[发明专利]一种图像过滤方法及系统

权利要求书

1.一种图像过滤方法，其特征在于，包括，

对所述图像进行图像特征的提取；

根据提取的图像特征，对所述图像进行图像指纹的提取；

根据提取的图像指纹，通过布隆滤波器对所述图像进行过滤。

2.根据权利要求1所述的方法，其特征在于，所述对所述图像进行图像特征的提取具体包括，对所述图像的颜色、轮廓、LAB特征进行提取，得到所述图像的颜色特征、轮廓特征、LAB特征。

3.根据权利要求2所述的方法，其特征在于，

颜色特征的提取包括，

（1）将彩色图像由RGB颜色模型转化为HSV颜色模型；

（2）将HSV颜色空间内的所有颜色进行量化，具体量化的方式为对H、S和V三个分量分别量化成Nh，Ns，Nv个bins，进行组合将所有颜色量化到L=Nh*Ns*Nv个级别内；

（3）将图像划分成M个大小相等的区域，在每个区域内分别统计量化后的各颜色的分布情况，每个区域内便可得到一个L维的颜色直方图；

（4）将各个区域内的颜色直方图进行归一化，使直方图的各个分量都可以用0~255的整数表示，将M个直方图进行连接得到图像的M*L维颜色特征；

轮廓特征的提取包括，

（1）将彩色图像转化为灰度图像；

（2）在灰度图像上提取图像的Canny边缘；对边缘点的像素分别计算边缘的方向，边缘的方向可通过计算，其中dy=I(i,j+1)-I(i-1,j)，dx=I(i+1,j)-I(i-1,j)，I(i,j)表示灰度图像中第i行，第j列的图像的像素值。对边缘点的方向进行量化，量化到8个方向；

（3）将图像划分成N个大小相等的区域，在每个区域内分别统计量化后的边缘方向的直方图，每个区域可得到一个8位的边缘方向直方图；

（4）将各个区域内的边缘方向直方图进行归一化，使直方图的各个分量可以用0~255的整数表示，N个区域的直方图连接起来得到8*N的轮廓特征；

LAB特征的提取包括，

（1）将彩色图像转化为灰度图像；

（2）将灰度图像划分成O个大小相等的区域；

（3）将每个区域划分成3*3的子区域，分别统计子区域的像素的累积灰度值；

（4）将3*3个子区域中的外围8个子区域的累积灰度值与中心子区域的累积灰度值进行比较，若前者大，记1，反之，记0，得到8个由0、1构成的LAB特征，用一个字节表示，将O个区域的LAB特征连接得到一个由O个字节表示的特征串。

4.根据权利要求3所述的方法， 其特征在于，所述进行图像指纹的提取具体包括，

将图像的颜色和轮廓特征进行embedding，即将所述颜色和轮廓特征中各个分量按其取值范围转化为一系列0、1组成的二进制序列。

将颜色和轮廓特征转化得到的二进制序列同LAB特征连接起来就得到了图像的一个二进制序列描述。对所述二进制序列描述进行随机采样，将结果按长度L连接起来便可得到图像的一个L位的二进制指纹。

5.根据权利要求4所述的方法，其特征在于，所述通过布隆滤波器对所述图像进行过滤具体包括，

对图像的K个指纹分别进行哈希，将哈希后的结果分别到K个布隆滤波器中进行查看对应位置上是否为1，统计各个指纹是否已经存在；设定一个阈值T，若图像的K个指纹中有超过T个指纹已经存在，则判定此图像已有近似重复图被保存，舍掉该图像，否则，将图像的各个特征所在的布隆滤波器的相应位置1，并将图像存入图像数据库中。

6.根据权利要求1至5任一所述的方法，其特征在于，在对所述图像进行图像特征的提取之前，还包括，根据图像的url进行去重，具体为，在爬虫阶段，通过对图片的url进行哈希化，将其放入一个布隆过滤器中，如果图像的url在之前已经被爬取过，在布隆滤波器中就会有所记录，舍掉该url。

7.根据权利要求6所述的方法，其特征在于，还包括，根据图像的内容进行去重，具体为，对图像的文件进行哈希化，使用另外一个布隆滤波器，对由图像内容得到的指纹进行过滤，如果布隆滤波器中标记该图像的内容已存在，则这张图像会被舍弃掉。