[发明专利]一种图片相似度检测方法及系统

说明书

本发明涉及一种图片相似度检测方法及系统，该检测方法包括：分别筛选出互联网图片和参考图片中的互联网图片特征点和参考图片特征点；根据所有互联网图片特征点和所有参考图片特征点得到互联网图片和参考图片中的匹配特征点；当匹配特征点的个数大于或等于预设阈值时，互联网图片和参考图片相似。本发明实施例通过获取进行对比的两个图片的特征点，获取得到互联网图片和参考图片的特征点是否相匹配，并统计相匹配的特征点的数量，当匹配的特征点的数量超过预设阈值时，即可确认互联网图片和参考图片相似，本发明实施例计算数据量少，抗噪能力强，实现了快速识别检验图片之间是否相似。

技术领域

本发明涉及图片识别技术领域，尤其涉及一种图片相似度检测方法及系统。

背景技术

目前Google的图片搜索功能采用的是感知哈希算法来检测出相似的图片，其原理是对每一张图片生成指纹字符串，比较不同图片指纹的距离，距离越短，说明图片越相似。该算法实现较为简单快速，但针对图片进行很小的内容变更的情况下，如在图片上加入水印或者文字等，就无法识别，存在识别相似图片不够稳定的问题。

在实际工作中，为了提高图片相似度检测更加精确，往往采用基于特征点匹配的方法实现快速图像匹配，特征点匹配的方法匹配精度高匹配速度，能够满足实时计算的需求。较为流行的特征点检测算法主要有Harris算法，还有具有较快的检测速度的SIFT算法，Harris算法抗噪声能力较差，SIFT算法特征向量维度较高，计算数据量大，耗时长，无法实现实时效果。

因此现有的图片相似度计算的方法存在执行效率不高，识别不稳定的问题。

发明内容

为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种图片相似度检测方法及系统，能够有效的提高图片识别的准确性。

第一方面，本发明实施例提供了一种图片相似度检测方法，包括：

S1、分别筛选出互联网图片和参考图片中的互联网图片特征点和参考图片特征点；

S2、根据所有所述互联网图片特征点和所有所述参考图片特征点得到所述互联网图片和参考图片中的匹配特征点；

S3、当所述匹配特征点的个数大于或等于预设阈值时，所述互联网图片和所述参考图片相似。

基于上述技术方案，本发明实施例还可以做出如下改进。

结合第一方面，在第一方面的第一种实施方式中，所述S1具体包括：

S21、通过预设数量且尺寸依次增加的滤波器分别对所述互联网图片和参考图片进行滤波处理，得到多个不同尺寸的滤波互联网图片和多个不同尺寸的滤波参考图片；

S22、计算每个滤波互联网图片的第一Hessian矩阵；计算每个滤波参考图片的第二Hessian矩阵；

S23、根据所有所述第一Hessian矩阵从所述互联网图片中筛选所述互联网图片特征点；根据所有所述第二Hessian矩阵从所述参考图片中筛选所述参考图片特征点。

结合第一方面的第一种实施方式，在第一方面的第二种实施方式中，所述S21具体包括：

S31、对所述互联网图片和参考图片分别进行积分运算，得到相应的互联网积分图像和参考积分图像；

S32、通过预设数量且尺寸依次增加的盒子滤波器对所述互联网积分图像进行滤波，得到多个第一滤波函数表示所述多个滤波互联网图片；

S33、通过预设数量且尺寸依次增加的盒子滤波器对所述参考积分图像进行滤波，得到多个第二滤波函数表示所述多个滤波参考图片。

结合第一方面的第二种实施方式，在第一方面的第三种实施方式中，

所述第一Hessian矩阵如下所示：