-
公开(公告)号：CN114648652B
公开(公告)日：2025-04-11
申请号：CN202210247400.7
申请日：2022-03-14
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/09
Abstract: 本发明涉及一种利用卷积神经网络和正交变换计算图像哈希值的方法，属于图像处理领域。本发明选择一个适当的图像分类卷积神经网络，利用训练图像训练卷积神经网络，使其达到稳定状态；将需要计算哈希值的图像输入训练好的卷积神经网络，保留卷积神经网络类概率层的输入作为图像的一级特征；利用正交变换，将图像的一级特征变换为图像的二级特征；根据需要的哈希值长度，截取图像的二级特征的部分分量，根据截取的图像的二级特征的部分分量的平均值将截取的图像的二级特征的各个分量二值化为0或1。本发明能够有效利用卷积神经网络提取的输入图像的特征信息，使得相似图像的哈希值相似，有助于图像大数据的快速检索。
-
公开(公告)号：CN113626629B
公开(公告)日：2023-09-29
申请号：CN202110942325.1
申请日：2021-08-17
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06F16/51 , G06F16/583 , G06V10/46 , G06V10/28
Abstract: 本发明涉及一种利用尺度不变特征计算图像哈希值的方法，属于图像处理领域。本发明利用SIFT算法，计算图像的特征点及相应的尺度不变特征；根据图像中各个特征之间的距离，计算各个特征的权重；比较特征中的各个分量与相邻分量的大小，将特征的各个分量二值化，得到特征的哈希值；将特征的哈希值和权值相乘，得到特征的权重哈希值；将图像各个特征的权重哈希值相加，再将各分量二值化，得到图像的哈希值。本发明提出的计算图像哈希值的方法，利用尺度不变特征作为图像哈希值的基础，缩放、旋转、平移后的图像具有相似的哈希值，符合人类视觉习惯，有助于图像大数据的快速检索，在图像大数据应用中具有重要的应用价值。
-
公开(公告)号：CN114648652A
公开(公告)日：2022-06-21
申请号：CN202210247400.7
申请日：2022-03-14
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
Abstract: 本发明涉及一种利用卷积神经网络和正交变换计算图像哈希值的方法，属于图像处理领域。本发明选择一个适当的图像分类卷积神经网络，利用训练图像训练卷积神经网络，使其达到稳定状态；将需要计算哈希值的图像输入训练好的卷积神经网络，保留卷积神经网络类概率层的输入作为图像的一级特征；利用正交变换，将图像的一级特征变换为图像的二级特征；根据需要的哈希值长度，截取图像的二级特征的部分分量，根据截取的图像的二级特征的部分分量的平均值将截取的图像的二级特征的各个分量二值化为0或1。本发明能够有效利用卷积神经网络提取的输入图像的特征信息，使得相似图像的哈希值相似，有助于图像大数据的快速检索。
-
Patent Agency Ranking
公开(公告)号：CN113626629A
公开(公告)日：2021-11-09
申请号：CN202110942325.1
申请日：2021-08-17
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06F16/51 , G06F16/583 , G06K9/46 , G06K9/38
Abstract: 本发明涉及一种利用尺度不变特征计算图像哈希值的方法，属于图像处理领域。本发明利用SIFT算法，计算图像的特征点及相应的尺度不变特征；根据图像中各个特征之间的距离，计算各个特征的权重；比较特征中的各个分量与相邻分量的大小，将特征的各个分量二值化，得到特征的哈希值；将特征的哈希值和权值相乘，得到特征的权重哈希值；将图像各个特征的权重哈希值相加，再将各分量二值化，得到图像的哈希值。本发明提出的计算图像哈希值的方法，利用尺度不变特征作为图像哈希值的基础，缩放、旋转、平移后的图像具有相似的哈希值，符合人类视觉习惯，有助于图像大数据的快速检索，在图像大数据应用中具有重要的应用价值。
-
公开(公告)号：CN115129905B
公开(公告)日：2025-04-01
申请号：CN202210665668.2
申请日：2022-06-13
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06F16/51 , G06F16/583 , G06V10/46 , G06V10/74 , G06V10/28
Abstract: 本发明涉及一种利用尺度不变特征和本征值计算图像哈希值的方法，属于图像处理领域。本发明包括利用尺度不变特征变换算法，计算图像的特征点及相应的尺度不变特征；计算图像的全部尺度不变特征组成矩阵的本征值；对图像本征值进行正交变换，根据需要截取部分低频系数；计算截取的图像本征值变换系数的平均值，各系数与平均值比较后二值化，得到图像的哈希值。本发明提出的计算图像哈希值的方法，利用尺度不变特征作为图像哈希值的基础，使得缩放、旋转、平移后的图像具有相似的哈希值，符合人类视觉习惯，并能处理不同图像有不同数目特征点的情况，根据需要确定图像哈希值的长度，有助于图像大数据的快速检索。
-
公开(公告)号：CN113436188B
公开(公告)日：2023-02-03
申请号：CN202110854478.0
申请日：2021-07-28
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种利用卷积计算图像哈希值的方法，属于图像处理领域。本发明选择一个适当的图像分类卷积神经网络，利用训练图像训练卷积神经网络，使其达到稳定状态；将需要计算哈希值的图像输入卷积神经网络，保留卷积神经网络中每一层的卷积操作输出的特征图像；计算每一层各个特征图像的信号强度和每一层全部特征图像的平均信号强度，根据特征图像的信号强度和平均信号强度的相对大小，计算每一层的哈希值；将各层哈希值串接就得到图像的哈希值。本发明提出的计算图像哈希值的方法，能够有效提取卷积神经网络提取的输入图像的特征信息，使得相似图像的哈希值相似，有助于图像大数据的快速检索，在图像大数据应用中具有重要的应用价值。
-
公开(公告)号：CN113436188A
公开(公告)日：2021-09-24
申请号：CN202110854478.0
申请日：2021-07-28
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种利用卷积计算图像哈希值的方法，属于图像处理领域。本发明选择一个适当的图像分类卷积神经网络，利用训练图像训练卷积神经网络，使其达到稳定状态；将需要计算哈希值的图像输入卷积神经网络，保留卷积神经网络中每一层的卷积操作输出的特征图像；计算每一层各个特征图像的信号强度和每一层全部特征图像的平均信号强度，根据特征图像的信号强度和平均信号强度的相对大小，计算每一层的哈希值；将各层哈希值串接就得到图像的哈希值。本发明提出的计算图像哈希值的方法，能够有效提取卷积神经网络提取的输入图像的特征信息，使得相似图像的哈希值相似，有助于图像大数据的快速检索，在图像大数据应用中具有重要的应用价值。
-
公开(公告)号：CN115129905A
公开(公告)日：2022-09-30
申请号：CN202210665668.2
申请日：2022-06-13
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06F16/51 , G06F16/583 , G06V10/46 , G06V10/74 , G06V10/28
Abstract: 本发明涉及一种利用尺度不变特征和本征值计算图像哈希值的方法，属于图像处理领域。本发明包括利用尺度不变特征变换算法，计算图像的特征点及相应的尺度不变特征；计算图像的全部尺度不变特征组成矩阵的本征值；对图像本征值进行正交变换，根据需要截取部分低频系数；计算截取的图像本征值变换系数的平均值，各系数与平均值比较后二值化，得到图像的哈希值。本发明提出的计算图像哈希值的方法，利用尺度不变特征作为图像哈希值的基础，使得缩放、旋转、平移后的图像具有相似的哈希值，符合人类视觉习惯，并能处理不同图像有不同数目特征点的情况，根据需要确定图像哈希值的长度，有助于图像大数据的快速检索。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.034 seconds)
