【技术实现步骤摘要】
本专利技术涉及一种相似图像搜索方法，尤其涉及一种基于感知哈希的相似图像搜索方法和装置。
技术介绍
互联网的普及以及搜索引擎技术的巨大发展为人们的生活带来了极大的便利，人们可以快速、准确地在互联网上找到所需要的东西。图像搜索是一个新兴的搜索模式，而互联网上有数以百亿的图像，要快速有效地识别所搜索的图像，其相关技术条件不是非常成熟。现有的相似图像搜索方法是利用感知哈希算法对原始图像进行处理，生成相对应的哈希字符串,继而将原始图像的哈希字符串与搜索库中的图像的哈希字符串进行比较，最终得到相似图像，虽然此方法处理的速度快，且能在改变图像尺寸、亮度甚至颜色的情况下，都不会改变图像的哈希值，但是如果输入图像是某图像的截图的情况下，利用这种方法搜索到的图像存在找不到出处或者搜索不全面的问题，这样搜索到的结果无法满足用户的要求。鉴于上述缺陷，本专利技术创作者经过长时间的研究和实践终于获得了本专利技术。
技术实现思路
为解决上述问题，本专利技术采用的技术方案在于，一方面提供一种基于感知哈希的相似图像搜索装置，包括输入单元、差分单元、寻找单元、截图单
元、感知哈希算法单元、对比单元、输出单元；所述输入单元，用于输入初始图像；所述差分单元，用于构造所述初始图像的尺度空间，得到高斯金字塔，并将所述高斯金字塔中同一组图像内相邻的两层作差分，得到高斯差分金字塔；所述寻找单元，用于寻找所述高斯差分金字塔空间的稳定关键点；所述截图单元，用于选取所述稳定关键点的最密集区域，确定能包含所述最密集区域中所有稳定关键点的最小矩形区域作为所述初始图像的截图图像；所述感知哈希算法单元，...
【技术保护点】
一种基于感知哈希的相似图像搜索装置，其特征在于，包括输入单元、差分单元、寻找单元、截图单元、感知哈希算法单元、对比单元和输出单元；所述输入单元，用于输入初始图像；所述差分单元，用于构造所述初始图像的尺度空间，得到高斯金字塔，并将所述高斯金字塔中同一组图像内相邻的两层作差分，得到高斯差分金字塔；所述寻找单元，用于寻找所述高斯差分金字塔空间的稳定关键点；所述截图单元，用于选取所述稳定关键点的最密集区域，确定能包含所述最密集区域中所有稳定关键点的最小矩形区域作为所述初始图像的截图图像；所述感知哈希算法单元，用于分别处理所述初始图像和所述截图图像，得到所述初始图像的字符串和所述截图图像的字符串；所述对比单元，用于分别将所述初始图像的字符串和所述截图图像的字符串与搜索库中图像的字符串进行对比；所述输出单元，用于输出搜索结果。
【技术特征摘要】
1.一种基于感知哈希的相似图像搜索装置，其特征在于，包括输入单元、差分单元、寻找单元、截图单元、感知哈希算法单元、对比单元和输出单元；所述输入单元，用于输入初始图像；所述差分单元，用于构造所述初始图像的尺度空间，得到高斯金字塔，并将所述高斯金字塔中同一组图像内相邻的两层作差分，得到高斯差分金字塔；所述寻找单元，用于寻找所述高斯差分金字塔空间的稳定关键点；所述截图单元，用于选取所述稳定关键点的最密集区域，确定能包含所述最密集区域中所有稳定关键点的最小矩形区域作为所述初始图像的截图图像；所述感知哈希算法单元，用于分别处理所述初始图像和所述截图图像，得到所述初始图像的字符串和所述截图图像的字符串；所述对比单元，用于分别将所述初始图像的字符串和所述截图图像的字符串与搜索库中图像的字符串进行对比；所述输出单元，用于输出搜索结果。2.根据权利要求1所述的一种基于感知哈希的相似图像搜索装置，其特征在于，所述差分单元包括分组模块、分层模块和差分模块；所述分组模块，用于将所述初始图像与一个可变尺度的二维高斯函数G作卷积运算：L(x,y,σ)＝G(x,y,σ)*I(x,y)其中，高斯函数G为 G ( x , y , σ ) = 1 2 πσ 2 e - ( x 2 + y 2 ) / 2 σ 2 ]]>式中，I表示所述初始图像，(x，y)表示所述初始图像的空间坐标，σ大小决定卷积运算后得到的图像的平滑程度，通过对σ取一系列的值，所述初始图像产生多组图像，得到高斯金字塔；所述分层模块，用于对所述高斯金字塔加入高斯滤波，使所述初始图像的每一组图像包含多层图像，其中，所述高斯金字塔的组内尺度和组间尺度之间的递推关系是： 2 i - 1 ( σ , k σ , k 2 σ , ... , k n - 1 σ ) , k = 2 1 s ]]>式中，i和n为组数，s为每组的层数；所述差分模块，用于将所述高斯金字塔中同一组图像内相邻的两层作差分，得到高斯差分金字塔： L O G ( x , y , σ ) = σ 2 ▿ 2 G ≈ G ( x , y , k σ ) - G ( x , y , σ ) σ 2 ( k - 1 ) ]]>G(x,y,kσ)-G(x,y,σ)≈(k-1)σ2▽2G式中，k表示所述初始图像的第k组，(x，y)表示所述初始图像的空间坐标，σ大小决定运算后得到的图像的平滑程度，G表示高斯函数。3.根据权利要求2所述的一种基于感知哈希的相似图像搜索装置，其特征在于，所述寻找单元包括选取模块、第一删除模块和第二删除模块；所述选取模块，用于将所述高斯差分金字塔空间的每一个像素点与其所有的相邻点进行比较，得到极值点；所述第一删除模块，用于去除对比度低的所述极值点，利用高斯差分函数在尺度空间Taylor展开式分别对所述高斯差分金字塔空间的多层图像的行、列及尺度三个分量进行修正，Taylor展开式为： D ( x ) = D + ∂ D T ∂ x x + 1 2 x T ∂ 2 D ∂ x 2 x ]]>对所述Taylor展开式进行求导并令其为0，得到：将结果代入所述Taylor展开式中得：式中，x表示所述极值点，D表示所述极值点处的Harris响应值，T表示转秩，若则所述极值点保留，否则删除所述极值点；所述第二删除模块，用于去除边缘不稳定的所述极值点，所述高斯差分函数的极值点在横跨边缘的方向有较大的主曲率，在垂直边缘的方向有较小的主曲率，主曲率通过计算所述极值点位置尺度的二阶Hessian矩阵求出： H = D x x D x y D x y D y y ]]>式中，D表示所述极值点处的Harris响应值，H表示二阶Hessian矩阵，所述D的主曲率和所述H的特征值成正比，令α为较大的所述
\t特征值，β为较小的所述特征值，则Tr(H)＝Dxx+Dyy＝α+βDet(H)＝DxxDyy-(Dxy)2＝αβ令α＝rβ得，由于在所述α、β相等的时候最小，随着r的增大而增大，因此当不满足下式时，所述极值点删除，反之保留，保留下来的所述极值点是稳定关键点： T r ( H ) 2 D e t ( H ) < ( r + 1 ) 2 r ]]>式中，H表示Hessian矩阵，Tr(H)代表Hessian矩阵的对角线元素之和，Det(H)代表Hessian矩阵的行列式。4.根据权利要求3所述的一种基于感知哈希的相似图像搜索装置，其特征在于，所述截图单元包括第一选取模块、第二选取模块和截图模块；所述第一选取模块，用于选取所述稳定关键点的最密集区域；所述第二选取模块，用于找出所述最密集区域中上下左右四个方向最远的点，以上下两个方向的所述点所在的水平线和左右两个方向所述的点所在的垂直线围成的区域为最小矩形区域；所述截图模块，用于截取所述最小矩形区域为所述初始图像的截图图像。5.根据权利要求4所述的一种基于感知哈希的相似图像搜索装置，其特征在于，所述感知哈希算法单元包括预处理模块、变换模块、计算模块、比较模块和结合模块；所述预处理模块，用于分别将所述初始图像和所述截图图像压缩为32x32像素并分别转化为256阶的灰度图；所述变换模块，用于分别对转化后的所述初始图像和所述截图图像的灰度图进行离散余弦变换，并分别保留离散余弦变换矩阵中左上角的8x8个像素点；所述计算模块，用于分别计算所述初始图像和所述截图图像中的所述8x8个像素点的平均值；所述比较模块，用于分别将所述初始图像和所述截图图像中的所述8x8个像素点中的每个像素点的灰度值与其相对应的所述平均值进行比较,大于或等于...
【专利技术属性】
技术研发人员：窦钰景，侯大勇，简宋全，李青海，
申请(专利权)人：广州精点计算机科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。