CN103748611A - 使用图像取回关联信息的方法 - Google Patents
使用图像取回关联信息的方法 Download PDFInfo
- Publication number
- CN103748611A CN103748611A CN201180072773.5A CN201180072773A CN103748611A CN 103748611 A CN103748611 A CN 103748611A CN 201180072773 A CN201180072773 A CN 201180072773A CN 103748611 A CN103748611 A CN 103748611A
- Authority
- CN
- China
- Prior art keywords
- image
- profile
- routine
- related information
- pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000003287 optical effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 description 12
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
- G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0065—Extraction of an embedded watermark; Reliable detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
Abstract
一种使用图像(10)取回关联信息的方法，包括：在图像捕获设备捕获的图像(10)中找出空间图案(13)的位置，所述空间图案(13)提供可使能进行进一步处理的指令(12、14、15)或说明；其中，在所述图像找得第一预定空间图案位于所述图像(10)的位置的情况下，对所述图像(10)进行解码以提取可用以提取图像(10)简档配置的隐写信号(12)，以取回所述关联信息；以及在所述图像找得第二预定空间图案位于所述图像(10)的位置的情况下，识别(15)所述图像的图像特征，以取回所述关联信息。
Description
技术领域
本发明涉及一种使用图像取回关联信息的方法。
背景技术
隐写术(Steganography)是一种以人察觉不到的方式将消息嵌入媒体内容的技术。将隐写信号添加到图像中的常见方式是将其添加到频域中。例如使用傅立叶变换，将在空间上描述的图像数据变换为频率表示。因为人的视觉对较高频率的图像特征的改变不敏感，因此这种方法具有高隐蔽性。除此之外，因为人的视觉对黄-蓝颜色通道的改变不敏感，因此还可以使用该通道来嵌入消息。
图像识别是一种用以从图像中提取光学信息以做出决定的计算机视觉技术。诸如尺度不变特征变换(SIFT)和加速穩健特徵(SURF)为一些常见用来提取图像特征的算法例子。这些算法根据输入的图像帧，创建特征描述符。使用这些描述符，***可以进行匹配处理，以检查产品与产品数据库的相关性。计算机视觉技术的另一常见应用是光学字符识别(OCR)。通过对图像帧中的对象与字体模板进行匹配，***可以提取字符以及整个文字串。这进一步提高了针对匹配产品项的数据库查找的效率。
在隐藏图像内存储的信息是有限的，例如，20位元可以包含有1百万个变化。因此，希望能在保持使用图像取回关联信息的***的性能下，可以增加可以在隐藏图像中存储的信息和变化的量。
发明内容
在第一优选方面，提供一种使用图像取回关联信息的方法，包括：
在图像捕获设备捕获的图像中找出空间图案的位置，所述空间图案提供可使能进行进一步处理的指令或说明；
其中，在所述图像找得第一预定空间图案位于所述图像的位置的情况下，对所述图像进行解码以提取可用以提取简档配置(profile configuration)的隐写信号，以取回所述关联信息；以及
在所述图像找得第二预定空间图案位于所述图像的位置的情况下，识别所述图像的图像特征，以取回所述关联信息。
所述方法还可以包括：在所述图像中定位所述空间图案之前，检查标志(flag)，以判断是否要从所述图像中解码隐写信号的初始步骤。
在未能在所述图像找得预定空间图案的位置的情况下，对所述图像进行解码以取得可用以提取简档配置(profile configuration)的隐写信号，以取回所述关联信息。
所述预定空间图案可以是单个或分离的，所述预定空间图案可以是黑白色或彩色的。
在所述图像找得第三预定空间图案位于所述图像的位置的情况下，可以将所述图像的至少一部分，与例程配置参数的至少一部分一起，传送到分析服务器。
所述例程配置参数可以包括服务器信息地址、端口以及协议。
所述关联信息可以是互联网链接或者信息内容。
所述空间图案可以是由图案、机器可读代码、颜色和字符构成的组中的任意一个。
可以使用由光学字符识别(OCR)算法、机器可读代码和特征变换算法(Feature Transformalgorithms)构成的组中的任意一个，来识别所述图像特征。
所提取的简档配置(profile configuration)可以通过访问简档数据库，以针对所提取的简档配置(profile configuration)取回所述关联信息，来进行简档具体操作。
所述简档具体操作可以包含针对所述简档具体操作的简档指示符和参数,以用于生成内容指示符或者实际内容。
所述简档具体操作可以是图像识别简档和在线处理简档构成的组中的任意一个。
所述例程配置参数还可以包括关于要进行哪些分析处理的指令，以及是串行还是并行进行所述分析处理，使得后续操作可使用先前的操作的结果。
在第二方面，提供一种使用图像取回关联信息的***，包括：
图案定位模块，用于在图像捕获设备捕获的图像中找出空间图案的位置，所述空间图案提供可使能进行进一步处理的指令或说明；
隐写信号解码模块，用于在所述图像找得第一预定空间图案位于所述图像的位置的情况下，对所述图像进行解码以提可用以提取简档配置(profile configuration)的隐写信号，以取回所述关联信息；以及
图像特征识别模块，用于在所述图像找得第二预定空间图案位于所述图像的位置的情况下，识别所述图像的图像特征，以取回所述关联信息。
所述预定空间图案可以是单个或分离的，所述预定空间图案可以是黑白色或彩色的。
所述***还可以包括：通信模块，用于在所述图像找得第三预定空间图案位于所述图像中的位置的情况下，将所述图像的至少一部分，与例程配置参数的至少一部分一起，传送到分析服务器。
所述例程配置参数可以包括所述分析服务器的服务器信息地址、所述分析服务器的端口以及用于与所述分析服务器进行通信的协议。
所述关联信息可以是互联网链接或者信息内容。
所述空间图案可以是由图案、机器可读代码、颜色和字符构成的组中的任意一个。
可以使用由光学字符识别(OCR)算法、机器可读代码和特征变换算法(Feature Transformalgorithms)构成的组中的任意一个，来识别所述图像特征。
所提取的简档配置(profile configuration)可以使得通过访问简档数据库，以针对所提取的简档配置(profile configuration)取回所述关联信息，来进行简档具体操作。
所述简档具体操作可以包含针对所述简档具体操作的简档指示符和参数,以用于生成内容指示符或者实际内容。
所述简档具体操作可以是由图像识别简档和在线处理简档构成的组中的任意一个。
所述例程配置参数还可以包括关于要进行哪些分析处理的指令，以及是串行还是并行进行所述分析处理，使得后续操作可使用先前的操作的结果。
在本发明中使用几种图像处理和计算机视觉技术。将数据位元添加到图像内容中，以递送一些信息。提取诸如形状和颜色的产品特征作为钥匙(key)，来取回结果内容。
提供一种用于提取图像中的嵌入信息或链接信息的混合***。该***使用多个例程，使用不同的技术对图像特征进行分析。该例程由应用分配或者通过检测空间图案来选择。图像识别例程对诸如形状、字符和机器可读代码的图像特征进行分析。在线处理例程将图像上传到远程服务器进行分析。隐写例程对添加到图像中的隐写信号进行解码。传回的简档配置(Profile Configuration)促使进一步分析处理以取得额外信息。这些例程的输出可用於取回和/或显示信息内容。
在隐写解码之后进行的附加步骤，例如图像识别和OCR。这些附加步使变化显著增加。例如，通过对隐藏的图像进行解码，首先获得一百万个变化中的钥匙(key)“412000”。然后，在具有钥匙(key)“412000”的10,000个产品系列中，使用附加处理(图像识别、OCR)，来判断该产品是否属于“系列9899”和序列号“412000”。因此，代替仅有1,000,000个变化，现在存在10,000,000,000个变化。这些变化可以通向无限。
此外，一些非印刷产品无法使用隐藏图像，因此必须使用图像识别和OCR。
通过由隐写数据进行引导，在信息越多的情况下，附加应用可以越高效。空间图案查找(SpatialPattern Lookup)操作可以容易地辨别图像是否具有要取回的关联信息。空间图案查找操作可以显著提高检测速度。本发明的简档配置(profile configuration)以隐写数据代替。
附图说明
现在，参考附图描述本发明的示例，在附图中：
图1是描绘根据本发明的实施例的例程选择的处理流程图；
图2是描绘根据本发明的实施例的图像识别例程的处理流程图；
图3是描绘根据本发明的实施例的在线处理例程的处理流程图；
图4是描绘根据本发明的实施例的隐写和多简档例程的处理流程图；
图5是描绘作为简档具体操作的图像识别的处理流程图；
图6是描绘作为简档具体操作的在线处理的处理流程图；
图7是描绘内容取回处理的处理流程图；以及
图8是描绘捕获图像帧和从捕获图像帧中提取并进行处理的各种数据的框图。
具体实施方式
图1和下面的讨论旨在提供对可以实现本发明的合适计算环境的简要概括描述。虽然不是必须的，本发明以一般计算机可执行的指令作例子，通过诸如程序模块，由计算机执行，诸如个人计算机、膝上型计算机、笔记本计算机、平板计算机、PDA等作一般描述。一般而言，程序模块包括执行特定任务或者实现特定抽象数据类型的例程、程序、字符、部件、数据结构。本领域技术人员应当理解，本发明可以用于包括手持设备、多处理器***、基于微处理器的或可编程消费电子设备、网络PC、微型计算机、大型计算机等的其它计算机***配置。本发明还可以在分布式计算环境中实施，并由通过通信网络链接的远程处理设备执行任务。在分布式计算环境中，程序模块可以位于本地和远程存储器存储设备中。
参考图1和8，***的第一个步骤是通过检查“强制隐写”标志(flag)11，来选择例程。当将捕获的图像帧10输入到***中时，检查“强制隐写”标志(flag)11。如果标志(flag)被设置为隐写例程，则执行隐写多简档例程12。否则，执行空间图案查找操作13，以确定要执行哪个例程。在捕获的图像帧10中包含空间图案80。空间图案80包含用来选择执行例程12、14、15的例程ID。空间图案80提供指令(要执行哪个例程)或者要进行的进一步处理的说明(如何执行例程，例如使用两个不同的分析服务器31执行在线处理例程14的两种模式)。
空间图案查找处理13对捕获的图像帧10进行分析，以查找空间图案80。空间图案80具有简单标记、机器可读代码、字符、颜色或者其任意组合。当检测到预先定义的不同空间图案80时，启动例程配置27，并且执行不同例程12、14、15。这些例程包括隐写例程12、图像识别例程15、在线处理例程14。可以设置当没有检测到空间图案80时16则执行的默认例程、例如隐写例程12。当前应用所定义的例程配置27，并且将例程配置27与当前例程12、14、15相关联。例程配置27不是从空间图案80中提取。在简档选择和简档操作中，例程12、14、15使用例程配置27执行操作。在简档配置83(profile configuration)中和内容指示符/实际内容26中也包括例程配置27。
参考图2，图像识别例程15的目标在于单独从图像特征中提取信息。适用于不适合嵌入信息的图像产品。例如，因产品是由不可修改的印刷处理制作，而无法向产品中嵌入光学信号或信息。
当将捕获的图像帧20被传送到图像识别例程15中时，进行几个分析操作。例如，根据预先定义的例程配置27的特征点提取21和文本识别22。例程配置27包含参数以用于判断应当进行哪些分析处理，以及是串行还是并行进行分析处理，使得后续操作可以使用先前操作的结果。例如，可以对文本识别结果进行检查，以确定是否应当进行特征提取21。在已经取得足够的数据的情况下，可以跳过一些需要大量计算的操作。
在文本和/或机器可读代码识别操作22中，使用传统光学字符识别算法来检测并识别文本串、字符88。通过预先定义的机器可读代码88的相应解码算法，来检测并识别预先定义的机器可读代码88。将识别出的字串与特征数据库24中的记录进行匹配23。如果存在匹配，则可以将匹配结果25直接传送到下一个步骤26，或者可以使用匹配结果25来优化特征提取操作。如果不存在匹配，则返回默认值28。默认值28意为在没有找到匹配记录时使用的应用所定义的结果。
在特征提取操作21中，将特征点87变换为描述符。这可以通过常见的特征变换算法(FeatureTransform algorithms)，诸如尺度不变特征变换(SIFT)、加速稳健特征(SURF)以及其它算法来进行。可以根据先前的操作的结果改变这些算法的参数和行为，以获得更好的性能或效率。然后，将描述符与特征数据库24中的项的集合进行比较。可以根据先前的处理的结果对项集合进行过滤。最后，将匹配结果26传送到下一个步骤。可以针对每个特定应用，选择其它分析操作，例如形状和颜色。在所有分析操作之后，进一步对结果进行处理，以取回结果内容，以用于在应用中进行显示和/或其它用途。
参考图3，在在线处理例程14中，将整个图像帧30或者图像帧30的一部分，与例程配置参数32中的全部或者一部分一起，上传到分析服务器31。例程配置参数32包含分析服务器31的服务器信息地址、分析服务器31的端口、用于与分析服务器31进行通信的协议、分辨率、颜色等。另外，详细操作参数包含在例程配置27中。详细操作参数内容有可能包括例程配置27和简档配置83(profile configuration)。该参数的格式和内容根据不同的实施情况和不同的例程来定义。例如，在线处理例程14的例程配置包含操作参数诸如引导在线处理例程14联系相应服务器的服务器地址。
使用不同的例程配置，在***中执行在线处理例程14的多个实例，以侦测不同的空间图案。在接收到这些数据之后，分析服务器31根据例程配置32中的相应的参数，对图像数据33进行处理。例如，在线处理例程配置32可以引导分析服务器31进行隐写解码、图像识别、特征提取、文本识别、机器可读代码识别或者以上多个。与用户的客户机设备相比，服务器31有着较高的计算能力，执行更复杂的算法。该例程14能够提高***的处理能力和效率。当处理结束时，从服务器31返回结果34。结果是以内容指示符或者实际内容26的形式展示。如果接收到内容指示符，则需要进行内容取回操作(参见图7)，来取回如稍后描述的实际内容。实际内容将在应用上作进一步处理和/或显示。
参考图4，在隐写多简档例程12中，将例程配置46固定在隐写多简档例程12的每次实例上。这意味着隐写多简档例程12可根据不同的实施情况来执行。例程配置46包含对隐写解码处理的描述、简档选择处理以及在简档配置83(profile configuration)不够全面的情况下可能进行的简档操作。
从嵌入了人工隐写信号89的产品的图像帧40中，提取简档配置83(profile configuration)。从解码隐写信号89中提取简档配置83(profile configuration)的一部分。该处理需要印刷产品，以改变印刷的图像。简档配置83(profile configuration)的一部分在当前应用中定义，并且与当前例程12、14、15和当前简档45A、45B相关联。在简档操作45中使用简档配置83(profile configuration)，并且在内容指示符/实际内容26中包括简档配置83(profile configuration)。根据简档配置83(profileconfiguration)，可以对捕获的图像帧40进行不同的分析操作(简档操作)，以取回该例程的结果。当接收到捕获的图像帧40时，隐写信号检测操作以电子存储器设备对其进行分析。该操作可以根据针对特定应用的信号嵌入方法进行频率变换。如果检测到隐写信号，则从图像帧40中对其进行解码41，以获得数据位元序列，使用该数据位序列作为简档配置83(profile configuration)，来选择43简档操作45。如果解码不成功42，则输入下一个捕获图像帧44。在取回了简档配置83(profileconfiguration)的情况下，***根据从隐写信号中提取的简档配置83(profile configuration)，继续执行简档操作45。可以将这些简档操作45视为子例程，以提供比正常例程更多的变化。也就是说，简档配置83(profile configuration)包含简档指示符84以及简档操作45的一些参数85。可以对一些例程进行修改，将其用作简档操作45。
隐写多简档例程12的例程选择86参照简档表82。程序在简档表82中查找简档指示符84，以取出简档配置83(profile configuration)，并且跳到由操作代码指标指示的地址。
简档表82是存储当前应用的当前例程的可用简档以及它们的相应简档配置(profileconfiguration)和操作的列表。例如，简档表82可以包含如下项：
简档1-在线处理简档，<简档配置>，<操作代码指标>
简档2-图像处理简档，<简档配置>，<操作代码指标>
<操作代码指标>表示简档操作的编译程序代码的指标。所述指标符合C++编程语言中的指标。
例如，可以将图像识别例程15和在线处理例程14修改为接收简档配置(profile configuration)，该简档配置(profile configuration)分别为图像识别简档45A和在线处理简档45B。图像识别简档45A和在线处理简档45B是简档操作45。这些简档操作45的结果是以内容指示符和/或实际内容26的形式展示。如果接收到内容指示符，则需要进行内容取回操作(参见图7)，来取回如稍后描述的实际内容。实际内容将在应用上作进一步处理和/或显示。
参考图5，在图像识别简档操作45A中，提取来自原始图像特征的信息。当将捕获图像帧50传送到图像识别简档操作45A中时，根据来自先前的隐写多简档例程12的操作的例程配置和简档配置参数51进行几个分析操作。上述参数包含用于使能/禁用特定识别处理以及对它们的行为进行控制的设置。例如，使能特征提取52以及文本和/或机器可读代码识别53。这些分析处理可以并行或串行进行，并且后续操作可以使用先前的结果。例如，可以对来自文本和/或机器可读代码识别53的结果进行检查，以确定是否应当进行特征提取52。在已经取得足够的数据的情况下，可以跳过一些需要大量计算的操作。
在文本和/或机器可读代码识别操作53中，使用传统光学字符识别算法来检测并识别文本串、字符88。通过预先定义的机器可读代码88的相应解码算法，来检测并识别预先定义的机器可读代码88，而将识别出的字串与特征数据库55中的记录进行匹配54。将识别出的串与特征数据库55中的记录进行匹配56。如果存在匹配，则可以将匹配结果56直接传送到下一个步骤57，或者可以使用匹配结果56来优化特征提取操作。如果不存在匹配，则返回默认值58。默认值58为在没有找到匹配记录时使用的应用所定义的结果。
在特征提取操作52中，将特征点87变换为描述符。这可以通过常见的特征变换算法(FeatureTransform algorithms)，诸如尺度不变特征变换(SIFT)、加速稳健特征(SURF)以及其它新算法来进行。可以根据先前的操作的结果改变这些算法的参数和行为，以获得更好的性能或效率。然后，将描述符与特征数据库55中的项的集合进行比较54。可以根据先前的处理的结果对项集合进行过滤。最后，将匹配结果56传送到下一个步骤。可以针对每个特定应用，选择其它分析操作，例如形状和颜色。在所有分析操作之后，进一步对结果进行处理，以取回结果57，以在应用中进行显示和/或其它使用。
参考图6，在在线处理简档操作45B中，将例程配置67固定在在线处理简档操作45B的每次实例上。这意味着在线处理简档操作45B可根据不同的实施情况来执行。例程配置67包含对在线处理简档操作的描述、简档选择处理以及在简档配置83(profile configuration)不够全面的情况下可能进行的简档操作45。
将整个图像帧60或其一部分，与隐写多简档例程12的例程配置参数62和解码的简档配置参数63中的全部或者一部分一起，上传到分析服务器61。上述参数包含服务器信息地址、端口、协议等。另外，在这些参数中包括详细操作参数。在接收到这些数据之后，分析服务器61根据这些参数中的相应参数，对图像数据64进行处理。例如，这些参数可以引导分析服务器61进行隐写解码、图像识别、特征提取、文本识别、机器可读代码识别或者它们的任意组合。与顾客的客户机设备相比，服务器61有着较高的计算能力，执行更复杂的算法。因此，该简档能够提高***的处理能力和效率。当处理结束时，从服务器61返回结果65。结果是以内容指示符或者实际内容26的形式展示的。如果接收到内容指示符，则需要进行内容取回操作(参见图7)，来取回如稍后描述的实际内容。实际内容将在应用上作进一步处理和/或显示。
参考图7，内容取回操作提供内容指示符70形式的例程的结果，该结果用来在内容数据库72中查找项71。该数据库72可以是本地存储设备和/或远程服务器中的资源。返回的内容73可以是要进行显示的网页和/或多媒体内容，或者其可以是用来进行进一步处理的数据序列。
该***的对象为消费类电子设备诸如计算机、智能电话和平板计算机。通过在由图像捕获设备诸如照相机捕获的图像中提取数据，来取得信息内容。图像可以是印刷物，或者可以在显示设备上的电子显示图像。为了对图像内容进行分析，图像捕获设备将观察到的图像转换为数据流形式的数字图像帧。随后，***对数字图像帧进行处理，以取得信息内容，用于在应用中进行显示或使用。***使用两个例程：识别机器可读代码/形状/字符；以及对隐写信号进行解码。这两个例程识别图像特征和/或取回隐藏的嵌入图像。
本领域技术人员应当理解，可以对在本发明的具体实施例中进行大量变化和/或改良，而不脱离本发明的范围或精神。因此，应当将本实施例在所有方面视为说明性的，而非限制性的。
Claims (24)
1.一种使用图像取回关联信息的方法，包括：
在图像捕获设备捕获的图像中找出空间图案的位置，所述空间图案提供可使能进行进一步处理的指令或说明；
其中，在所述图像找得第一预定空间图案位于所述图像的位置的情况下，对所述图像进行解码以提取可用以提取简档配置的隐写信号，以取回关联信息；以及
在所述图像找得第二预定空间图案位于所述图像的位置的情况下，识别所述图像的图像特征，以取回所述关联信息。
2.根据权利要求1所述的方法，还包括：在所述图像中找得所述空间图案的位置之前，检查标志，以判断是否要从所述图像中解码隐写信号的初始步骤。
3.根据权利要求1所述的方法，其中，在未能在所述图像找得预定空间图案的位置的情况下，对所述图像进行解码以取得可用以提取简档配置的隐写信号，以取回所述关联信息。
4.根据权利要求1所述的方法，其中，所述预定空间图案是单个或分离的，所述预定空间图案可以是黑白色或彩色的。
5.根据权利要求1所述的方法，其中，在所述图像找得第三预定空间图案位于所述图像的位置的情况下，将所述图像的至少一部分，与例程配置参数的至少一部分一起，传送到分析服务器。
6.根据权利要求5所述的方法，其中，所述例程配置参数包括所述分析服务器的服务器信息地址、所述分析服务器的端口以及用于与所述分析服务器进行通信的协议。
7.根据权利要求1所述的方法，其中，所述关联信息是互联网链接或者信息内容。
8.根据权利要求1所述的方法，其中，所述空间图案是由图案、机器可读代码、颜色和字符构成的组中的任意一个。
9.根据权利要求1所述的方法，其中，使用由光学字符识别(OCR)算法、机器可读代码和特征变换算法构成的组中的任意一个，来识别所述图像特征。
10.根据权利要求1所述的方法，其中，被提取的简档配置使得进行一个特定的简档操作，其通过访问简档数据库以取回所述被提取的简档配置的所述关联信息。
11.根据权利要求10所述的方法，其中，所述特定的简档操作包含使得所述特定的简档操作可生成内容指示符或者实际内容的简档指示符和参数。
12.根据权利要求10所述的方法，其中，所述特定的简档操作是图像识别简档和在线处理简档构成的组中的任意一个。
13.根据权利要求6所述的方法，其中，所述例程配置参数还包括关于要进行哪些分析处理的指令，以及是串行还是并行进行所述分析处理，使得后续操作可使用先前的操作的结果。
14.一种使用图像取回关联信息的***，包括：
图案定位模块，用于在图像捕获设备捕获的图像中找出空间图案的位置，所述空间图案提供可使能进行进一步处理的指令或说明；
隐写信号解码模块，用于在所述图像找得第一预定空间图案位于所述图像的位置的情况下，对所述图像进行解码以提取可用以提取简档配置的隐写信号，以取回关联信息；以及
图像特征识别模块，用于在所述图像找得第二预定空间图案位于所述图像的位置的情况下，识别所述图像的图像特征，以取回所述关联信息。
15.根据权利要求14所述的***，其中，所述预定空间图案是单个或分离的，所述预定空间图案可以是黑白色或彩色的。
16.根据权利要求14所述的***，还包括：通信模块，用于在所述图像找得第三预定空间图案位于所述图像中的位置的情况下，将所述图像的至少一部分，与例程配置参数的至少一部分一起，传送到分析服务器。
17.根据权利要求16所述的***，其中，所述例程配置参数包括所述分析服务器的服务器信息地址、所述分析服务器的端口以及用于与所述分析服务器进行通信的协议。
18.根据权利要求14所述的***，其中，所述关联信息是互联网链接或者信息内容。
19.根据权利要求14所述的***，其中，所述空间图案是由图案、机器可读代码、颜色和字符
构成的组中的任意一个。
20.根据权利要求14所述的***，其中，使用由光学字符识别(OCR)算法、机器可读代码和特征变换算法构成的组中的任意一个，来识别所述图像特征。
21.根据权利要求14所述的***，其中，被提取的简档配置使得进行一个特定的简档操作，其通过访问简档数据库以取回所述被提取的简档配置的所述关联信息。
22.根据权利要求21所述的***，其中，所述特定的简档操作包含使得所述特定的简档操作可生成内容指示符或者实际内容简档指示符和参数。
23.根据权利要求21所述的***，其中，所述简档具体操作是由图像识别简档和在线处理简档构成的组中的任意一个。
24.根据权利要求17所述的方法，其中，所述例程配置参数还包括关于要进行哪些分析处理的指令，以及是串行还是并行进行所述分析处理，使得后续操作可使用先前的操作的结果。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| HK11108375A HK1165184A2 (en) | 2011-08-10 | 2011-08-10 | A method for retrieving associated information using an image |
| HK11108375.5 | 2011-08-10 | ||
| PCT/CN2011/081239 WO2013020325A1 (en) | 2011-08-10 | 2011-10-25 | A method for retrieving associated information using an image |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103748611A true CN103748611A (zh) | 2014-04-23 |
| CN103748611B CN103748611B (zh) | 2017-06-16 |
Family
ID=47290360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201180072773.5A Active CN103748611B (zh) | 2011-08-10 | 2011-10-25 | 使用图像取回关联信息的方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US9082175B2 (zh) |
| CN (1) | CN103748611B (zh) |
| HK (1) | HK1165184A2 (zh) |
| WO (1) | WO2013020325A1 (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AR122028A1 (es) | 2020-05-06 | 2022-08-03 | Kwikclick Llc | Utilización de un producto o servicio como inicio de un árbol de marketing multinivel |
| US11763331B2 (en) | 2020-07-09 | 2023-09-19 | KwikClick, LLC | Enhancing existing social media network from data |
| WO2022011299A1 (en) | 2020-07-09 | 2022-01-13 | KwikClick, LLC | Mlm product based trees creates online store |
| US11893776B2 (en) * | 2020-10-30 | 2024-02-06 | Boe Technology Group Co., Ltd. | Image recognition method and apparatus, training method, electronic device, and storage medium |
| WO2022165207A1 (en) * | 2021-01-28 | 2022-08-04 | KwikClick, LLC | Incorporating a product in a multi-level smartlink embedded media files for enhanced marketing |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101207680A (zh) * | 2006-12-15 | 2008-06-25 | 株式会社理光 | 图像处理设备和图像处理方法 |
| US20080201556A1 (en) * | 2007-02-16 | 2008-08-21 | Via Technologies, Inc. | Program instruction rearrangement methods in computer |
| JP2009260728A (ja) * | 2008-04-17 | 2009-11-05 | Kyocera Mita Corp | 画像処理装置及び動作制御プログラム |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0737387B1 (en) * | 1993-11-18 | 2003-04-09 | Digimarc Corporation | Identification/authentication coding method and apparatus |
| US8020770B2 (en) * | 2005-09-07 | 2011-09-20 | International Business Machines Corporation | Display method and display apparatus |
| CN100367295C (zh) * | 2006-03-07 | 2008-02-06 | 华中科技大学 | 基于三层架构的智能图像隐写分析*** |
| US8238599B2 (en) * | 2006-12-15 | 2012-08-07 | Ricoh Company, Ltd. | Image processing device and image processing method for identifying a selected one or more embedding methods used for embedding target information |
| US7885470B2 (en) * | 2007-01-19 | 2011-02-08 | New Jersey Institute Of Technology | Method and apparatus for steganalysis for texture images |
| JP4859237B2 (ja) * | 2007-02-28 | 2012-01-25 | キヤノン株式会社 | 画像処理装置およびその方法 |
| JP4943354B2 (ja) * | 2008-02-11 | 2012-05-30 | 株式会社リコー | 情報識別装置、情報識別方法、プログラム及び記録媒体 |
| CN101727572A (zh) * | 2008-10-20 | 2010-06-09 | 美国银行公司 | 使用文档特征来确保图像完整性 |
| US8509474B1 (en) * | 2009-12-11 | 2013-08-13 | Digimarc Corporation | Digital watermarking methods, apparatus and systems |
-
2011
- 2011-08-10 HK HK11108375A patent/HK1165184A2/xx not_active IP Right Cessation
- 2011-10-25 CN CN201180072773.5A patent/CN103748611B/zh active Active
- 2011-10-25 US US14/237,594 patent/US9082175B2/en active Active
- 2011-10-25 WO PCT/CN2011/081239 patent/WO2013020325A1/en active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101207680A (zh) * | 2006-12-15 | 2008-06-25 | 株式会社理光 | 图像处理设备和图像处理方法 |
| US20080201556A1 (en) * | 2007-02-16 | 2008-08-21 | Via Technologies, Inc. | Program instruction rearrangement methods in computer |
| JP2009260728A (ja) * | 2008-04-17 | 2009-11-05 | Kyocera Mita Corp | 画像処理装置及び動作制御プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| HK1165184A2 (en) | 2012-09-28 |
| WO2013020325A1 (en) | 2013-02-14 |
| CN103748611B (zh) | 2017-06-16 |
| US20140169618A1 (en) | 2014-06-19 |
| US9082175B2 (en) | 2015-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101861198B1 (ko) | 디지털 이미지의 시맨틱 태그의 획득 방법 및 장치 | |
| US9384619B2 (en) | Searching media content for objects specified using identifiers | |
| CN111107048B (zh) | 一种钓鱼网站检测方法、装置和存储介质 | |
| US20200285893A1 (en) | Exploit kit detection system based on the neural network using image | |
| CN103748611A (zh) | 使用图像取回关联信息的方法 | |
| CN115443490A (zh) | 影像审核方法及装置、设备、存储介质 | |
| CN113450147B (zh) | 基于决策树的产品匹配方法、装置、设备及存储介质 | |
| CN114155529A (zh) | 结合文字视觉特征和文字内容特征的违规广告识别方法 | |
| CN111460803B (zh) | 基于工业物联网设备Web管理页面的设备识别方法 | |
| CN113988180A (zh) | 基于模型指纹的生成图像溯源方法 | |
| CN110855635B (zh) | Url识别方法、装置及数据处理设备 | |
| EP2023266B1 (en) | Searching media content for objects specified using identifiers | |
| CN116975340A (zh) | 信息检索方法、装置、设备、程序产品及存储介质 | |
| CN114448664A (zh) | 钓鱼网页的识别方法、装置、计算机设备及存储介质 | |
| JP6822484B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| CN110472121A (zh) | 名片信息搜索方法、装置、电子设备以及计算机可读存储介质 | |
| CN111382383A (zh) | 网页内容敏感类型确定方法、装置、介质和计算机设备 | |
| CN115186240A (zh) | 基于关联性信息的社交网络用户对齐方法、装置、介质 | |
| CN115294593A (zh) | 一种图像信息抽取方法、装置、计算机设备及存储介质 | |
| Meng et al. | Traceable and authenticable image tagging for fake news detection | |
| Ma et al. | Vector separability measurement based fast feature selection for detecting images information hiding | |
| CN111598075A (zh) | 图片生成方法、设备及可读存储介质 | |
| CN112818301A (zh) | Ofd版式电子文档的隐藏信息嵌入及提取方法、装置 | |
| Hou et al. | New framework for unsupervised universal steganalysis via SRISP-aided outlier detection | |
| CN112163217A (zh) | 恶意软件变种识别方法、装置、设备及计算机存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |