一種基于代表性局部模式的圖像指紋提取方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像處理領(lǐng)域，特別設(shè)及一種基于代表性局部模式的圖像指紋提取方 法及系統(tǒng)。
【背景技術(shù)】
[0002] 圖像拷貝檢測(cè)一直W來是計(jì)算機(jī)視覺熱點(diǎn)研究領(lǐng)域之一，其一般策略是從圖像中 抽取少數(shù)的特征，并將其整合成一個(gè)能夠反映圖像內(nèi)容的特征向量。從圖像特征的構(gòu)成方 式來說一般分為全局特征和局部特征，下面針對(duì)該兩種特征的發(fā)展現(xiàn)狀進(jìn)行簡(jiǎn)要的論述。 早在1999年，Naphade第一個(gè)提取圖像在LUV顏色空間的直方圖作為圖像簽名的方法，隨 后Mohan使用分塊的方法，提取各個(gè)分塊的平均灰度值，根據(jù)該些分塊的灰度值大小排序 構(gòu)建特征；一個(gè)比較有影響力的圖像指紋特征是Oliva提出的GIST方法，該方法提取了圖 像5種視覺感知特征；自然度、開放度、粗趟度、膨脹度和險(xiǎn)峻度，該方法在常見的圖像攻擊 下體現(xiàn)出良好的準(zhǔn)確性。在近些年來，為了應(yīng)對(duì)圖像局部區(qū)域改變場(chǎng)景下的圖像檢索，人們 提出了局部描述子。最為經(jīng)典的方法是Lowe的SIFT,該方法首先在平面和尺度所構(gòu)成的S 維空間中選取DoG最大響應(yīng)作為關(guān)鍵點(diǎn)，然后W特征點(diǎn)為中屯、取一定大小的區(qū)域并進(jìn)行分 塊，最后將分塊中提取的梯度方向直方圖相連構(gòu)成最終的描述子。最近，二進(jìn)制的局部特征 得到了大家的廣泛關(guān)注，Leutenegger通過高效的AGAST角點(diǎn)檢測(cè)子提取關(guān)鍵點(diǎn)，然后在關(guān) 鍵點(diǎn)的周圍進(jìn)行采樣，通過灰度值的比較構(gòu)建二進(jìn)制串BRISK,該方法在提取速度快，具有 一定的尺度不變性。
[0003] 現(xiàn)有的全局特征和局部特征應(yīng)用到大規(guī)模的圖像拷貝檢測(cè)應(yīng)用中主要有W下缺 點(diǎn)和不足；魯椿性差；現(xiàn)有的全局特征是根據(jù)圖像的整體信息如顏色直方圖構(gòu)建，因此在 圖像發(fā)生部分遮擋、裁剪的情況下就會(huì)失效；特征提取速度慢；對(duì)于大規(guī)模圖像檢索來說， 圖像特征的提取速度要求很高，尤其是新興的手機(jī)平臺(tái)，其硬件性能有限，所W要求特征提 取的復(fù)雜度不能太高。而目前主流全局描述子GIST需要計(jì)算5種特征描述，局部特征SIFT 需要計(jì)算耗時(shí)的DOG算子，該些算法都無法應(yīng)用到大規(guī)模圖像拷貝檢測(cè)中去；內(nèi)存消耗大： 特征匹配復(fù)雜度高，現(xiàn)有的特征描述為了保證其魯椿性和區(qū)分性，往往維數(shù)都較高，WSIFT 描述子為例，該算法將特征點(diǎn)周圍的區(qū)塊分為16個(gè)區(qū)域，每個(gè)區(qū)域上計(jì)算8個(gè)方向的梯度 方向直方圖，共128維浮點(diǎn)型特征，如果每個(gè)浮點(diǎn)型占4個(gè)字節(jié)，一個(gè)SIFT特征需消耗500 個(gè)字節(jié)內(nèi)存，而一副圖像會(huì)有成百上千的SIFT特征，如此高維的特征給存儲(chǔ)和匹配都帶來 了巨大的壓力。
[0004] 發(fā)明"生成圖像指紋及基于此進(jìn)行相似圖像檢索的方法"，該發(fā)明提供了一種生成 圖像指紋及基于該方法進(jìn)行相似圖像檢索W用于圖像盜用識(shí)別的方法，所述圖像具有M行 N列像素，包括如下步驟；a)對(duì)所述圖像中的每個(gè)像素點(diǎn)Xy，其中i= 2,3，......M，j= 2， 3，……N，比較所述像素點(diǎn)與其左像素及上像素的灰度值大小，其中，左像素表示在所述一 個(gè)像素的相鄰的方位上下左右的四個(gè)像素中左邊的像素，上像素表示在所述一個(gè)像素的相 鄰的方位上下左右的四個(gè)像素中上邊的像素；b)根據(jù)不同的比較結(jié)果為所述像素點(diǎn)Xu賦 予指紋值Zu;c)將所述每個(gè)像素點(diǎn)的指紋值Zu組合為序列得到長度為（M-l)X(N-l)的 所述圖像的指紋。該發(fā)明采用對(duì)每個(gè)像素構(gòu)造一個(gè)指紋值，其計(jì)算、存儲(chǔ)和匹配代價(jià)大，而 本發(fā)明挖掘圖像中的關(guān)鍵點(diǎn)的有代表性模式，每幅圖像僅構(gòu)造一個(gè)16個(gè)字節(jié)的二進(jìn)制的 圖像指紋，在計(jì)算、存儲(chǔ)和匹配上要優(yōu)于該發(fā)明。
[00化]發(fā)明"一種基于局部數(shù)字指紋的圖像拷貝檢測(cè)方法"，該發(fā)明公開了一種基于局部 數(shù)字指紋的圖像拷貝檢測(cè)方法。該方法對(duì)測(cè)試圖像庫中的每幅圖像提取局部SIFT特征，并 將該些高維的SIFT特征向量進(jìn)行局部數(shù)字指紋的轉(zhuǎn)化W及統(tǒng)計(jì)指紋在每幅圖像中出現(xiàn)的 頻率，W建立數(shù)字指紋數(shù)據(jù)庫；在圖像進(jìn)行查詢時(shí)，首先對(duì)查詢圖像提取SIFT特征，然后轉(zhuǎn) 化得到其數(shù)字指紋W及轉(zhuǎn)化過程中不可靠位置的信息，再結(jié)合不可靠位置信息在測(cè)試指紋 庫的倒排索引結(jié)構(gòu)中進(jìn)行查詢，從而快速得到與查詢圖像的局部數(shù)字指紋相關(guān)聯(lián)的測(cè)試圖 像集合，為查詢圖像與相關(guān)聯(lián)的測(cè)試圖像進(jìn)行相似性度量，W判斷是否為拷貝。該發(fā)明采用 SIFT描述子作為圖像指紋提取的方法，計(jì)算和內(nèi)存開銷較大，而本文采用FAST算法作為圖 像關(guān)鍵點(diǎn)的檢測(cè)子，并通過統(tǒng)計(jì)挖掘出代表性局部模式建立二進(jìn)制圖像指紋特征，使用優(yōu) 化的機(jī)器指令進(jìn)行匹配檢索，大幅減少了內(nèi)存開銷，提高了圖像匹配的速度。
[0006] 發(fā)明"圖像指紋提取方法及其設(shè)備、信息過濾方法及其系統(tǒng)"，該發(fā)明提供一種圖 像指紋提取方法W及基于圖像指紋進(jìn)行信息過濾的方法和系統(tǒng)。其中的圖像指紋提取方 法包括如下步驟；S1 ;對(duì)原始圖像進(jìn)行插值處理；S2 ;將插值處理后的圖像分塊，并進(jìn)行DCT 變換；S3 ;將變換后的圖片進(jìn)行RGB灰度處理；S4 ;對(duì)灰度處理的圖像結(jié)果進(jìn)行量化；S5 ;對(duì) 圖像進(jìn)行無損壓縮，輸出一個(gè)二進(jìn)制序列；S6 ;將上述二進(jìn)制序列進(jìn)行序列化重組，得到圖 像指紋。該發(fā)明采用DCT變換、并進(jìn)一步使用了無損的圖像壓縮方式來獲取圖像指紋，而本 發(fā)明的方法采用高效的FAST算法，并直接構(gòu)造二進(jìn)制圖像指紋特征，方法更加高效。

【發(fā)明內(nèi)容】

[0007] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出一種基于代表性局部模式的圖像指紋提取方法 及系統(tǒng)。
[000引本發(fā)明提出一種基于代表性局部模式的圖像指紋提取方法，包括：
[0009] 步驟1，將庫圖像進(jìn)行圖像攻擊模擬處理，生成新庫圖像，并提取所述庫圖像與所 述新庫圖像的關(guān)鍵點(diǎn)，根據(jù)所述關(guān)鍵點(diǎn)，獲取局部區(qū)塊，并根據(jù)所述局部區(qū)塊，生成局部模 式并建立局部模式庫，從所述局部模式庫中獲取代表性局部模式；
[0010] 步驟2,根據(jù)所述代表性局部模式，建立所述庫圖像與所述新庫圖像的圖像指紋， 并將所述圖像指紋存入圖像指紋庫；
[0011] 步驟3,獲取新圖像，提取所述新圖像的新圖像指紋，將所述新圖像指紋與所述圖 像指紋庫中的圖像指紋進(jìn)行比對(duì)，查找?guī)靾D像中與所述新圖像向?qū)?yīng)的圖像。
[0012] 所述的基于代表性局部模式的圖像指紋提取方法，所述步驟1中所述代表性局部 模式滿足W下條件：
[0013] 所述代表性局部模式中的信息量占圖像中總信息量的80%W上；
[0014] 所述代表性局部模式經(jīng)過圖像變化后，具有高魯椿性。
[0015] 所述的基于代表性局部模式的圖像指紋提取方法，所述步驟1中局部模式P為：
[0016]
[0017]C為中屯嘔域的平均灰度，V。為第n個(gè)局部區(qū)塊的平均灰度，其中n= 1，2,…，7， b。為第n個(gè)局部區(qū)塊與中屯、區(qū)塊在灰度值上的比較標(biāo)志位。
[001引所述的基于代表性局部模式的圖像指紋提取方法，所述步驟2還包括對(duì)圖像進(jìn)行 預(yù)處理，并提取所述圖像的關(guān)鍵點(diǎn)。
[0019] 所述的基于代表性局部模式的圖像指紋提取方法，所述步驟3包括將所述新圖像 指紋與所述圖像指紋庫的每一條圖像指紋求取海明距離，對(duì)候選圖像按照所述海明距離從 小到大排序，取前K個(gè)作為查詢結(jié)果返回。
[0020] 本發(fā)明還提出一種基于代表性局部模式的圖像指紋提取系統(tǒng)，包括：
[0021] 建立局部模式庫并獲取代表性局部模式模塊，用于將庫圖像進(jìn)行圖像攻擊模擬處 理，生成新庫圖像，并提取所述庫圖像與所述新庫圖像的關(guān)鍵點(diǎn)，根據(jù)所述關(guān)鍵點(diǎn)，獲取局 部區(qū)塊，并根據(jù)所述局部區(qū)塊，生成局部模式并建立局部模式庫，從所述局部模式庫中獲取 代表性局部模式；
[0022] 建立圖像指紋庫模塊，用于根據(jù)所述代表性局部模式，建立所述庫圖像與所述新 庫圖像的圖像指紋，并將所述圖像指紋存入圖像指紋庫；
[0023] 指紋比對(duì)模塊，用于獲取新圖像，提取所述新圖像的新圖像指紋，將所述新圖像指 紋與所述圖像指紋庫中的圖像指紋進(jìn)行比對(duì)，查找?guī)靾D像中與所述新圖像向?qū)?yīng)的圖像。
[0024] 所述的基于代表性局部模式的圖像指紋提取系統(tǒng)，所述建立局部模式庫并獲取代 表性局部模式模塊中所述代表性局部模式滿足W下條件：
[0025] 所述代表性局部模式中的信息量占圖像中總信息量的80%W上；
[0026] 所述代表性局部模式經(jīng)過圖像變化后，具有高魯椿性。
[0027] 所述的基于代表性局部模式的圖像指紋提取系統(tǒng)，所述建立局部模式庫并獲取代 表性局部模式模塊中局部模式P為：
[002引
[0029] C為中屯嘔域的平均灰度，V。為第n個(gè)局部區(qū)塊的平均灰度，其中n= 1，2,…，7， b。為第n個(gè)局部區(qū)塊與中屯、區(qū)塊在灰度值上的比較標(biāo)志位。
[0030] 所述的基于代表性局部模式的圖像指紋提取系統(tǒng)，所述建立圖像指紋庫模塊還包 括對(duì)圖像進(jìn)行預(yù)處理，并提取所述圖像的關(guān)鍵點(diǎn)。
[0031] 所述的基于代表性局部模式的圖像指紋提取系統(tǒng)，所述指紋比對(duì)模塊包括將所述 新圖像指紋與所述圖像指紋庫的每一條圖像指紋求取海明距離，對(duì)候選圖像按照所述海明 距離從小到大排序，取前K個(gè)作為查詢結(jié)果返回。由W上方案可知，本發(fā)明的優(yōu)點(diǎn)在于：
[0032] 本發(fā)明通過實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)發(fā)現(xiàn)圖像在經(jīng)過拷貝攻擊之后其特征點(diǎn)的局部模式分 布具有一定的穩(wěn)定性，并通過統(tǒng)計(jì)分析挖掘出該些局部模式中最具有代表性、魯椿性高的 模式作為圖像指紋構(gòu)造的基礎(chǔ)；有機(jī)的將局部檢測(cè)方法和全局的方法進(jìn)行了融合；技術(shù)效 果；本方法具有全局特征占用內(nèi)存小，匹配速度快的特點(diǎn)，同時(shí)又具備局部特征方法在一定 的裁剪、局部遮擋等情況下的魯椿性；通過統(tǒng)計(jì)挖掘出的代表性局部模式在圖像四個(gè)象限 中分布的關(guān)系構(gòu)建二進(jìn)制的特征。本發(fā)明的圖像指紋特征占用內(nèi)存少，可W使用優(yōu)化的機(jī) 器指令進(jìn)行加速匹配，適于大規(guī)模的圖像拷貝檢測(cè)。
【附圖說明】
[0033] 圖1為本發(fā)明總體流程圖；
[0034] 圖2a為實(shí)施例中原圖像；
[0035] 圖化為實(shí)施例中將原圖像進(jìn)行裁剪處理后的圖像；
[0036] 圖2c為實(shí)施例中將原圖像進(jìn)行亮度改變處理后的圖像；
[0037] 圖2d為實(shí)施例中將原圖像進(jìn)行尺度變化處理后的圖像；
[003引圖2e為實(shí)施例中將原圖像進(jìn)行l(wèi)ogo及字幕嵌入處理后的圖像；
[0039] 圖2f為為實(shí)施例中前五個(gè)局部代表性模式；
[0040] 圖3為局部模式圖；
[0041] 圖4為本發(fā)明效果圖。<