CN109389147A - 一种基于改进PHash算法的图像相似判定方法 - Google Patents
一种基于改进PHash算法的图像相似判定方法 Download PDFInfo
- Publication number
- CN109389147A CN109389147A CN201810984201.8A CN201810984201A CN109389147A CN 109389147 A CN109389147 A CN 109389147A CN 201810984201 A CN201810984201 A CN 201810984201A CN 109389147 A CN109389147 A CN 109389147A
- Authority
- CN
- China
- Prior art keywords
- image
- phash
- hamming distance
- algorithm
- matrix
- 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 17
- 238000011835 investigation Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于改进PHash算法的图像相似判定方法,属于图像处理技术领域。本发明首先通过基准图及考察图对图像进行全方位旋转操作,生成上、下、左、右、左上、左下、右上、右下等8张剪裁旋转图,其后通过PHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于PHash的汉明距离,并取其最小值作为图像之间基于PHash的汉明距离;若基于PHash的汉明距离小于阈值,则判定为图像相似;若基于PHash的汉明距离大于阈值,则判定为图像不相似。本发明解决了现有技术在对图像相似判定时存在的未考虑图像旋转、灵活性不足、准确度低等现象,提高了利用PHash算法对图像相似判定的灵活性和准确度。
Description
技术领域
本发明涉及一种基于改进PHash算法的图像相似判定方法,属于图像处理技术领域。
背景技术
图像相似判定是图像处理领域的一项基本研究,指对两张或多张图像的内容相似程度进行分析、比较,广泛应用于图像检索、目标检测、照片过滤等领域。
目前,有多种图像相似判定的方法,就感知哈希算法(PHash)而言,其准确率及效率并不尽人意,一个主要原因就是感知哈希算法(PHash)没有考虑到图像旋转的情况,若对图像进行上下或左右反转后再比对,其结果较不理想。
发明内容
本发明要解决的技术问题是针对现有技术的局限和不足,提供一种基于改进PHash算法的图像相似判定方法,以解决现有技术在对图像相似判定时存在的未考虑图像旋转、灵活性不足、准确度低等现象,致力于提高利用PHash算法对图像相似判定的灵活性和准确度。
本发明的技术方案是:一种基于改进PHash算法的图像相似判定方法,首先通过基准图及考察图对图像进行全方位旋转操作,生成上、下、左、右、左上、左下、右上、右下等8张剪裁旋转图,其后通过PHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于PHash的汉明距离,并取其最小值作为图像之间基于PHash的汉明距离;若基于PHash的汉明距离小于阈值,则判定为图像相似;若基于PHash的汉明距离大于阈值,则判定为图像不相似。
具体步骤为:
Step1:获取图像A和图像B;
Step2:将图像A、B作为基准图,并在图像A、B中相同位置截取相同大小的图像作为考察图
Step3:对图像A、B分别进行一定规则的方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];具体如Step3.1~Step3.4所示;
Step3.1:记考察图的大小为M×N,其中心位置坐标为(x,y);
Step3.2:以中心位置坐标(x,y)作为基准图像A、B的中心,重新在基准图上截取大小为M′×N′的截取后的图像A′、B′,其中M′≥M,N′≥N;
Step3.3:对截取后的图像A′、B′进行45°t,t∈[1,8]方向旋转变化,得到旋转后的图像A′m,m∈[1,8]和B′n,n∈[1,8];
Step3.4:对图像A′m,m∈[1,8]和B′n,n∈[1,8]以中心位置坐标(x,y)为中心,截取大小为M×N的图像,得到最终的旋转图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step4:通过PHash算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行Hash化,得到图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.6所示;
Step4.1:将图像A″m、B″n的大小压缩至32×32;
Step4.2:将压缩后的图像A″m、B″n转化为256阶灰度图像,并表示为矩阵形式其中为矩阵元素值;
Step4.3:计算矩阵的DCT矩阵其中矩阵元素值表示为
Step4.4:保留矩阵的左上角8×8部分,删除其余部分;
Step4.5:计算矩阵的平均值将矩阵按照从上至下(i=1→8)、从左至右(j=1→8)的规则,根据公式(1)进行值优化,并对其连接生成图像A″m、B″n的PHash值其中T(i,j)代表适用于u代表适用于
Step4.6:通过图像A″m、B″n的PHash值计算图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8];
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个汉明距离,根据公式(2)选出其中最小值作为图像A、B之间基于PHash的汉明距离Dis(A,B);
Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8] (2)
Step6:定义汉明距离阈值若图像A、B之间基于PHash的汉明距离Dis(A,B)满足公式(3)要求,则判定图像A和图像B相似;若满足公式(4)要求,则判定图像A和图像B不相似。
进一步地,所述步骤Step1中,图像A和图像B可以为任意大小的图像,且图像格式任意。
进一步地,所述步骤Step3.2中,截取的图像的大小要大于考察图像的大小,即满足M′≥M,N′≥N的要求,作用是为了保证旋转后得到的图像在区域内没有空白区域。
进一步地,所述步骤Step4.4中,不一定非要保留矩阵的左上角8×8部分,也可以保存其他局部矩阵,相应的汉明距离阈值要根据矩阵的元素个数进行更改。
进一步地,所述步骤Step4.5中,汉明距离指两串Hash值进行异或运算后,结果为“1”的个数。
进一步地,所述步骤Step5中为了降低处理速度,去除重复后可简化计算至1+2+…+Max(m,n)=36个汉明距离。
进一步地,所述步骤Step6中,汉明距离阈值通常取可自行修改。
本发明的有益效果是:解决了现有技术在对图像相似判定时存在的未考虑图像旋转、灵活性不足、准确度低等现象,提高了利用PHash算法对图像相似判定的灵活性和准确度。
附图说明
图1是本发明流程示意图;
图2是本发明对图像进行旋转过程示意图。
具体实施方式
下面结合附图和具体实施方式,对本发明作进一步说明。
实施例1:如图1-2所示,一种基于改进PHash算法的图像相似判定方法,首先通过基准图及考察图对图像进行全方位旋转操作,生成上、下、左、右、左上、左下、右上、右下等8张剪裁旋转图,其后通过PHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于PHash的汉明距离,并取其最小值作为图像之间基于PHash的汉明距离;若基于PHash的汉明距离小于阈值,则判定为图像相似;若基于PHash的汉明距离大于阈值,则判定为图像不相似。
具体步骤为:
Step1:获取图像A和图像B;
Step2:将图像A、B作为基准图,并在图像A、B中相同位置截取相同大小的图像作为考察图
Step3:对图像A、B分别进行一定规则的方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];具体如Step3.1~Step3.4所示;
Step3.1:记考察图的大小为M×N,其中心位置坐标为(x,y);
Step3.2:以中心位置坐标(x,y)作为基准图像A、B的中心,重新在基准图上截取大小为M′×N′的截取后的图像A′、B′,其中M′≥M,N′≥N;
Step3.3:对截取后的图像A′、B′进行45°t,t∈[1,8]方向旋转变化,得到旋转后的图像A′m,m∈[1,8]和B′n,n∈[1,8];
Step3.4:对图像A′m,m∈[1,8]和B′n,n∈[1,8]以中心位置坐标(x,y)为中心,截取大小为M×N的图像,得到最终的旋转图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step4:通过PHash算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行Hash化,得到图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.6所示;
Step4.1:将图像A″m、B″n的大小压缩至32×32;
Step4.2:将压缩后的图像A″m、B″n转化为256阶灰度图像,并表示为矩阵形式其中为矩阵元素值;
Step4.3:计算矩阵的DCT矩阵其中矩阵元素值表示为
Step4.4:保留矩阵的左上角8×8部分,删除其余部分;
Step4.5:计算矩阵的平均值将矩阵按照从上至下(i=1→8)、从左至右(j=1→8)的规则,根据公式(1)进行值优化,并对其连接生成图像A″m、B″n的PHash值其中T(i,j)代表适用于u代表适用于
Step4.6:通过图像A″m、B″n的PHash值计算图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8];
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个汉明距离,根据公式(2)选出其中最小值作为图像A、B之间基于PHash的汉明距离Dis(A,B);
Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8] (2)
Step6:定义汉明距离阈值若图像A、B之间基于PHash的汉明距离Dis(A,B)满足公式(3)要求,则判定图像A和图像B相似;若满足公式(4)要求,则判定图像A和图像B不相似。
进一步地,所述步骤Step1中,图像A和图像B可以为任意大小的图像,且图像格式任意。
进一步地,所述步骤Step3.2中,截取的图像的大小要大于考察图像的大小,即满足M′≥M,N′≥N的要求,作用是为了保证旋转后得到的图像在区域内没有空白区域。
进一步地,所述步骤Step4.4中,不一定非要保留矩阵的左上角8×8部分,也可以保存其他局部矩阵,相应的汉明距离阈值要根据矩阵的元素个数进行更改。
进一步地,所述步骤Step4.5中,汉明距离指两串Hash值进行异或运算后,结果为“1”的个数。
进一步地,所述步骤Step5中为了降低处理速度,去除重复后可简化计算至1+2+…+Max(m,n)=36个汉明距离。
进一步地,所述步骤Step6中,汉明距离阈值通常取可自行修改。
实施例2:在实施例1的基础上,若步骤Step4.6中图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8]分别为12/14/5/7/4/21/18/26/42/7/…/6/32/21,则步骤Step5中由公式(2)选出其中最小值作为图像A、B之间基于PHash的汉明距离Dis(A,B),其值为Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8]=4。
实施例3:在实施例1的基础上,取汉明距离阈值若步骤Step5中图像A、B之间基于PHash的汉明距离Dis(A,B)=4,则判定图像A和图像B相似;若步骤Step5中图像A、B之间基于PHash的汉明距离Dis(A,B)=12,则判定图像A和图像B不相似。
以上结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (7)
1.一种基于改进PHash算法的图像相似判定方法,其特征在于:首先通过基准图及考察图对图像进行全方位旋转操作,生成上、下、左、右、左上、左下、右上、右下等8张剪裁旋转图,其后通过PHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于PHash的汉明距离,并取其最小值作为图像之间基于PHash的汉明距离;若基于PHash的汉明距离小于阈值,则判定为图像相似;若基于PHash的汉明距离大于阈值,则判定为图像不相似;
具体步骤为:
Step1:获取图像A和图像B;
Step2:将图像A、B作为基准图,并在图像A、B中相同位置截取相同大小的图像作为考察图
Step3:对图像A、B分别进行一定规则的方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];具体如Step3.1~Step3.4所示;
Step3.1:记考察图的大小为M×N,其中心位置坐标为(x,y);
Step3.2:以中心位置坐标(x,y)作为基准图像A、B的中心,重新在基准图上截取大小为M′×N′的截取后的图像A′、B′,其中M′≥M,N′≥N;
Step3.3:对截取后的图像A′、B′进行45°t,t∈[1,8]方向旋转变化,得到旋转后的图像A′m,m∈[1,8]和B′n,n∈[1,8];
Step3.4:对图像A′m,m∈[1,8]和B′n,n∈[1,8]以中心位置坐标(x,y)为中心,截取大小为M×N的图像,得到最终的旋转图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step4:通过PHash算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行Hash化,得到图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.6所示;
Step4.1:将图像A″m、B″n的大小压缩至32×32;
Step4.2:将压缩后的图像A″m、B″n转化为256阶灰度图像,并表示为矩阵形式其中为矩阵元素值;
Step4.3:计算矩阵的DCT矩阵其中矩阵元素值表示为
Step4.4:保留矩阵的左上角8×8部分,删除其余部分;
Step4.5:计算矩阵的平均值将矩阵按照从上至下(i=1→8)、从左至右(j=1→8)的规则,根据公式(1)进行值优化,并对其连接生成图像A″m、B″n的PHash值其中T(i,j)代表适用于u代表适用于
Step4.6:通过图像A″m、B″n的PHash值计算图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8];
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个汉明距离,根据公式(2)选出其中最小值作为图像A、B之间基于PHash的汉明距离Dis(A,B);
Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8] (2)
Step6:定义汉明距离阈值若图像A、B之间基于PHash的汉明距离Dis(A,B)满足公式(3)要求,则判定图像A和图像B相似;若满足公式(4)要求,则判定图像A和图像B不相似。
2.根据权利要求1所述的基于改进PHash算法的图像相似判定方法,其特征在于:所述步骤Step1中,图像A和图像B可以为任意大小的图像,且图像格式任意。
3.根据权利要求1所述的基于改进PHash算法的图像相似判定方法,其特征在于:所述步骤Step3.2中,截取的图像的大小要大于考察图像的大小,即满足M′≥M,N′≥N的要求。
4.根据权利要求1所述的基于改进PHash算法的图像相似判定方法,其特征在于:所述步骤Step4.4中,可以保留矩阵的左上角8×8部分,也可以保存其他局部矩阵,相应的汉明距离阈值要根据矩阵的元素个数进行更改。
5.根据权利要求1所述的基于改进PHash算法的图像相似判定方法,其特征在于:所述步骤Step4.5中,汉明距离指两串Hash值进行异或运算后,结果为“1”的个数。
6.根据权利要求1所述的基于改进PHash算法的图像相似判定方法,其特征在于:所述步骤Step5中为了降低处理速度,去除重复后可简化计算至1+2+…+Max(m,n)=36个汉明距离。
7.根据权利要求1所述的基于改进PHash算法的图像相似判定方法,其特征在于:所述步骤Step6中,汉明距离阈值通常取
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984201.8A CN109389147B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进PHash算法的图像相似判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984201.8A CN109389147B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进PHash算法的图像相似判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109389147A true CN109389147A (zh) | 2019-02-26 |
CN109389147B CN109389147B (zh) | 2022-02-08 |
Family
ID=65417582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810984201.8A Active CN109389147B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进PHash算法的图像相似判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109389147B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020196976A1 (en) * | 2001-04-24 | 2002-12-26 | Mihcak M. Kivanc | Robust recognizer of perceptually similar content |
WO2008105343A1 (ja) * | 2007-02-28 | 2008-09-04 | Nec Corporation | メッセージ認証装置 |
CN101710334A (zh) * | 2009-12-04 | 2010-05-19 | 大连理工大学 | 基于图像哈希的大规模图像库检索方法 |
CN102651074A (zh) * | 2012-02-22 | 2012-08-29 | 大连理工大学 | 一种基于纹理特征的打印纸张同一认定方法 |
US20130254191A1 (en) * | 2011-12-06 | 2013-09-26 | The Trustees Of Columbia University In The City Of New York | Systems and methods for mobile search using bag of hash bits and boundary reranking |
US8676725B1 (en) * | 2009-06-05 | 2014-03-18 | Google Inc. | Method and system for entropy-based semantic hashing |
CN103699691A (zh) * | 2014-01-10 | 2014-04-02 | 五八同城信息技术有限公司 | 生成图像指纹及基于此进行相似图像检索的方法 |
US20140201773A1 (en) * | 2009-05-29 | 2014-07-17 | Zeev Neumeier | Systems and methods for on-screen graphics detection |
CN104298791A (zh) * | 2014-11-19 | 2015-01-21 | 中国石油大学(华东) | 一种基于集成哈希编码的快速图像检索方法 |
CN104317902A (zh) * | 2014-10-24 | 2015-01-28 | 西安电子科技大学 | 基于局部保持迭代量化哈希的图像检索方法 |
CN104504120A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇艺世纪科技有限公司 | 一种相似图片检测方法及装置 |
US20150339829A1 (en) * | 2014-05-20 | 2015-11-26 | AVAST Software s.r.o. | Tunable multi-part perceptual image hashing |
US20150373359A1 (en) * | 2014-06-19 | 2015-12-24 | Vid Scale, Inc. | Methods and systems for intra block copy search enhancement |
CN107911601A (zh) * | 2017-11-21 | 2018-04-13 | 深圳市欧信计算机通信科技有限公司 | 一种拍照时智能推荐拍照表情和拍照姿势的方法及其*** |
CN108256082A (zh) * | 2018-01-22 | 2018-07-06 | 北京邮电大学 | 一种基于深度多相似度哈希的多标签图像检索方法 |
CN108389259A (zh) * | 2018-03-13 | 2018-08-10 | 武汉大学 | 一种随机中心聚集图像网目调方法和*** |
-
2018
- 2018-08-28 CN CN201810984201.8A patent/CN109389147B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020196976A1 (en) * | 2001-04-24 | 2002-12-26 | Mihcak M. Kivanc | Robust recognizer of perceptually similar content |
WO2008105343A1 (ja) * | 2007-02-28 | 2008-09-04 | Nec Corporation | メッセージ認証装置 |
US20140201773A1 (en) * | 2009-05-29 | 2014-07-17 | Zeev Neumeier | Systems and methods for on-screen graphics detection |
US8676725B1 (en) * | 2009-06-05 | 2014-03-18 | Google Inc. | Method and system for entropy-based semantic hashing |
CN101710334A (zh) * | 2009-12-04 | 2010-05-19 | 大连理工大学 | 基于图像哈希的大规模图像库检索方法 |
US20130254191A1 (en) * | 2011-12-06 | 2013-09-26 | The Trustees Of Columbia University In The City Of New York | Systems and methods for mobile search using bag of hash bits and boundary reranking |
CN102651074A (zh) * | 2012-02-22 | 2012-08-29 | 大连理工大学 | 一种基于纹理特征的打印纸张同一认定方法 |
CN103699691A (zh) * | 2014-01-10 | 2014-04-02 | 五八同城信息技术有限公司 | 生成图像指纹及基于此进行相似图像检索的方法 |
US20150339829A1 (en) * | 2014-05-20 | 2015-11-26 | AVAST Software s.r.o. | Tunable multi-part perceptual image hashing |
US20150373359A1 (en) * | 2014-06-19 | 2015-12-24 | Vid Scale, Inc. | Methods and systems for intra block copy search enhancement |
CN104317902A (zh) * | 2014-10-24 | 2015-01-28 | 西安电子科技大学 | 基于局部保持迭代量化哈希的图像检索方法 |
CN104298791A (zh) * | 2014-11-19 | 2015-01-21 | 中国石油大学(华东) | 一种基于集成哈希编码的快速图像检索方法 |
CN104504120A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇艺世纪科技有限公司 | 一种相似图片检测方法及装置 |
CN107911601A (zh) * | 2017-11-21 | 2018-04-13 | 深圳市欧信计算机通信科技有限公司 | 一种拍照时智能推荐拍照表情和拍照姿势的方法及其*** |
CN108256082A (zh) * | 2018-01-22 | 2018-07-06 | 北京邮电大学 | 一种基于深度多相似度哈希的多标签图像检索方法 |
CN108389259A (zh) * | 2018-03-13 | 2018-08-10 | 武汉大学 | 一种随机中心聚集图像网目调方法和*** |
Non-Patent Citations (1)
Title |
---|
曹路等: "基于离散监督哈希的相似性检索算法", 《科学技术与工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109389147B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021218314A1 (zh) | 基于位置定位的事件识别方法、装置、设备及存储介质 | |
KR101662972B1 (ko) | 단일 이미지로부터 깊이를 추정하기 | |
WO2019227615A1 (zh) | 校正***图像的方法、装置、计算机设备和存储介质 | |
CN103440645B (zh) | 一种基于自适应粒子滤波和稀疏表示的目标跟踪算法 | |
WO2020143316A1 (zh) | 证件图像提取方法及终端设备 | |
US9551579B1 (en) | Automatic connection of images using visual features | |
CN106651897B (zh) | 一种基于超像素分割的视差修正方法 | |
US20110202492A1 (en) | Probabilistic voxel-based database | |
CN109284446A (zh) | 一种poi信息融合方法 | |
CN106384363B (zh) | 一种快速自适应权重立体匹配方法 | |
CN102609950A (zh) | 一种二维视频深度图的生成方法 | |
Yang et al. | Visual SLAM based on semantic segmentation and geometric constraints for dynamic indoor environments | |
Ni et al. | Second-order semi-global stereo matching algorithm based on slanted plane iterative optimization | |
CN109146888A (zh) | 一种基于差商分析的土裂隙分形维数计算方法 | |
US9299191B2 (en) | Adaptive artifact removal | |
CN110942102A (zh) | 一种概率松弛核线匹配方法及*** | |
CN102708379B (zh) | 一种立体视觉的遮挡像素分类算法 | |
CN109389147A (zh) | 一种基于改进PHash算法的图像相似判定方法 | |
Thomee et al. | Finding social points of interest from georeferenced and oriented online photographs | |
CN107452003A (zh) | 一种含有深度信息的图像分割的方法及装置 | |
CN115965961B (zh) | 局部到全局的多模态融合方法、***、设备及存储介质 | |
CN109389148A (zh) | 一种基于改进DHash算法的图像相似判定方法 | |
CN103927782A (zh) | 一种用于深度图像曲面拟合的方法 | |
US20230306637A1 (en) | Machine learning based image calibration using dense fields | |
CN103268586B (zh) | 一种基于热扩散理论的窗融合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
OL01 | Intention to license declared |