[发明专利]图像特征提取方法和装置及图像拷贝检测方法和系统

说明书

技术领域

本发明涉及通用图像数据的图像分析技术领域，尤其涉及的是图像拷贝检测技术领域。

背景技术

基于图像内容的拷贝检测技术，简称图像拷贝检测，作为一项重要的数字图像管理技术，已成为当前研究的热点。图像拷贝检测的任务是：给定被检测图像，在图像库中进行查找，检测是否存在内容相似或者相同的图像；如若存在，则被检测图像为拷贝图像。

拷贝图像是对源图像经过各种拷贝攻击而得，包括裁剪、旋转、加入字幕、噪音等。虽然经过拷贝攻击，但是拷贝图像与原图像在内容上是一致的，图像拷贝检测技术需要能够应对这些拷贝攻击。

数字图像由于表现直观、内容生动等特点，成为一种被人们广泛使用的信息载体，随着数字图像获取工具、编辑工具和相关技术的普及，获取、制作和修改图像变得越来越简单。

如今，越来越多的个人和组织出于不同的目的在网络上不听的传播自制图像，为数字图像内容管理、版权保护，特别是不良图像过滤带来了日益严重的挑战。

当前图像拷贝检测技术方案的关键在于图像特征的提取方法，在特征提取方面多数以提取颜色特征、纹理特征和变换域特征作为相关依据，而这些算法的重点往往关注图像的全局特征，对图像的颜色，亮度对比度的变化比较敏感，也不能有效的应对几何类失真攻击。

近年来，研究人员提出了基于局部特征的方法，即把图像表征为若干局部区块的集合，通过查询组成目标图像的区块来检测相关图像；由于该特征对常见的攻击方式具有一定的鲁棒性，因此应用广泛，但是该特征的计算复杂度较高，无法满足大规模数据下实时应用的需求。

因此，在图像拷贝检测领域，目前缺少既满足实时性要求又能够抵抗噪声类攻击与几何类攻击的拷贝检测方法。

发明内容

为解决上述问题，本发明提供了一种图像特征提取方法和装置以及图像拷贝检测方法和系统，能够提高检测精度与速度，满足实用性要求。

本发明的技术方案如下：

本发明公开了一种图像特征提取方法，包括：

步骤A，将被提取图像缩放到K维的灰度矩阵中，其中，K<=128；

步骤B，对缩放矩阵中每个点位，结合其它像素点的位置与灰度值，计算此点位的特征值，最终形成两个K维图像特征矩阵；

步骤C，从这两个特征矩阵中各选取两个具有最大值的像素点作为特征点，并以这四个特征点形成三条表示图像特征的线段，获得所述被提取图像的特征；

所述步骤A进一步为，

步骤A1，将被测图像灰度化，并将其缩放为K*K（K<=128）像素的大小；

步骤A2，抽取被缩放后的图像灰度值，形成K（K<=128）维矩阵。

所述步骤B进一步为，

步骤B1，对矩阵中的每个点，计算其附近点对其影响值的和，以矩阵中的每个点的下标为其在二维平面上的位置坐标，以每个像素点的灰度值为其“信息分量”，其它象素对自身的“影响值”与两者之间的欧式距离成反比，与其它象素的“信息分量”成正比，其附近点的定义为与其距离小于等于K/8的点，计算完成后形成K维局部特征矩阵。

步骤B2，对矩阵中的每个点，计算其外围点对其影响值的和，其影响值计算方法与步骤31相同，其外围点的定义为与其距离大于K/8的点，计算完成后形成K维全局特征矩阵；

所述步骤C进一步为，

步骤C1，选取局部特征矩阵中最大值作为第一特征点，

步骤C2，选取局部特征矩阵除距第一特征点距离小于等于K/8的点中具有最大值的点，作为第二特征点；

步骤C3，选取全局特征矩阵中的最大值作为第三特征点；

步骤C4，选取全局特征矩阵除距第三特征点距离大于k/8的点中具有最大值的点，作为第四特征点；

步骤C5，以第三特征点位端点分别连接第一特征点、第二特征点和第四特征点，形成三条共用第三特征点的线段。

本发明还公开了一种应用上述图像特征提取方法的图像拷贝检测方法，包括：

步骤D，按上述图像特征提取方法提取被检测图像的图像特征，计算每一个所述图像特征的特征线段；

步骤E，对图像库中的每一幅图像，按上述图像特征提取方法提取所有图像的特征线段；

步骤F，根据所述被检测图像和所述图像库中图像的特征线段进行拷贝检测。