相似度;
判断模块,还判断若第一对比相似度小于预设相似度阈值,则转至第二相似度对比模块;
第二相似度对比模块,对第一图像及第二图像进行特征点对比处理,得到第二对比相似度;
判断模块,还判断若第二对比相似度小于第一对比相似度,则将第一对比相似度作为第一图像与第二图像的相似度;
判断模块,还判断若第二对比相似度不小于第一对比相似度,则将第二相似度作为第一图像与第二图像的相似度。
根据本申请的一方面,提出一种电子设备,特征在于,包括
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现前述任一方法。
本申请的有益效果:
根据一些实施例,本申请提出的方法综合利用两种不同的图像比对处理方法,提高了图像比对相似度的效率,同时提升了图像比对相似度的准确率。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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,而并不超出本申请要求保护的范围。
图1示出根据示例实施例的一种比对图像相似度的方法的流程图。
图2示出根据示例实施例的一种比对图像相似度的方法的流程图。
图3示出根据示例实施例的一种比对图像相似度的方法的流程图。
图4示出根据示例实施例的一种比对图像相似度的装置的框图。
图5示出根据示例实施例的一种比对图像相似度的方法的示意图。
图6示出根据一示例性实施例的一种电子设备的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本申请将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有这些特定细节中的一个或更多,或者可以采用其它的方式、组元、材料、装置或等。在这些情况下,将不详细示出或描述公知结构、方法、装置、实现、材料或者操作。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
图像版权保护中判定侵权可以引入图像相似度作为侵权判定的依据,由于侵权方很可能对待保护图像做过修改以逃避侵权打击,如扭曲、截取、液化、局部覆盖其他图像或文字等处理,导致现有方法无法准确得出图像间的相似度进而进行判别;或者为达到准确判别目的会降低处理效率,例如从巨量图像库中找到侵权图像。
为此,本申请提出一种解决方案。根据本申请的一些实施例,在比对两个图像相似度时灵活应用了两种图像相似度比对方法,使得在提升比对准确率的同时,提升了处理效率。
图1示出根据示例实施例的一种比对图像相似度的方法的流程图。
如图1所示,在S101,获取第一图像和第二图像。
根据示例实施例,第一图像和第二图像分别为待保护图像以及待判定图像,为方便描述,本申请实施例说明中,将第一图像作为待保护图像,将第二图像作为待判定图像,后不再赘述。
根据示例实施例,第一图像和第二图像可以存储于本地或者云端等。
根据一实施例,第二图像还可以通过例如网络爬虫的方式从网站上大量抓取得到,以分别与第一图像进行比对判定。
在S103,对第一图像及第二图像进行相似度对比处理,得到第一对比相似度。
根据示例实施例,该处理方法利用哈希函数对两个图像进行处理得出第一图像及第二图像的相似度,有多种公知技术可以进行此处理,例如“哈希均值算法”,此处以“哈希均值算法”(Average Hash Algorithm)为例简要介绍其过程:首先对两个图像分别进行灰度化与缩小处理,再分别计算每个图像的哈希值得到其哈希指纹(fingerprint),再对指纹进行比较得到第一对比相似度。其优点为处理速度快、节省资源,缺点为只有在两个图像基本一致的情况下才具有较好的表现性能,如果第二图像为第一图像经过扭曲、截取拼接等方式处理过则难以准确判别。具体方法详见图2实施例说明。
在S105,判断第一对比相似度是否小于预设相似度阈值。
根据示例实施例,该预设相似度阈值为预先人为设置的一相似度系数,该系数反映了两个图像的相似程度,并用以判定:当两个图像相似程度达到此阈值时,可认为第二图像与第一图像实质相似,在侵权判定领域即可判定第二图像侵权。
根据一实施例,该预设相似度阈值可以设为例如0.8,即意为当两个图像有80%部分相似时,判定第二图像与第一图像实质相似。
根据示例实施例,若S105的判断结果为“否”,则说明经过前述相似度对比处理后得到的两个图像的相似度达到预设相似度阈值,则转至S107。
根据示例实施例,若S105的判断结果为“是”,则说明经过前述相似度对比处理后得到的两个图像的相似度未达到预设相似度阈值,但这并不能等同认为第二图像与第一图像实质不相似,如前述,有可能第二图像为第一图像经过变形、截取拼接等处后得到,此情况下则转至S109。
在S107,将第一对比相似度作为第一图像与第二图像的相似度。
根据示例实施例,经过前述相似度对比处理后得到的两个图像的相似度达到预设相似度阈值,即如前述,意味着两个图像别基本一致,已可以判定第二图像与第一图像实质相似,那么该第一对比相似度即可作为第一图像和第二图像的相似度,即可结束此第一图像和第二图像的比对。
在S109,对第一图像及第二图像进行特征点对比处理,得到第二对比相似度。
根据示例实施例,该方法利用SIFT(Scale-invariant feature transform,即尺度不变特征转换)算法,或者SURF(Speeded Up Robust Features,即加速稳健特征)算法对两个图像分别进行特征点提取处理,并对提取到的特征点进行匹配得到两个图像中相似的特征点,进而通过计算得到两个图像的第二对比相似度。该方法鲁棒性好,可以对经过形变、截取拼接、局部遮盖、液化等处理后的图像与原图进行判别并找到相似点以及相似区域,进而通过计算得到第二对比相似度。具体方法详见图3实施例说明。
在S111,判断第二对比相似度是否小于第一对比相似度。
根据示例实施例,对于得到的第一对比相似度和第二对比相似度,取其较大值作为最终的第一图像与第二图像的相似度。
因此,当S111判断为“是”,则转至S107,将第一对比相似度作为第一图像与第二图像的相似度;
当S111判断为“否”,则转至S113,将第二对比相似度作为第一图像与第二图像的相似度。
图2示出根据示例实施例的一种比对图像相似度的方法的流程图。
根据示例实施例,如前述,有多种利用了哈希函数的处理方法可以实现此处理过程并得出第一图像及第二图像的相似度,本申请中的实施例以“哈希均值算法”为例进行说明。
如图2所示,在S201,将第一图像/第二图像进行灰度处理,按预定尺寸缩小,得到第一转换图像/第二转换图像。
根据示例实施例,首先将第一图像和第二图像分别进行灰度处理转化为灰度图,并按预定尺寸缩小得到第一转换图像及第二转换图像,此步骤意在压缩图像的信息量,优化处理效率。其中转化为灰度图使得每个像素的信息由红、绿、蓝三个维度的数值缩减为一个维度即灰度的数值,压缩即将图像的像素数压缩到一易处理水平。
根据一实施例,可以将图像转化为64阶灰度,即从绝对白色到绝对黑色之间划分出64个阶度,每个像素的色值介于0—63之间。之后再将图像压缩至8×8像素大小,即总共含有64个像素,该像素数亦可自行设定,此数值决定了后续生成哈希值即哈希指纹的位数,64个像素即对应64位哈希指纹,例如若设定为16×16像素则会产生256位的哈希指纹,同样此数值越高越能提升精度,但同时也会提升处理的复杂度。
在S203,利用均值哈希算法处理第一转换图像/第二转换图像得到第一哈希指纹/第二哈希指纹。
根据示例实施例,该利用均值哈希算法处理的具体过程为:
首先对前述步骤生成的第一转换图像/第二转换图像分别进行黑白化处理:对于单个图像,计算其所有像素灰度值的平均值,再判断每个像素的灰度值是否大于前述灰度值的平均值,若判断结果为真,则将该像素标记为“黑”,赋值为1,若判断为假,则将该像素标记为“白”,赋值为0。
之后按照从左到右、从上到下的顺序,将转换得到的黑白图的每个像素的赋值依次排列,得到一64位由0和1组成的哈希值,即为对应图像的哈希指纹。
在S205,比较第一哈希指纹和第二哈希指纹,得到第一对比相似度。
根据示例实施例,该步骤比较计算前述步骤得到的第一哈希指纹和第二哈希指纹的相似程度,即第一对比相似度,具体步骤为:
先计算第一哈希指纹和第二哈希指纹的汉明距离(hamming distance),过程为将两个哈希指纹依次按位进行比较其异同,得到比较结果为相同的位数,例如汉明距离是58即意味着两个图像的哈希指纹在64位中有58位相同。
再用汉明距离/哈希指纹总位数得到第一对比相似度,例如接前述举例,得到的第一对比相似度即为58/64=0.90625,也就意味着经过此方法判断出第一图像和第二图像的相似程度达90.625%。
根据示例实施例,综上,此方法过程中对图像的信息量进行了极大的压缩,使得处理效率非常高效,但同时易知只有当两个图像基本一致时,此方法才能有效根据其相似度得出两个图像实质相似的结论。当图像经过扭曲、截取等步骤处理后此方法难以有效判别两个图像的实质相似程度,适用于对海量待比对图像的初步筛选。
图3示出根据示例实施例的一种比对图像相似度的方法的流程图。
当第一图像和第二图像通过图2实施例所描述的方法未能判断出此两个图像相似的情况下,并不意味着两图实质不相似。因此需要借助另一种能够在第二图像为第一图像发生改变而生成的情况下依然能识别出第一图像和第二图像相似之处的方法,此方法鲁棒性好,但是处理过程相对繁琐。
在S301,对第一图像/第二图像进行特征点提取处理,得到第一特征点/第二特征点。
根据一实施例,可以使用前述SURF算法对第一图像及第二图像分别进行处理,提取其特征点。
根据示例实施例,该步骤利用积分图像、方形滤波器、海森矩阵(Hessian matrix)等本领域技术人员所熟知的方法对图像进行特征点提取处理,具体实现过程不再赘述。
根据一实施例,可以用OpenCV函数库中的库函数对第一图像及第二图像进行特征点提取处理。
根据示例实施例,该第一特征点与第二特征点均为图像上点的集合,即第一图像经特征点提取后可得到多个第一特征点,第二图像经特征点提取后亦可得到多个第二特征点。
在S303,判断第一特征点/第二特征点的数量是否小于预设特征点数量下限值。
根据示例实施例,该预设特征点数量下限值为人为设置,其设置原则为,当提取到的特征点数量不小于该预设特征点数量下限值时,可以通过后续步骤较准确地通过匹配得到相似特征点,也就是说,当提取到的特征点数量小于该预设特征点数量下限值时,通常无法准确得到相似特征点。根据一实施例,本申请发明人通过长期实践研究,将此预设特征点数量下限值设置为20,但本申请对此不做限制。
根据示例实施例,对于第一图像或者第二图像,当提取到的特征点数量不足时,即意味着后续处理步骤难以继续实施进而得到可靠的比对结果,因此可以直接将前述步骤得到的第一对比相似度作为第一图像与第二图像的相似度,即,当S303的判断结果为“是”时,转至S305,将第一对比相似度作为第一图像与第二图像的相似度。
根据示例实施例,当S303的判断结果为“否”时,即意味着提取到的特征点数量可以用于后续步骤的实施,因此,转至S307。
在S307,对第一特征点及第二特征点进行特征点匹配处理,得到相似特征点。
根据示例实施例,将前述步骤的第一特征点与第二特征点进行匹配处理,找到其中能建立相似关联的相似特征点。该方法为本领域技术人员所熟知,此处不再赘述。
根据一实施例,可以用OpenCV函数库中的库函数对第一特征点与第二特征点进行特征点匹配处理。
根据示例实施例,此相似特征点为表征第一特征点中与第二特征点中相似的特征点用,实为建立的一种第一特征点与第二特征点之间的映射关系,即通过某一此相似特征点可以分别在第一特征点和第二特征点中各找到一点,此两个点之间相似。
在S309,判断相似特征点数量是否小于预设相似特征点数量下限值。
根据示例实施例,该预设相似特征点数量下限值为人为设置,其设置原则为,当匹配到的相似特征点数量不小于该预设相似特征点数量下限值时,可以准确地得到相似区域,也就是说,当匹配得到的相似特征点数量小于该预设相似特征点数量下限值时,通常无法准确得到相似区域。根据一实施例,本申请发明人通过长期实践研究,将此预设相似特征点数量下限值设置为20,但本申请对此不做限制。
当S309的判断结果为“是”时,转至S311;当S309的判断结果为“否”时,转至S313。
在S311,通过相似特征点的数量与第一特征点/第二特征点的数量得到第二对比相似度。
根据示例实施例,据前述,在此情况下由于无法准确在第一图像和第二图像中得到相似区域,即可用匹配得到的相似特征点的数量/第一特征点的数量,以及相似相似特征点的数量/第二特征点的数量,取前述两个结果的最大值作为该第二对比相似度。
在S312,基于相似特征点,建立第一特征点与第二特征点的关联。
根据示例实施例,新生成一张图像,该图像包含第一图像及第二图像,将两个图像上通过同一相似特征点关联的点用直线连接起来,表示其关联关系,使两个图像的相似特征点可视化显示并关联。
在S313,基于相似特征点在第一图像/第二图像中得到第一相似区域/第二相似区域。
根据示例实施例,据前述,在此情况下,可通过匹配得到的相似特征点分别在第一图像和第二图像中绘制得到第一相似区域及第二相似区域,效果可参考图5的示意图。
根据示例实施例,其方法为,例如在第一图像中,得到其所有与相似特征点对应的点的坐标,从其中找到x坐标最大的点,经过该点绘制一条与y轴平行的直线;找到x坐标最小的点,经过该点绘制一条与y轴平行的直线;找到y坐标最大的点,经过该点绘制一条与x轴平行的直线;找到y坐标最小的点,经过该点绘制一条与x轴平行的直线。如此,前述绘制的四条直线便框出了一个矩形,该矩形区域内包含了所有的相似特征点,该矩形区域即为第一相似区域。
根据示例实施例,第二相似区域采取和第一相似区域同样的方法的得到。
在S315,通过第一相似区域/第二相似区域的面积与第一图像/第二图像的面积得到第一特征点相似度/第二特征点相似度。
根据示例实施例,将前述得到的第一相似区域的面积/第一图像的面积,得到第一特征点相似度,第二相似区域的面积/第二图像的面积,得到第二特征点相似度。
在S317,比较第一特征点相似度与第二特征点相似度的大小,取其较大值作为第二对比相似度。
根据示例实施例,取第一特征点相似度和第二特征点相似度之间最大值作为第二相似度的原因在于,第一特征点相似度和第二特征点相似度并不相同。当例如第二图像中的一部分区域为第一图像全内容时,此时可以判定第二图像完全侵犯了第一图像的版权,此时的第一特征点相似度可以想到会近似于100%,以其作为第二相似度可以充分表达该侵权判定结果;而此时的第二特征点相似度取决于其画面中第一图像所占面积的大小,若相对较小,则第二特征点相似度无法反映出第二图像和第一图像实质相似的事实情况。
在S319,基于相似特征点,建立第一特征点与第二特征点的关联,并标记显示第一相似区域和第二相似区域。
根据示例实施例,新生成一张图像,该图像包含第一图像及第二图像,将两个图像上通过同一相似特征点关联的点用直线连接起来,表示其关联关系,使两个图像的相似特征点可视化显示并关联,效果可参考图5的示意图。
根据示例实施例,在前述新生成的图像上,分别在第一图像和第二图像上,绘制出第一相似区域和第二相似区域,进一步使两个图像的相似区域可视化显示。
图4示出根据示例实施例的一种比对图像相似度的装置的框图。
如图4所示,该比对图像相似度的装置包括:获取模块401,第一相似度对比模块403,判断模块405,第二相似度对比模块407,其中:
获取模块401,用于获取第一图像和第二图像。
第一相似度对比模块403,用于对第一图像及第二图像进行相似度对比处理,得到第一对比相似度。
判断模块405,用于判断若第一对比相似度不小于预设相似度阈值,则将第一对比相似度作为第一图像与第二图像的相似度;还用于判断若第一对比相似度小于预设相似度阈值,则转至第二相似度对比模块;还用于判断若第二对比相似度小于第一对比相似度,则将第一对比相似度作为第一图像与第二图像的相似度;还用于判断若第二对比相似度不小于第一对比相似度,则将第二相似度作为第一图像与第二图像的相似度。
第二相似度对比模块407,用于对第一图像及第二图像进行特征点对比处理,得到第二对比相似度。
装置执行与前面提供的方法类似的功能,其他功能可参见前面的描述,此处不再赘述。
图6示出根据一示例性实施例的一种电子设备的框图。
下面参照图6来描述根据本申请的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书描述的根据本申请各种示例性实施方式的方法。例如,处理单元610可以执行前面描述的的方法。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备6001(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本申请实施方式的上述方法。
软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现前述功能。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本申请实施例的方法。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明仅用于帮助理解本申请的方法及其核心思想。同时,本领域技术人员依据本申请的思想,基于本申请的具体实施方式及应用范围上做出的改变或变形之处,都属于本申请保护的范围。综上所述,本说明书内容不应理解为对本申请的限制。
Claims (11)
1.一种比对图像相似度的方法,其特征在于,包括:
获取第一图像和第二图像;
对所述第一图像及所述第二图像进行相似度对比处理,得到第一对比相似度;
判断若所述第一对比相似度不小于预设相似度阈值,则将所述第一对比相似度作为所述第一图像与第二图像的相似度;
判断若所述第一对比相似度小于所述预设相似度阈值,则
对所述第一图像及所述第二图像进行特征点对比处理,得到第二对比相似度;
判断若所述第二对比相似度小于所述第一对比相似度,则将所述第一对比相似度作为所述第一图像与第二图像的相似度;
判断若所述第二对比相似度不小于所述第一对比相似度,则将所述第二相似度作为所述第一图像与第二图像的相似度。
2.如权利要求1所述的方法,其特征在于,所述对所述第一图像及所述第二图像进行相似度对比处理,得到第一对比相似度,包括:
将所述第一图像进行灰度处理,按一预定尺寸缩小,得到第一转换图像;
将所述第二图像进行灰度处理,按所述预定尺寸缩小,得到第二转换图像;
利用均值哈希算法处理所述第一转换图像得到第一哈希指纹;
利用均值哈希算法处理所述第二转换图像得到第二哈希指纹;
比较所述第一哈希指纹和所述第二哈希指纹,得到所述第一对比相似度。
3.如权利要求1所述的方法,其特征在于,所述对所述第一图像及所述第二图像进行特征点对比处理,得到第二对比相似度,包括:
对所述第一图像进行特征点提取处理,得到第一特征点,所述第一特征点为所述第一图像上的点;
对所述第二图像进行特征点提取处理,得到第二特征点,所述第二特征点为所述第二图像上的点。
4.如权利要求3所述的方法,其特征在于,还包括:
判断所述第一特征点的数量或
所述第二特征点的数量是否小于预设特征点数量下限值;
若小于,则将所述第一对比相似度作为所述第一图像与第二图像的相似度;
若不小于,则对所述第一特征点及所述第二特征点进行特征点匹配处理,得到相似特征点,所述相似特征点为所述第一特征点和所述第二特征点中相似的特征点。
5.如权利要求4所述的方法,其特征在于,所述对所述第一特征点及所述第二特征点进行特征点匹配处理,得到相似特征点之后,还包括:
判断所述相似特征点的数量是否小于预设相似特征点数量下限值;
若小于,则通过所述相似特征点的数量与所述第一特征点的数量和所述第二特征点的数量得到所述第二对比相似度;
若不小于,则基于所述相似特征点在所述第一图像中得到第一相似区域,和
在所述第二图像中得到第二相似区域。
6.如权利要求5所述的方法,其特征在于,所述通过所述相似特征点的数量与所述第一特征点的数量,和所述第二特征点的数量得到所述第二对比相似度之后,还包括:
基于所述相似特征点,建立所述第一特征点与所述第二特征点的关联。
7.如权利要求5所述的方法,其特征在于,所述基于所述相似特征点在所述第一图像中得到第一相似区域和在所述第二图像中得到第二相似区域之后,还包括:
通过所述第一相似区域的面积与所述第一图像的面积得到第一特征点相似度;
通过所述第二相似区域的面积与所述第二图像的面积得到第二特征点相似度。
8.如权利要求7所述的方法,其特征在于,还包括:
比较所述第一特征点相似度与所述第二特征点相似度的大小;
取其较大值作为所述第二对比相似度。
9.如权利要求7所述的方法,其特征在于,还包括:
基于所述相似特征点,建立所述第一特征点与所述第二特征点的关联;
标记显示所述第一相似区域和所述第二相似区域。
10.一种比对图像相似度的装置,其特征在于,包括:
获取模块,获取第一图像和第二图像;
第一相似度对比模块,对所述第一图像及所述第二图像进行相似度对比处理,得到第一对比相似度;
判断模块,判断若所述第一对比相似度不小于预设相似度阈值,则将所述第一对比相似度作为所述第一图像与第二图像的相似度;
所述判断模块,还判断若所述第一对比相似度小于所述预设相似度阈值,则转至第二相似度对比模块;
所述第二相似度对比模块,对所述第一图像及所述第二图像进行特征点对比处理,得到第二对比相似度;
所述判断模块,还判断若所述第二对比相似度小于所述第一对比相似度,则将所述第一对比相似度作为所述第一图像与第二图像的相似度;
所述判断模块,还判断若所述第二对比相似度不小于所述第一对比相似度,则将所述第二相似度作为所述第一图像与第二图像的相似度。
11.一种电子设备,特征在于,包括
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011592245.XA CN114693955A (zh) | 2020-12-29 | 2020-12-29 | 比对图像相似度的方法与装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011592245.XA CN114693955A (zh) | 2020-12-29 | 2020-12-29 | 比对图像相似度的方法与装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693955A true CN114693955A (zh) | 2022-07-01 |
Family
ID=82131754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011592245.XA Pending CN114693955A (zh) | 2020-12-29 | 2020-12-29 | 比对图像相似度的方法与装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693955A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116206215A (zh) * | 2023-03-17 | 2023-06-02 | 银河航天(北京)网络技术有限公司 | 一种森林土地状态的监测方法、装置及存储介质 |
-
2020
- 2020-12-29 CN CN202011592245.XA patent/CN114693955A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116206215A (zh) * | 2023-03-17 | 2023-06-02 | 银河航天(北京)网络技术有限公司 | 一种森林土地状态的监测方法、装置及存储介质 |
CN116206215B (zh) * | 2023-03-17 | 2023-09-29 | 银河航天(北京)网络技术有限公司 | 一种森林土地状态的监测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229485B (zh) | 用于测试用户界面的方法和装置 | |
KR102002024B1 (ko) | 객체 라벨링 처리 방법 및 객체 관리 서버 | |
CN112818398B (zh) | 针对大数据隐私保护的数据处理方法及大数据处理设备 | |
CN112016638B (zh) | 一种钢筋簇的识别方法、装置、设备及存储介质 | |
US10430687B2 (en) | Trademark graph element identification method, apparatus and system, and computer storage medium | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN113344826B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110675940A (zh) | 病理图像标注方法、装置、计算机设备及存储介质 | |
CN112651953B (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN112818852A (zh) | 印章校验方法、装置、设备及存储介质 | |
JP2022185143A (ja) | テキスト検出方法、テキスト認識方法及び装置 | |
CN112784835A (zh) | 圆形印章的真实性识别方法、装置、电子设备及存储介质 | |
CN115311676A (zh) | 审图方法、装置、计算机设备和存储介质 | |
CN113393471A (zh) | 图像处理方法和装置 | |
CN111738252B (zh) | 图像中的文本行检测方法、装置及计算机系统 | |
CN114693955A (zh) | 比对图像相似度的方法与装置及电子设备 | |
CN109697722B (zh) | 用于生成三分图的方法及装置 | |
CN113420295A (zh) | 恶意软件的检测方法及装置 | |
CN112116585B (zh) | 图像移除篡改盲检测方法、系统、设备及存储介质 | |
CN112632952A (zh) | 一种对比文件的方法和装置 | |
CN114741697B (zh) | 恶意代码分类方法、装置、电子设备和介质 | |
WO2023134143A1 (zh) | 图像样本生成方法、文本识别方法、装置、设备和介质 | |
CN110619597A (zh) | 一种半透明水印去除方法、装置、电子设备及存储介质 | |
CN114693956A (zh) | 比对视频相似度的方法与装置及电子设备 | |
CN112925942A (zh) | 一种数据搜索方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |