專利名稱：一種圖像檢測方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，特別地涉及一種圖像檢測方法及系統(tǒng)。
背景技術(shù)：
隨著電子成像技術(shù)和數(shù)字圖像處理技術(shù)的快速發(fā)展，使得圖像數(shù)據(jù)的采集、存儲和編輯成本日趨低廉化，每天都有數(shù)以萬計的圖像數(shù)據(jù)產(chǎn)生和發(fā)布，這些圖像又通過不同的工具進(jìn)行編輯、轉(zhuǎn)換等操作變成其他的多個版本，然后通過網(wǎng)絡(luò)進(jìn)行分發(fā)。圖像的復(fù)制、編輯、分發(fā)技術(shù)的日趨方便和簡單，使得網(wǎng)絡(luò)中重復(fù)圖像和不健康圖像信息越來越多，如何檢測和過濾近似重復(fù)圖像成為一個日趨重要的技術(shù)。CN101470730公開了基于頻譜特征的圖像重復(fù)檢測方法，該方法在圖像的頻率域 內(nèi)提取圖像的描述特征，利用索引技術(shù)實現(xiàn)圖像去重。CN101697232提供了面向近重復(fù)圖像匹配的SIFT特征裁剪方法，該方法提取圖像中的具有旋轉(zhuǎn)和尺度不變性的SIFT特征，并通過圖像匹配技術(shù)檢測重復(fù)圖像。雖然，目前針對近似重復(fù)圖像檢測提出了很多方法，但都有各自的局限性，基于頻譜的方法其特征提取復(fù)雜度高，建立索引資源開銷大，基于SIFT方法對于尺度小，紋理少的圖像由于可提取的特征點少，會影響其檢測的準(zhǔn)確性，建立圖像詞典需要有大量的訓(xùn)練圖像，而且，圖像匹配速度比較慢，很難滿足實時的需求；目前，已有技術(shù)大部分都是基于單一特征來表述圖像，由于每種特征都有其局限性，如紋理特征對于紋理簡單的圖像描述效果不好，顏色特征無法描述灰度圖像等等，因此，限制了各種方法的應(yīng)用范圍。

發(fā)明內(nèi)容
本發(fā)明解決的技術(shù)問題在于提供了一種圖像檢測方法及系統(tǒng)，以解決檢測準(zhǔn)備性的問題。為解決上述問題，本發(fā)明提供了一種圖像檢測方法，包括，對輸入的圖像進(jìn)行預(yù)處理；對所述預(yù)處理后的圖像進(jìn)行特征提取與壓縮；對所述壓縮的圖像進(jìn)行特征比對，若滿足判別條件，判斷為相似，否則，判為不相似。上述的方法，其中，所述圖像預(yù)處理包括，圖像主體區(qū)域提取與縮放以及圖像過濾；所述圖像主體區(qū)域提取與縮放包括中心區(qū)域提取和中心區(qū)域縮放；所述圖像過濾包括，判斷是否半圖，判斷是否文字圖，判斷是否為五線譜圖。上述的方法，其中，所述對預(yù)處理后的圖像進(jìn)行特征提取包括，提取圖像的幾何特征、二值特征、灰度特征、顏色特征和紋理特征，所述紋理特征包括圖像梯度特征和LAB特征。上述的方法，其中，所述對預(yù)處理后的圖像進(jìn)行特征提取具體包括，
(I)提取圖像幾何特征；(2)判斷輸入的圖像是否是彩色圖像，若是，提取圖像顏色特征，并轉(zhuǎn)為灰度圖像；(3)提取圖像灰度特征；(4)提取圖像梯度特征；(5)提取圖像LAB特征；(6)轉(zhuǎn)為二值圖像，提取圖像二值特征。
上述的方法，其中，所述進(jìn)行特征壓縮包括，對所占用字節(jié)過多的特征，對這些特征按重要性量化成不同的粒度，將特征按其所量化的等級數(shù)目轉(zhuǎn)化成N個bit表示，并根據(jù)其所屬的等級用不同數(shù)目的O或I表示。上述的方法，其中，所述對所述壓縮的圖像進(jìn)行特征比對包括，步驟(I)判斷圖像是否屬于過濾圖像，如果是則退出比對，否則繼續(xù)步驟(2)；步驟(2)計算兩幅輸入圖像幾何特征的海明距離，如果距離小于閾值，則退出比對過程，判斷為非重復(fù)圖像，否則轉(zhuǎn)入步驟(3)；步驟(3)計算兩幅輸入圖像灰度特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(4)；步驟(4)計算二值特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(5)；步驟(5)若兩幅圖像均為彩色圖像則轉(zhuǎn)到步驟(6)，否則轉(zhuǎn)到步驟(7)；步驟(6)計算顏色特征的海明距離，如果海明距離小于閾值，則轉(zhuǎn)到步驟(7)，否貝U，判斷為非重復(fù)圖像退出比對過程；步驟(7)計算輸入圖像梯度特征之間的海明距離，如果距離小于閾值則轉(zhuǎn)到步驟
(8)，否則，判斷為非重復(fù)圖像，退出比對過程；步驟(8)計算輸入圖像LAB特征之間的海明距離，如果距離小于閾值則判斷為重復(fù)圖像，否則，判斷為非重復(fù)圖像，退出比對過程。本發(fā)明還提供了一種圖像檢測系統(tǒng)，包括，圖像預(yù)處理模塊，用于對輸入的圖像進(jìn)行預(yù)處理；圖像特征提取壓縮模塊，用于對所述預(yù)處理后的圖像進(jìn)行特征提取與壓縮；圖像特征比對模塊，用于對所述壓縮的圖像進(jìn)行特征比對，若滿足判別條件，判斷為相似，否則，判為不相似。上述的系統(tǒng)，其中，所述圖像預(yù)處理模塊用于對輸入的圖像進(jìn)行預(yù)處理具體包括，圖像預(yù)處理模塊用于圖像主體區(qū)域提取與縮放以及圖像過濾；所述圖像主體區(qū)域提取與縮放包括中心區(qū)域提取和中心區(qū)域縮放；所述圖像過濾包括，判斷是否半圖，判斷是否文字圖，判斷是否為五線譜圖。上述的系統(tǒng)，所述圖像特征提取壓縮模塊用于提取圖像的幾何特征、二值特征、灰度特征、顏色特征和紋理特征，所述紋理特征包括圖像梯度特征和LAB特征。采用本發(fā)明的技術(shù)方案，利用圖像的灰度特征，紋理特征，顏色特征等多個特征對圖像進(jìn)行描述，通過多個特征融合實現(xiàn)各特征之間的互補(bǔ)，并利用Hash算法對特征進(jìn)行壓縮，構(gòu)造圖像指紋，從而達(dá)到實時檢測的需求。為保證近似重復(fù)圖像的檢測效果，還在近似重復(fù)圖像檢測之前，進(jìn)行了預(yù)處理操作，對圖像中主體區(qū)域較小等圖像進(jìn)行了過濾。


此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本發(fā)明的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中圖I是本發(fā)明第一實施例流程2a是半圖示意圖；圖2b是文字圖示意圖；圖2c是音樂圖示意圖；圖3是本發(fā)明第二實施例結(jié)構(gòu)圖。
具體實施例方式為了使本發(fā)明所要解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚、明白，以下結(jié)合附圖和實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。如圖I所示，是本發(fā)明第一實施例流程圖，提供了一種圖像檢測方法，該方法基于特征融合的近似重復(fù)圖像檢測以用于在圖像集中實時檢測出近似重復(fù)圖像。該方法中的近似重復(fù)圖像主要是指對于同一圖像源由于采用裁剪、旋轉(zhuǎn)、縮放、亮度和對比度變化、色彩調(diào)整、添加徽標(biāo)等圖像編輯方式而形成的不同圖像，該方法具體包括，步驟SlOl，對輸入的圖像進(jìn)行預(yù)處理；所述圖像預(yù)處理主要包括圖像主體區(qū)域提取與縮放以及圖像過濾，具體包括，I、對所述圖像主體區(qū)域進(jìn)行提取與縮放；(I)中心區(qū)域提取為了減少圖像周邊區(qū)域logo的影響，對圖像邊緣1/8寬、高的區(qū)域不進(jìn)行處理，只把圖像中心區(qū)域提取出來進(jìn)行后續(xù)處理。(2)中心區(qū)域縮放為了平衡算法的效果和效率，將中心區(qū)域進(jìn)行了縮放，按最長邊為360像素進(jìn)行等比例縮小，若小于此大小不進(jìn)行放大2、對所述圖像進(jìn)行過濾；在當(dāng)前近似重復(fù)圖像檢測算法中，很少有算法提及其適用范圍，但由于每種特征都有其局限性，對一些圖像的近似重圖檢測效果較差，對此類圖形進(jìn)行重圖檢測時往往會導(dǎo)致大量的誤檢，從而引起誤操作。在該方法中對圖像進(jìn)行過濾，去掉檢測效果差的圖像，主要包括三類圖像1)半圖；2)文字圖；3)音樂圖；半圖是指在圖像錄入或傳輸過程中出現(xiàn)異常，而導(dǎo)致圖像中的內(nèi)容丟失，如圖2a ；由于半圖中圖像缺失部分的區(qū)分性特征很少，因此，對半圖不進(jìn)行重圖檢測；文字圖和音樂圖分別是指圖像中包含有大量的文字信息和圖像為音樂樂譜，如圖2b和圖2c。由于文字圖和樂譜圖之間的相似性極強(qiáng)，采用統(tǒng)一的圖像去重方式，效果往往不夠理想，因此，在檢測近似重復(fù)圖像之前，將文字圖和樂譜圖過濾掉，不對其進(jìn)行重復(fù)圖像檢測。
半圖基于圖像灰度分部對其進(jìn)行判定；文字圖和樂譜圖基于圖像投影分部對其進(jìn)行判定；圖像紋理的豐富性則基于特征向量對其進(jìn)行判定；具體判斷過程包括，(I)判斷是否半圖；從圖像最底行開始統(tǒng)計，若全行均為灰色像素，且全灰行占圖像高度的40%以上判為半圖。(2)判斷是否文字圖；對圖像的二值化圖進(jìn)行水平方向的投影，找到可能的文字行區(qū)域，若文字行數(shù)目>8并且文字行覆蓋圖像高度的70%以上，判為文字圖。(3)判斷是否為五線譜圖； 對圖像的二值化圖進(jìn)行水平方向的投影，找到可能的橫線區(qū)域，若橫線數(shù)目>16并且橫線區(qū)域覆蓋圖像高度的60%以上，判為五線譜圖。步驟S102，對所述預(yù)處理后的圖像進(jìn)行特征提取與壓縮；已有的各種圖像檢測方法往往采用單一特征對圖像進(jìn)行描述，由于每種特征對圖像描述的局限，如顏色信息無法描述灰度圖像，紋理特征無法描述紋理信息少的圖像等等，導(dǎo)致采用單一特征很難處理在各種圖像上都取得好的效果，從而限制了其在大規(guī)模數(shù)據(jù)上的應(yīng)用。在該方法中采用多種特征進(jìn)行近似圖像重復(fù)檢測，根據(jù)各特征的判別性能對不同特征在去重過程中進(jìn)行加權(quán)，實現(xiàn)了特征之間的互補(bǔ)?；谔卣魅诤系慕茍D像檢測主要提取圖像的5種特征，包括幾何特征、二值特征、灰度特征、顏色特征和紋理特征。對各特征的提取過程無先后次序要求，作為一個實施例，所述特征提取過程包括，(I)提取圖像幾何特征；具體地，簡單的采用圖像寬高比描述圖像的幾何信息。(2)判斷輸入的圖像是否是彩色圖像，若是，提取圖像顏色特征，并轉(zhuǎn)為灰度圖像；具體地，將BGR圖像轉(zhuǎn)化為HSV圖像，對飽和度s>60，v>100的像素點的色度進(jìn)行量化，在(Γ180°值域空間上量化為6種顏色，將圖像劃分成4*4個大小相同的子塊，分別統(tǒng)計所有顏色和各個顏色在各子塊內(nèi)出現(xiàn)的比例，共得到112維特征。(3)提取圖像灰度特征；該方法只采用圖像的平均灰度作為圖像的灰度特征描述。(4)提取圖像梯度特征；對灰度圖像進(jìn)行sobel紋理提取。計算各紋理像素點的紋理方向，并將紋理方向進(jìn)行量化，在360°的范圍內(nèi)量化為8個方向，并將各個方向的紋理圖和總紋理圖的二值圖分別保存，分別計算其積分圖像，并對各紋理圖像進(jìn)行濾波處理，重新計算各紋理圖像的積分圖像。將全圖劃分成4*4個大小相同的子塊兒，對總紋理分別統(tǒng)計各子塊兒內(nèi)紋理相素占總子塊兒面積的比例，以及各區(qū)域內(nèi)紋理像素在水平和垂直方向的投影中，最大連續(xù)區(qū)段長度相乘得到的面積占子塊兒面積的比例，最大連續(xù)區(qū)段長度是否達(dá)到相應(yīng)閾值的標(biāo)記，共48維特征。對八個方向的紋理圖，分別將圖像劃分成4*4個大小相同的子塊兒，計算各子塊兒中每個方向的紋理在此區(qū)域內(nèi)進(jìn)行水平和豎直方向的投影中的最長連續(xù)區(qū)段長度是否大于相應(yīng)閾值的標(biāo)記，共128維特征。(5)提取圖像LAB特征；對圖像分別進(jìn)行橫向數(shù)目和豎向數(shù)目分別為1*1，2*1，3*1，2*2，3*2，3*3的劃分，對每種劃分下的各子塊分別計算LAB特征，共得到25個LAB特征。對圖像分別提取梯度特征和LAB特征，作為圖像的紋理特征描述。(6)轉(zhuǎn)為二值圖像，提取圖像二值特征。根據(jù)圖像平均灰度對圖像二值化，利用二值化圖像中白像素比值描述圖像的二值化特征，分為全局二值化特征和局部二值化特征。全局二值化特征是指二值化圖像中白點部分所占圖像面積的比例。局部的二值化特征是將圖像劃分成4*4的大小相同的子塊，統(tǒng)計每個子塊內(nèi)白點所占的比例，得到16維特征。在對所述圖像進(jìn)行特征提取后，進(jìn)行特征壓縮主要針對某些特征數(shù)目所占用字節(jié)過多，對這些特征按重要性量化成不同的粒度(等級)，將特征按其所量化的等級數(shù)目轉(zhuǎn)化成N個bit表示，并根據(jù)其所屬的等級用不同數(shù)目的O或I表示。比如若將某維特征量化為5個等級，則可以用4個bit表示該特征，第一級到第五級分別用O個I到4個I表示?，F(xiàn)有算法中對不同的特征量化成了不同的粒度，特征壓縮的方法均為上述方法。在進(jìn)行特征壓縮后，形成最終特征，其構(gòu)成如下第I個字節(jié)圖像特征是否提取成功，若提取成功，首字節(jié)為0x01，特征總長為90個字節(jié)，若圖像特征提取識別，首字節(jié)為0x00，特征總長為I個字節(jié)；第2個字節(jié)圖像是否為異常圖的判別標(biāo)識。若全為0，圖像不是異常圖像，若某一位為1，則該位對應(yīng)的異常圖類型判別成功，從低到高位依次為第O位半圖；第1位文字圖；第2位樂譜(多為五線譜圖);第3位主體占圖像比例較小圖；第4位紋理較多的圖；第5位，紋理較少的圖;第6位灰度圖(顏色分量較少的圖)；第3個字節(jié)圖像的高寬比的10倍；第4個字節(jié)圖像的平均灰度；第5個字節(jié)二值化圖像中白色像素點所占的百分比；第6 8個字節(jié)三種紋理特征中，二進(jìn)制位為I的數(shù)目；第CIO個字節(jié)兩種顏色特征中，二進(jìn)制位為I的數(shù)目；第If 26個字節(jié)二值化特征；第27 51個字節(jié)LAB特征；第52 65個字節(jié)顏色特征；第66 85個字節(jié)紋理特征；第86個字節(jié)主體區(qū)域的左邊界占圖像寬的百分比；第87個字節(jié)主體區(qū)域的右邊界占圖像寬的百分比；第88個字節(jié)主體區(qū)域的上邊界占圖像高的百分比；第89個字節(jié)主體區(qū)域的下邊界占圖像高的百分比；第90個字節(jié)主體區(qū)域的面積占圖像面積的百分比；步驟S103，對所述壓縮的圖像進(jìn)行特征比對，若滿足判別條件，判斷為相似，否則，判為不相似。
特征比對過程為對任何一種特征設(shè)定一組判別條件，若條件不滿足，則判為不相似，若所有判別條件均滿足，則判定兩張圖像互為相似圖。作為一個實施例，特征比對具體過程包括步驟(I)判斷圖像是否屬于過濾圖像，如果是則退出比對，否則繼續(xù)步驟(2)；步驟(2)計算兩幅輸入圖像幾何特征的海明距離，如果距離小于閾值，則退出比對過程，判斷為非重復(fù)圖像，否則轉(zhuǎn)入步驟(3)；步驟(3)計算兩幅輸入圖像灰度特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(4)；步驟(4)計算二值特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(5)；步驟(5)若兩幅圖像均為彩色圖像則轉(zhuǎn)到步驟(6)，否則轉(zhuǎn)到步驟(7)；·步驟(6)計算顏色特征的海明距離，如果海明距離小于閾值，則轉(zhuǎn)到步驟(7)，否貝U，判斷為非重復(fù)圖像退出比對過程；步驟(7)計算輸入圖像梯度特征之間的海明距離，如果距離小于閾值則轉(zhuǎn)到步驟
(8)，否則，判斷為非重復(fù)圖像，退出比對過程；步驟(8)計算輸入圖像LAB特征之間的海明距離，如果距離小于閾值則判斷為重復(fù)圖像，否則，判斷為非重復(fù)圖像，退出比對過程。如圖3所示，是本發(fā)明第二實施例結(jié)構(gòu)圖，提供了一種圖像檢測系統(tǒng)，包括，圖像預(yù)處理模塊，用于對輸入的圖像進(jìn)行預(yù)處理；圖像特征提取壓縮模塊，用于對所述預(yù)處理后的圖像進(jìn)行特征提取與壓縮；圖像特征比對模塊，用于對所述壓縮的圖像進(jìn)行特征比對，若滿足判別條件，判斷為相似，否則，判為不相似。上述的系統(tǒng)，其中，圖像預(yù)處理模塊用于對輸入的圖像進(jìn)行預(yù)處理具體包括，圖像預(yù)處理模塊用于圖像主體區(qū)域提取與縮放以及圖像過濾；所述圖像主體區(qū)域提取與縮放包括中心區(qū)域提取和中心區(qū)域縮放；所述圖像過濾包括，判斷是否半圖，判斷是否文字圖，判斷是否為五線譜圖。上述的系統(tǒng)，其中，所述圖像特征提取壓縮模塊用于提取圖像的幾何特征、二值特征、灰度特征、顏色特征和紋理特征，所述紋理特征包括圖像梯度特征和LAB特征。上述的系統(tǒng)，其中所述圖像特征比對模塊用于對所述壓縮的圖像進(jìn)行特征比對具體包括，所述圖像特征比對模塊用于步驟(I)判斷圖像是否屬于過濾圖像，如果是則退出比對，否則繼續(xù)步驟(2)；步驟(2)計算兩幅輸入圖像幾何特征的海明距離，如果距離小于閾值，則退出比對過程，判斷為非重復(fù)圖像，否則轉(zhuǎn)入步驟(3)；步驟(3)計算兩幅輸入圖像灰度特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(4)；步驟(4)計算二值特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(5)；步驟(5)若兩幅圖像均為彩色圖像則轉(zhuǎn)到步驟(6)，否則轉(zhuǎn)到步驟(7)；
步驟(6)計算顏色特征的海明距離，如果海明距離小于閾值，則轉(zhuǎn)到步驟(7)，否貝U，判斷為非重復(fù)圖像退出比對過程；步驟(7)計算輸入圖像梯度特征之間的海明距離，如果距離小于閾值則轉(zhuǎn)到步驟
(8)，否則，判斷為非重復(fù)圖像，退出比對過程；步驟(8)計算輸入圖像LAB特征之間的海明距離，如果距離小于閾值則判斷為重復(fù)圖像，否則，判斷為非重復(fù)圖像，退出比對過程。采用本發(fā)明的技術(shù)方案，利用圖像的灰度特征，紋理特征，顏色特征等多個特征對圖像進(jìn)行描述，通過多個特征融合實現(xiàn)各特征之間的互補(bǔ)，并利用Hash算法對特征進(jìn)行壓縮，構(gòu)造圖像指紋，從而達(dá)到實時檢測的需求。為保證近似重復(fù)圖像的檢測效果，還在近似重復(fù)圖像檢測之前，進(jìn)行了預(yù)處理操作，對圖像中主體區(qū)域較小等圖像進(jìn)行了過濾。
上述說明示出并描述了本發(fā)明的一個優(yōu)選實施例，但如前所述，應(yīng)當(dāng)理解本發(fā)明并非局限于本文所披露的形式，不應(yīng)看作是對其他實施例的排除，而可用于各種其他組合、修改和環(huán)境，并能夠在本文所述發(fā)明構(gòu)想范圍內(nèi)，通過上述教導(dǎo)或相關(guān)領(lǐng)域的技術(shù)或知識進(jìn)行改動。而本領(lǐng)域人員所進(jìn)行的改動和變化不脫離本發(fā)明的精神和范圍，則都應(yīng)在本發(fā)明所附權(quán)利要求的保護(hù)范圍內(nèi)。
權(quán)利要求
1.一種圖像檢測方法，其特征在于，包括， 對輸入的圖像進(jìn)行預(yù)處理； 對所述預(yù)處理后的圖像進(jìn)行特征提取與壓縮； 對所述壓縮的圖像進(jìn)行特征比對，若滿足判別條件，判斷為相似，否則，判為不相似。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述圖像預(yù)處理包括，圖像主體區(qū)域提取與縮放以及圖像過濾； 所述圖像主體區(qū)域提取與縮放包括中心區(qū)域提取和中心區(qū)域縮放； 所述圖像過濾包括，判斷是否半圖，判斷是否文字圖，判斷是否為五線譜圖。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對預(yù)處理后的圖像進(jìn)行特征提取包括，提取圖像的幾何特征、二值特征、灰度特征、顏色特征和紋理特征，所述紋理特征包括圖像梯度特征和LAB特征。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對預(yù)處理后的圖像進(jìn)行特征提取具體包括， (1)提取圖像幾何特征； (2)判斷輸入的圖像是否是彩色圖像，若是，提取圖像顏色特征，并轉(zhuǎn)為灰度圖像； (3)提取圖像灰度特征； (4)提取圖像梯度特征； (5)提取圖像LAB特征； (6)轉(zhuǎn)為二值圖像，提取圖像二值特征。
5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述進(jìn)行特征壓縮包括， 對所占用字節(jié)過多的特征，對這些特征按重要性量化成不同的粒度，將特征按其所量化的等級數(shù)目轉(zhuǎn)化成N個bit表示，并根據(jù)其所屬的等級用不同數(shù)目的O或I表示。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述對所述壓縮的圖像進(jìn)行特征比對包括， 步驟(I)判斷圖像是否屬于過濾圖像，如果是則退出比對，否則繼續(xù)步驟(2)； 步驟(2)計算兩幅輸入圖像幾何特征的海明距離，如果距離小于閾值，則退出比對過程，判斷為非重復(fù)圖像，否則轉(zhuǎn)入步驟(3)； 步驟(3)計算兩幅輸入圖像灰度特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(4)； 步驟(4)計算二值特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(5)； 步驟(5)若兩幅圖像均為彩色圖像則轉(zhuǎn)到步驟(6)，否則轉(zhuǎn)到步驟(7)； 步驟(6)計算顏色特征的海明距離，如果海明距離小于閾值，則轉(zhuǎn)到步驟(7)，否則，判斷為非重復(fù)圖像退出比對過程； 步驟(7)計算輸入圖像梯度特征之間的海明距離，如果距離小于閾值則轉(zhuǎn)到步驟(8)，否則，判斷為非重復(fù)圖像，退出比對過程； 步驟(8)計算輸入圖像LAB特征之間的海明距離，如果距離小于閾值則判斷為重復(fù)圖像，否則，判斷為非重復(fù)圖像，退出比對過程。
7.一種圖像檢測系統(tǒng)，其特征在于，包括，圖像預(yù)處理模塊，用于對輸入的圖像進(jìn)行預(yù)處理； 圖像特征提取壓縮模塊，用于對所述預(yù)處理后的圖像進(jìn)行特征提取與壓縮； 圖像特征比對模塊，用于對所述壓縮的圖像進(jìn)行特征比對，若滿足判別條件，判斷為相似，否則，判為不相似。
8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，圖像預(yù)處理模塊用于對輸入的圖像進(jìn)行預(yù)處理具體包括， 圖像預(yù)處理模塊用于圖像主體區(qū)域提取與縮放以及圖像過濾；所述圖像主體區(qū)域提取與縮放包括中心區(qū)域提取和中心區(qū)域縮放；所述圖像過濾包括，判斷是否半圖，判斷是否文字圖，判斷是否為五線譜圖。
9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，所述圖像特征提取壓縮模塊用于提取圖像的幾何特征、二值特征、灰度特征、顏色特征和紋理特征，所述紋理特征包括圖像梯度特征和LAB特征。
10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述圖像特征比對模塊用于對所述壓縮的圖像進(jìn)行特征比對具體包括， 所述圖像特征比對模塊用于 步驟(I)判斷圖像是否屬于過濾圖像，如果是則退出比對，否則繼續(xù)步驟(2)； 步驟(2)計算兩幅輸入圖像幾何特征的海明距離，如果距離小于閾值，則退出比對過程，判斷為非重復(fù)圖像，否則轉(zhuǎn)入步驟(3)； 步驟(3)計算兩幅輸入圖像灰度特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(4)； 步驟(4)計算二值特征的海明距離，如果距離小于閾值，則判斷為非重復(fù)圖像，退出比對過程，否則轉(zhuǎn)到步驟(5)； 步驟(5)若兩幅圖像均為彩色圖像則轉(zhuǎn)到步驟(6)，否則轉(zhuǎn)到步驟(7)； 步驟(6)計算顏色特征的海明距離，如果海明距離小于閾值，則轉(zhuǎn)到步驟(7)，否則，判斷為非重復(fù)圖像退出比對過程； 步驟(7)計算輸入圖像梯度特征之間的海明距離，如果距離小于閾值則轉(zhuǎn)到步驟(8)，否則，判斷為非重復(fù)圖像，退出比對過程； 步驟(8)計算輸入圖像LAB特征之間的海明距離，如果距離小于閾值則判斷為重復(fù)圖像，否則，判斷為非重復(fù)圖像，退出比對過程。
全文摘要
本發(fā)明涉及圖像處理領(lǐng)域，提供了一種圖像檢測方法，包括，對輸入的圖像進(jìn)行預(yù)處理；對所述預(yù)處理后的圖像進(jìn)行特征提取與壓縮；對所述壓縮的圖像進(jìn)行特征比對，若滿足判別條件，判斷為相似，否則，判為不相似。本發(fā)明還提供了一種圖像檢測系統(tǒng)。采用上述技術(shù)方案，達(dá)到實時檢測的需求，保證了近似重復(fù)圖像的檢測效果。
文檔編號G06T7/00GK102930537SQ201210407030
公開日2013年2月13日 申請日期2012年10月23日 優(yōu)先權(quán)日2012年10月23日
發(fā)明者陳雪峰, 陳松, 劉佳 申請人:深圳市宜搜科技發(fā)展有限公司