[发明专利]图像特征点提取和实现方法、图像拷贝检测方法及其系统

说明书

技术领域

本发明涉及图像拷贝检测领域，尤其涉及图像特征点提取方法、实现方法、 图像拷贝检测方法和其系统。

背景技术

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 络上不停地传播自制图像，为数字图像内容管理、版权保护，特别是不良图像 过滤带来了越来越严重的挑战。

基于内容的图像拷贝检测，简称图像拷贝检测，作为一项重要的数字图像 管理技术，已成为当前的研究热点。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 该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，该些 拷贝攻击包括裁剪、旋转、加入字幕或商标、模糊、放缩、颜色、对比度变化 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该些拷贝攻击。

与传统的数字水印不同，图像拷贝检测技术是根据图像的内容判断图像之 间的相似性，而不必在图像发布前人工加入相关信息。图像拷贝检测技术手段 用于解决图像的版权保护，不良图像过滤、和图像库中冗余图像去除等技术问 题。

当前图像拷贝检测技术方案的关键技术手段为图像特征提取的方法，特征 可分为全局特征和局部特征两类。全局特征是对图像内容的整体性描述，如颜 色，形状和纹理等。全局特征计算简单检测速度快，但是对颜色、亮度和对比 度变化比较敏感，也不能有效应对裁剪和遮挡等拷贝攻击。现有技术中基于局 部特征的方法，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。局部特征对常见的攻击方式具有一定的鲁棒性，因此得 到了广泛的应用。但是局部特征计算复杂度高，即使目前速度最快的SURF算 法检测一幅640×480像素的图像平均也需要几百毫秒，不能满足大规模数据 下实时应用的需求。如何减少局部特征计算时间复杂度为现有技术中需要解 决的一个技术问题。现有技术中不同的解决方案如视觉关键词等已被提出，但 是由于CPU计算能力有限，时间性能提升幅度不大。

GPU(Graphics Processing Units图形处理器)，通常为显卡，自诞生 以来，计算能力以超越摩尔定律的速度发展。当前GPU的浮点运算能力远远超 过同代CPU，利用GPU进行加速计算成为新的研究热点。GPU在天体计算和图 像处理等通用计算领域得到广泛的应用，与CPU实现相比可以获得1-2个数量 级的加速比。在图像拷贝检测领域，利用GPU加速已有的局部特征提取算法已 被提出，获得时间性能一定的提升。已有算法虽然有潜在的并行特性，但是在 图像的多尺度模拟过程中由于需要计算每个像素点的响应值而过于耗时；并且 需要在不同存储器之间多次拷贝数据，因此不适于GPU。已有方法没有结合GPU 的硬件特性的更高效的局部特征提取算法，因此不能充分利用GPU的计算能力 来获得时间性能大幅提升。

发明内容

为解决上述问题，本发明提供了图像特征点提取方法、实现方法、图像拷 贝检测方法和其系统，能够提高检测速度，满足实时性要求。

本发明公开了一种图像特征点提取方法，包括：

步骤1，在被提取图像对应的低尺度图像上检测Harris角点，获得候选 特征点集合；

步骤2，对所述候选特征点集合中的每一个候选特征点，计算所述候选特 征点在所述被提取图像对应的多个高尺度图像下Hessian矩阵的DET值，根据 如果所述候选特征点的DET值在所述多个高尺度图像构成的尺度空间中没有 极大值或所述极大值小于预设阈值，则所述候选特征点为误检点，将所述候选 特征点从所述候选特征点集合中除去；所述候选特征点集合中剩余的候选特征 点为被提取图像的特征点。

所述步骤1进一步为，

步骤21，在被提取图像对应的低尺度图像上检测Harris角点，所述低尺 度图像是由被提取图像和高斯函数做卷积获得，高斯函数的标准差为所述低尺 度图像的尺度；

步骤22，将所述Harris角点中在同一像素位置重复出现的角点去除，剩 余角点组成所述候选特征点集合。

所述步骤2进一步为，