[發明專利]一種基于GIST全局特征和SIFT局部特征的網絡圖片內容重復檢測方法

無效

• 申請號: 201210042806.8
• 申請日: 2012-02-24
• 公開（公告）號: CN103294676A
• 公開（公告）日: 2013-09-11
• 發明（設計）人: 李洋;胡楠;鄒國平
• 申請（專利權）人: 北京明日時尚信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種基于GIST全局特征和SIFT局部特征的網絡圖片內容重復檢測方法，屬于基于內容的圖片檢索領域。

背景技術

隨著網絡技術和數字成像技術的發展，人們可以以一種簡便的方式創造圖片，并輕松地在互聯網上分享、傳播，其他人也能夠不受限制地下載、拷貝并修改圖片。這樣，一方面圖片的版權不能得到有效的保護，另一方面也將導致網絡上的圖片大量地存在內容上的重復。為了解決這些問題，本發明提出了一種網絡圖片內容重復的檢測方法，其不僅可以用于圖片版權的保護，還可以用于電子商務網站或圖片分享社區，以減少對重復圖片的存儲。這種方法需要對圖像提取一種具有全局和局部不變性的特征，使得能夠對同源圖片的復制、編輯有一定的敏感度，比如，在同源圖片進行了旋轉、縮放、剪切、輕度PS等情況下，可以檢測到其內容的重復性。這種方法還需要對所提取特征建立索引，以便在網絡中實時應用。

發明內容

本發明涉及一種基于GIST全局特征和SIFT局部特征的網絡圖片內容重復檢測方法，其特征在于對圖像分別提取GIST特征和SIFT特征，GIST特征用于識別圖像全局不變性，SIFT特征用于識別圖像局部不變性；對兩種特征分別采用LSH(Locality?Sensitive?Hashing，位置敏感哈希)算法建立索引和匹配圖像特征，進行內容重復檢測。

附圖說明

圖1是基于GIST全局特征和SIFT局部特征的網絡圖片內容重復檢測方法的流程示意圖。

具體實施方式

本發明涉及一種基于GIST全局特征和SIFT局部特征的網絡圖片內容重復檢測方法，其特征在于，一是對后臺圖像集提取GIST特征和SIFT特征，并采用LSH(Locality?Sensitive?Hashing，位置敏感哈希)算法建立索引；二是對查詢圖像提取GIST特征和SIFT特征；三是匹配圖像特征，進行內容重復檢測；四是更新索引；具體步驟如下：

一、????????提取GIST特征

將輸入圖片歸一化，對歸一化的圖片在每個通道上構建圖像金字塔，分別是R、G、B顏色通道，圖像金字塔總層數為，每一層為不同分辨率的圖像；

在每一通道的圖像金字塔某層圖像上，利用不同方向和對應該圖像分辨率的Gabor濾波器對圖像進行濾波；設所在層為l，????????????????????????????????????????????????為在該層上使用的方向；

l為當前圖像的所處尺度，為高斯函數標準差，，其中，，為尺度l下的方向總數；

將濾波后的圖像按4×4的網格劃分為16塊，統計每一塊內的濾波響應在不同方向上的直方圖；

最后將每個通道上，各方向、各尺度網絡內得到的直方圖統計值用向量表出，作為圖像特征，本發明在只在灰度通道上，使用3個尺度，各尺度對應方向數為8、8、4，提取得GIST特征為一320維整型向量。

二、????????提取SIFT特征

在圖像灰度通道上，利用不同尺度的高斯差分核與圖像卷積生成高斯差分尺度空間，即DOG圖像金字塔。其中，一副二維圖像的尺度空間定義為：??????????????????????????????????

其中?是尺度可變高斯函數：????????????

（x，y）是空間坐標，是尺度坐標。

DOG算子定義為：

圖像金字塔共O組，每組有S層，下一組的圖像由上一組圖像降采樣得到。第二組的第一副圖像由第一組的第一副到最后一副圖像由一個因子2降采樣得到。

在尺度空間上尋找極值點，每一個采樣點要和它所有的相鄰點比較，看其是否比它的圖像域和尺度域的相鄰點大或者小。中間的檢測點和它同尺度的8個相鄰點和上下相鄰尺度對應的9×2個點共26個點比較，以確保在尺度空間和二維圖像空間都檢測到極值點，并去除邊緣響應較大的點，剩下的點即作為關鍵點。

通過擬和三維二次函數以精確確定關鍵點的位置和尺度，同時去除低對比度的關鍵點和不穩定的邊緣響應點，以增強匹配穩定性、提高抗噪聲能力。