[发明专利]一种识别重复图片的方法、图片搜索去重方法及其装置

权利要求书

1.一种识别重复图片的方法，其特征在于，该方法包括：

确定待识别图片的Phash值，对所述Phash值进行分段，得到分段后的每个Phash分值；

判断所述待识别图片分段后的每个Phash分值是否命中拉链数据库中其他图片分段后的Phash分值；

当待识别图片的Phash分值命中拉链数据库中其他图片的Phash分值时，确定所述待识别图片与拉链数据库中的其他图片是否重复；

否则，将所述待识别图片的信息保存到所述拉链数据库中；

其中，所述将所述待识别图片的信息保存到所述拉链数据库中包括：

将所述待识别图片的Phash分值及所述待识别图片的Phash值保存在所述拉链数据库的头部，其中所述拉链数据库按照图片产生的时间，从前到后保存各图片的信息。

2.如权利要求1所述的方法，其特征在于，所述确定所述待识别图片与拉链数据库中的其他图片是否重复包括：

针对Phash分值被命中的拉链数据库中的每个其他图片，根据该待识别图片的Phash值和每个其他图片Phash值的汉明距离，确定所述待识别图片与拉链数据库中的其他图片是否重复。

3.如权利要求2所述的方法，其特征在于，所述确定所述待识别图片与拉链数据库中的其他图片是否重复包括：

确定所述待识别图片与所述每个其他图片的汉明距离，提取所述汉明距离的最小值；

判断所述最小值是否小于设定的比较阈值；

当所述最小值小于设定的比较阈值时，确定所述待识别图片与拉链数据库中的其他图片重复，否则，确定该待识别图片与拉链数据库中的其他图片不重复。

4.如权利要求1～2任一项所述的方法，其特征在于，所述确定所述待识别图片与拉链数据库中的其他图片是否重复包括：

针对每个其他图片中的第一图片，确定该待识别图片的Phash值与该第一图片的Phash值的汉明距离，并判断该汉明距离是否小于设定的第一阈值；

当该汉明距离小于设定的第一阈值时，确定该待识别图片与该第一图片重复；

当该汉明距离不小于设定的第一阈值时，判断所述汉明距离是否小于设定的第二阈值，其中第一阈值小于第二阈值；

当所述汉明距离小于设定的第二阈值时，确定所述待识别图片与剩余的每个其他图片的汉明距离，提取汉明距离的最小值，判断所述最小值是否小于设定的第一阈值，当所述最小值小于设定的第一阈值时，确定所述待识别图片与拉链数据库中的其他图片重复，否则，确定该待识别图片与所述其他图片不重复。

5.如权利要求1～2任一项所述的方法，其特征在于，所述待识别图片包括新闻图片和热点图片。

6.如权利要求1～2任一项所述的方法，其特征在于，所述对所述Phash值进行分段包括：

将所述Phash值分为多个单元段，每个单元段采用不同的比特数；

采用顺序移位方法，得到每个Phash分值。

7.一种识别重复图片的装置，其特征在于，所述装置包括：

分段模块，用于确定待识别图片的Phash值，对所述Phash值进行分段，得到分段后的每个Phash分值；

拉链数据库，用于存储图片的Phash值及每个Phash分值；

判断模块，用于判断所述待识别图片分段后的每个Phash分值是否命中拉链数据库中的其他图片分段后的Phash分值；

比较识别模块，用于当判断模块判断所述待识别图片的Phash分值命中拉链数据库中其他图片的Phash分值时，确定所述待识别图片与拉链数据库中的其他图片是否重复；当判断模块判断待识别图片的每个Phash分值未命中拉链数据库中的其他图片的Phash分值时，将所述待识别图片的信息保存到所述拉链数据库中；其中将所述待识别图片的Phash分值及所述待识别图片的Phash值保存在所述拉链数据库的头部，其中所述拉链数据库按照图片产生的时间，从前到后保存各图片的信息。

8.如权利要求7所述的装置，其特征在于，所述比较识别模块，具体用于针对Phash分值被命中的拉链数据库中的每个其他图片，根据该待识别图片的Phash值和每个其他图片Phash值的汉明距离，确定所述待识别图片与拉链数据库中的其他图片是否重复。