[發明專利]一種基于SIFT算法的重圖檢測方法

在審

• 申請號: 201710653168.6
• 申請日: 2017-08-02
• 公開（公告）號: CN107392215A
• 公開（公告）日: 2017-11-24
• 發明（設計）人: 鐘力;吳海龍
• 申請（專利權）人: 焦點科技股份有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 南京瑞弘專利商標事務所(普通合伙)32249
• 代理人: 陳建和

1.一種基于SIFT算法的電商網站重復圖片檢測的自動化方法，其特征是步驟如下：

1)對網站上需要處理的圖片進行截圖預處理，只保存圖片上下15％-85％的區間；

2)構建尺度空間，通過對圖像進行尺度變換，獲得圖像多尺度下的尺度空間表示序列，并搜索所有尺度上的圖像位置；通過高斯微分函數來識別潛在的對于尺度和旋轉不變的關鍵點；

3)關鍵點定位，在每個候選的位置上，通過一個擬合精細的模型來確定位置和尺度；關鍵點的選擇依據于它們的穩定程度；

4)關鍵點方向確定，基于圖像局部的梯度方向，分配給每個關鍵點位置一個或多個方向。所有后面的對圖像數據的操作都相對于關鍵點的方向、尺度和位置進行變換，從而提供對于這些變換的不變性；

5)關鍵點描述，在每個關鍵點周圍的鄰域內，在選定的尺度上測量圖像局部的梯度；這些梯度被變換成一種表示，這種表示允許比較大的局部形狀的變形和光照變化；

6)關鍵點匹配，通過兩圖中的描述器的兩兩比較找出相互匹配的若干對特征點，也就建立了圖片間的對應關系；

7)相似度計算，通過自定義圖片相似度計算公式，并通過給定的重復圖片的相似度判定區間，判斷是否為重復圖片。

2.根據權利要求1所述的方法，其特征是步驟1)-2)具體步驟如下：

S12：尺度空間的表示

SIFT算法在不同的尺度空間上查找關鍵點，尺度空間的獲取使用高斯模糊來實現；一個圖像的尺度空間L(x,y,σ),定義為原始圖像I(x,y)與一個可變尺度的二維高斯函數G(x,y,σ)卷積運算：

其中，(x，y)是空間坐標，σ是尺度坐標；σ大小決定圖像的平滑程度，σ越大圖像越模糊，當σ小時反映了圖像的細節特征，當σ大時反映了圖像的概貌特征需要說明的是，對于σ的取值范圍并無嚴格要求，本發明中σ的區間為[0.5，1.6]，0.5和1.6分別對應了最清晰和最模糊的尺度取值；

S13：高斯金字塔模型的構建，尺度空間在實現時使用高斯金字塔表示，高斯金字塔的構建分為兩部分：

1-1)對圖像做不同尺度的高斯模糊、也稱高斯濾波；

1-2)對圖像做降采樣；

圖像的高斯金字塔模型是指，將原始圖像不斷降階采樣，得到一系列大小不一的圖像，由大到小，從下到上構成的塔狀模型；原圖像為金子塔的第一層，每次降采樣所得到的新圖像為金字塔的一層(每層一張圖像)，每個金字塔共n層；金字塔的層數根據圖像的原始大小和塔頂圖像的大小共同決定，其計算公式如下：n＝log₂{min(M,N)}-t,t∈[0,log₂{min(M,N)}]，其中M，N為原圖像的大小，t為塔頂圖像的最小維數的對數值；

S14：DOG金字塔高斯差分算子

所有關鍵點的檢測都是基于尺度不變的特性，尺度規范化的LOG算子具有真正的尺度不變性；

LoG算子即(Laplacion of Gaussian)，由高斯函數梯度算子GOG構建：

▿2G=∂2G∂x2+∂2G∂y2]]>

而LOG算子與高斯核函數的關系為：

▿2G=∂2G∂x2+∂2G∂y2]]>

LOG(x,y,σ)=σ2▿2G≈Gauss(x,y,kσ)-Gauss(x,y,σ)σ2(k-1)]]>

G(x,y,kσ)-G(x,y,σ)≈(k-1)σ2▿2G]]>

通過推導，LOG算子與高斯核函數的差有直接關系，直接采用LOG算子計算較為復雜，由此引入一種新的算子DOG(Difference of Gaussians)，即高斯差分算子：

D(x,y,σ)=[G(x,y,kσ)-G(x,y,σ)]*I(x,y)=L(x,y,kσ)-L(x,y,σ).]]>