[发明专利]用于图像对比的数据压缩方法、图像对比方法及装置

说明书

本发明涉及一种用于图像对比的数据压缩方法、图像对比方法及装置。数据压缩方法，其包括以下步骤：划分步骤，采用设定的阈值划分所有的特征值，保留不小于阈值的特征值；排序步骤，将上一步保留的特征值从大至小排序，保留前N个特征值；存储步骤，将上一步得到的N个特征值中的每X个特征值及其初始位置通过Y个整型变量存储。通过将特征值划分、筛选后，将特征值和初始位置压缩存储在整型变量中，整个数据量得到极大减少，处理速度得到提高，对存储要求降低，同时也不会影响对比精度，能够适应整个互联网海量的图片对比处理。

技术领域

本发明涉及图像对比技术及数据处理技术，尤其涉及一种用于图像对比的数据压缩方法、图像对比方法及装置。

背景技术

图像对比技术先已经有非常广泛的应用。目前图片比对的需求通常是：比对两张图是否相同、或部分相同，并且需要在互联网上做海量图片比对。如此大规模图像比对，在比对算法上有比较高的要求。既要确保比对准确性，也要保证机器能扛住。机器能否扛住，其中一个指标是内存、速度这一矛盾问题。对海量图片，如果将特征存储在磁盘中，读取一个特征假设0.01秒，那么100万个图就需要1万秒。互联网上图片远不止100万这个数量级。因此需要考虑减少数据存储量和处理量。

一般比对算法都会用到使用视觉词袋技术，最早出现在神经语言程序学(NLP)和信息检索(IR)领域。该技术忽略掉文本的语法和语序，用一组无序的单词(words)来表达一段文字或一个文档。近年来，视觉词袋模型被广泛应用于计算机视觉中。与应用于文本的视觉词袋模型类比，图像的特征(feature)被当作单词(Word)，把图像“文字化”之后，有助于大规模的图像检索。视觉词袋技术中，每一张图需要128个浮点类型(float/double)作为特征值，特征值表示的是每个样本图片到字典库的“距离”，取值范围是[0,1]。特征值大部分都是很小的小数，趋近于0，只有几个数据是零点几，或零点零几，所以要用浮点数表示，因此128个浮点数最少需要512字节(实际上加上辅助数据会远超这个数)。100万图片需要488.28MB内存，1000万张图需要4882.8MB内存，1亿张图需要48.828GB内存。这样庞大的数据量对处理速度和存储容量都提出了非常高的要求，有待改进。

发明内容

本发明的目的在于为克服现有技术中数据量庞大的缺陷，而提供一种用于图像对比的数据压缩方法、图像对比方法及装置。

为实现上述目的，本发明采用以下技术方案：用于图像对比的数据压缩方法，其包括以下步骤：

划分步骤，采用设定的阈值划分所有的特征值，保留不小于阈值的特征值；

排序步骤，将上一步保留的特征值从大至小排序，保留前N个特征值；

存储步骤，将上一步得到的N个特征值中的每X个特征值及其初始位置通过Y个整型变量存储。

本发明与现有技术相比的有益效果是：通过将特征值划分、筛选后，将特征值和初始位置压缩存储在整型变量中，整个数据量得到极大减少，处理速度得到提高，对存储要求降低，同时也不会影响对比精度，能够适应整个互联网海量的图片对比处理。

其中一方面，存储步骤中，将Y个整型变量拆分成X份单元存储位，单元存储位存储一个特征值及其初始位置的比特位数等于32×Y/X。

其中一方面，单元存储位分成两部分，一部分存储特征值所处的初始位置，另一部分存储特征值乘上固定倍率取整。固定倍率为65536。

其中一方面，Y＝1，X＝1或者Y＝3，X＝2。

本发明还公开了一种图像对比方法，其包括了以上的数据压缩方法以及还原步骤；还原步骤中，将单元存储位存储的特征值除以固定倍率得到原先特征值的近似值，同时提取单元存储位存储的特征值初始位置。