基于局部特征的WEB近重复图像检测

doi:10.3778/j.issn.1002-8331.2010.28.053

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (28): 189-191.DOI: 10.3778/j.issn.1002-8331.2010.28.053

• 图形、图像、模式识别 • 上一篇下一篇

基于局部特征的WEB近重复图像检测

刘红^1，2，文朝晖²

1.第二军医大学网络信息中心，上海 200433
2.复旦大学计算机科学技术学院，上海 200433

收稿日期:2009-03-02 修回日期:2009-04-16 出版日期:2010-10-01 发布日期:2010-10-01
通讯作者: 刘红

WEB near-duplicate image detection based on local feature

LIU Hong^1，2，WEN Zhao-hui²

1.Network Information Center，the Second Military Medical University，Shanghai 200433，China
2.School of Computer Science，Fudan University，Shanghai 200433，China

Received:2009-03-02 Revised:2009-04-16 Online:2010-10-01 Published:2010-10-01
Contact: LIU Hong

摘要/Abstract

摘要： 首先分析了不同类型的图像特征对不同重复图像类型检测性能的影响，SIFT局部描述子不仅具有良好的尺度和亮度不变性，同时对仿射形变、视角改变和噪声等也有一定的鲁棒性，因此选择了SIFT描述子来描述图像特征。同时针对SIFT特征在检测过程中匹配计算代价大的缺点，提出了基于奇异值分解的SIFT特征点集合匹配方法，实验结果表明该方法在检测效果和检测时间方面取得了一个很好的平衡。

关键词: 图像局部特征, 尺度不变特征变换（SIFT）, 重复图像检测

Abstract: This paper analyzes the relationship between image feature types and the performance of near-duplicate image detection.Because of its good stability and discrimination，this paper chooses SIFT descriptor to detect near-duplicate images.SIFT descriptor not only is tolerant to scale changes，illumination variations，and image rotations，but also is robust to affine distortion，change of viewpoints and additive noise.Whereas，in order to overcome the shortcoming in terms of the large number of SIFT points and high computational costs for matching，this paper presents a SVD-based method to compute the similarity of two SIFT feature point sets.Experimental results show that SVD-based SIFT feature point sets matching method gets a better tradeoff between the effect of detection and detection time costs.

Key words: image local feature, Scale Invariant Feature Transform（SIFT）, near-duplicate image detection

中图分类号:

TP391.4

刘红^1，2，文朝晖². 基于局部特征的WEB近重复图像检测[J]. 计算机工程与应用, 2010, 46(28): 189-191.

LIU Hong^1，2，WEN Zhao-hui². WEB near-duplicate image detection based on local feature[J]. Computer Engineering and Applications, 2010, 46(28): 189-191.

[1]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[2]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[3]	程德强，白春梦，郭昕，李腾腾，庄焕东，徐辉. 基于分层区域的自适应图像配准算法[J]. 计算机工程与应用, 2019, 55(17): 199-206.
[4]	李和阳，孙云莲，黄雅鑫，黎圣旻，余军伟. 基于图像匹配的变压器套管工况识别方法研究[J]. 计算机工程与应用, 2018, 54(5): 211-216.
[5]	龚正，王强. 基于微观图像的图像拼接算法研究[J]. 计算机工程与应用, 2018, 54(2): 198-202.
[6]	贾雯晓1，张贵仓1，汪亮亮1，秦娜2. 基于SIFT和改进的RANSAC图像配准算法[J]. 计算机工程与应用, 2018, 54(2): 203-207.
[7]	王其浩1，2，王斌1，2. 用于图像购物搜索的局部匹配算法[J]. 计算机工程与应用, 2017, 53(6): 246-251.
[8]	阳小燕1，任家富1，刘长江2. 基于视野分界线的多摄像机运动目标跟踪算法[J]. 计算机工程与应用, 2016, 52(9): 208-212.
[9]	王君竹，陈丽芳，刘渊. 基于张量投票的摄像机自标定方法研究[J]. 计算机工程与应用, 2016, 52(15): 190-197.
[10]	董晓庆，陈洪财. 光照变化环境下的SIFT改进算法[J]. 计算机工程与应用, 2016, 52(15): 222-227.
[11]	许钢，林园胜，江娟娟，江明. 改进型SIFT立体匹配算法研究[J]. 计算机工程与应用, 2015, 51(6): 134-138.
[12]	魏利胜1，2，周圣文1. 新型优化SIFT的图像快速配准方法研究[J]. 计算机工程与应用, 2015, 51(5): 167-171.
[13]	苏可心1，2，韩广良2，孙海江2. 一种抗视角变换的改进SIFT景象匹配算法[J]. 计算机工程与应用, 2015, 51(5): 172-177.
[14]	何瑾1，丁学文1，张昊2. 应用边缘图像SIFT特征配准印鉴图像[J]. 计算机工程与应用, 2015, 51(3): 152-156.
[15]	彭太乐1，2，张文俊3，丁友东3，郭桂芳2. 基于时序上下文的视频场景分类[J]. 计算机工程与应用, 2014, 50(9): 103-106.

基于局部特征的WEB近重复图像检测

WEB near-duplicate image detection based on local feature

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics