專利名稱：一種基于數(shù)字簽名對多個圖像進行相似判斷的設備和方法
技術領域：
本發(fā)明涉及互聯(lián)網(wǎng)技術領域，尤其涉及用于通過數(shù)字簽名對多個圖像進行相似判斷的圖像處理技術。
背景技術：
在諸如搜索引擎或信息檢索系統(tǒng)的應用中，一個查詢序列大多數(shù)時候?qū)诙鄠€查詢結果，在這些查詢結果中，由于超鏈接、反向鏈接或網(wǎng)頁來源不同，相同的搜索信息可能會以兩個或兩個以上的查詢結果呈現(xiàn)給用戶。以圖像為例，當用戶鍵入圖像查詢序列后，相同的圖像查詢結果可能會有不同的版本，并且每個版本分別對應于不同的圖像查詢結果，導致版本不同的情形可能包括圖像邊緣的裁剪尺寸不同、圖像所添加的Logo不一樣、 圖像中的噪聲不同或者圖像分辨率不同。如果不對這些實質(zhì)上包含相同圖像的查詢結果進行相應處理，可能會極大地降低用戶的圖像搜索體驗。有鑒于此，如何設計一種對多個圖像進行相似判斷的方法，基于所述多個圖像中每個圖像的數(shù)字簽名來進行相似判斷，并根據(jù)相似判斷結果來對所述圖像進行相應處理，提高用戶的圖像搜索體驗，是相關技術人員亟待解決的一項課題。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于數(shù)字簽名對多個圖像進行相似判斷的設備和方法。根據(jù)本發(fā)明的一個方面，提供一種用于基于數(shù)字簽名對多個圖像進行相似判斷的方法，其中，該方法包括以下步驟a獲取一個圖像的圖像特征信息；b對所述圖像的圖像特征信息進行預定數(shù)字處理，生成該圖像所對應的一個數(shù)字簽名；其中，該方法還包括根據(jù)待處理的多個圖像中各個圖像所對應的數(shù)字簽名，對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理。根據(jù)本發(fā)明的另一個方面，還提供了一種用于基于數(shù)字簽名對多個圖像進行相似判斷的設備，其中，所述設備包括第一獲取裝置，用于獲取一個圖像的圖像特征信息；生成裝置，用于對所述圖像的圖像特征信息進行預定數(shù)字處理，生成該圖像所對應的一個數(shù)字簽名；其中，該設備還包括判斷裝置，用于根據(jù)待處理的多個圖像中各個圖像所對應的數(shù)字簽名，對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理。根據(jù)本發(fā)明的再一個方面，還提供了一種搜索引擎，其中，該搜索引擎包括如上述本發(fā)明的一個方面所述的用于基于數(shù)字簽名對多個圖像進行相似判斷的設備。與現(xiàn)有技術相比，本發(fā)明基于所述多個圖像中每個圖像的數(shù)字簽名來進行相似判斷，并根據(jù)相似判斷結果來對所述圖像進行相應處理，提高了對多個圖像進行相似判斷的處理效率。此外，若將處理后的一個或多個圖像提供給用戶，也會增強用戶的圖像搜索體驗。


通過閱讀參照以下附圖所作的對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯圖I示出依據(jù)本發(fā)明一個方面的基于數(shù)字簽名對多個圖像進行相似判斷的設備示意圖；圖2示出依據(jù)本發(fā)明一優(yōu)選實施例的基于數(shù)字簽名對多個圖像進行相似判斷的設備不意圖；圖3示出依據(jù)本發(fā)明另一個方面的用于基于數(shù)字簽名對多個圖像進行相似判斷的方法流程圖；·圖4示出依據(jù)本發(fā)明一優(yōu)選實施例的用于基于數(shù)字簽名對多個圖像進行相似判斷的方法流程圖。附圖中相同或相似的附圖標記代表相同或相似的部件。
具體實施例方式下面結合附圖對本發(fā)明作進一步詳細描述。圖I示出依據(jù)本發(fā)明一個方面的基于數(shù)字簽名對多個圖像進行相似判斷的設備示意圖。其中，判斷設備I包括但不限于網(wǎng)絡主機、單個網(wǎng)絡服務器、多個網(wǎng)絡服務器集或多個服務器構成的云。在此，云可以由基于云計算(Cloud Computing)的大量計算機或網(wǎng)絡服務器構成，其中，云計算是分布式計算的一種由一群松散耦合的計算機集組成的一個超級虛擬計算機。其中，所述判斷設備I包括第一獲取裝置11、生成裝置12和判斷裝置13。第一獲取裝置11獲取一個圖像的圖像特征信息。具體地，第一獲取裝置11例如通過搜索引擎等第三方設備所提供的應用程序接口(API)或約定的通信方式，從該第三方設備獲取所述圖像，并針對所獲取的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來得到所述圖像的圖像特征信息；或者，通過搜索引擎等第三方設備所提供的應用程序接口(API)或約定的通信方式，從該第三方設備獲取該用戶通過用戶設備輸入的圖像查詢序列，并將所述圖像查詢序列在搜索索引庫中進行匹配查詢，獲取與所述圖像查詢序列相對應的所述圖像，并針對所獲取的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來得到所述圖像的圖像特征信息；或者，通過頁面技術，如ASP、JSP、PHP等，從用戶設備獲取用戶通過該用戶設備輸入的圖像查詢序列，并將所述圖像查詢序列在搜索索引庫中進行匹配查詢，獲取與所述圖像查詢序列相對應的所述圖像，并針對所獲取的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來得到所述圖像的圖像特征信息。例如，用戶在搜索輸入欄中鍵入查詢序列“鮮花”，第一獲取裝置11調(diào)用諸如搜索引擎等第三方設備所提供的應用程序接口(API)或其他約定的通信方式，獲取所述查詢序列“鮮花”，然后根據(jù)所獲取的查詢序列“鮮花”得到對應的圖像，并針對所得到的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來獲取所述圖像的圖像特征信息。又如，對于圖像檢索系統(tǒng)，第一獲取裝置11接收自該圖像檢索系統(tǒng)發(fā)送的新添加至該圖像檢索系統(tǒng)的一個圖像，或者在不同的圖像類別中隨機選取一個圖像，并針對所選取的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來獲取所述圖像的圖像特征信息。本領域技術人員應能理解上述獲取一個圖像的圖像特征信息的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的獲取一個圖像的圖像特征信息的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。生成裝置12對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述圖像所對應的一個數(shù)字簽名。具體地，通過第一獲取裝置11獲取所述圖像的圖像特征信息后，所述生成裝置12通過諸如降維方式、量化方式或歸一化處理方式對所述第一獲取裝置11獲取的圖像特征信息進行數(shù)字處理，生成所述圖像所對應的一個數(shù)字簽名。例如，第一獲取裝置11所獲取的圖像特征信息包括兩個圖像特征信息分量，如顏色類圖像特征信息和紋理類圖像特征信息，每個圖像特征信息分量均使用上百維的實數(shù)來表示，所述生成裝置12對所述每個圖像特征信息分量進行降維處理，從而將每個圖像特征信息分量使用維數(shù)更小的實數(shù)來表征。又如，第一獲取裝置11所獲取的圖像特征信息包括兩個圖像特征信息分量，每個·圖像特征信息分量均使用上百維的實數(shù)來表示，所述生成裝置12對所述每個圖像特征信息分量進行量化處理，比如，通過某一數(shù)學模型將每個圖像特征信息分量所對應的實數(shù)均量化為010101序列，從而將原先使用上百維實數(shù)表示的圖像特征信息分量改由更簡化的二進制序列來表示。本領域技術人員應能理解上述對所述每個圖像的圖像特征信息進行預定數(shù)字處理來生成所述每個圖像所對應的一個數(shù)字簽名的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的對所述每個圖像的圖像特征信息進行預定數(shù)字處理來生成所述每個圖像所對應的一個數(shù)字簽名的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。判斷裝置13根據(jù)待處理的多個圖像中各個圖像所對應的所述數(shù)字簽名，對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理。具體地，判斷裝置13通過離線方式或?qū)崟r方式來得到所述多個圖像中各個圖像所對應的所述數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理，如分類處理、過濾處理、去重處理等。例如，本發(fā)明持續(xù)不斷地通過所述第一獲取裝置11來獲取一個圖像的圖像特征信息并由所述生成裝置12對所述圖像的圖像特征信息進行預定數(shù)字處理，生成該圖像所對應的一個數(shù)字簽名，從而使判斷裝置13執(zhí)行以下兩種情形中的任意一種1)離線獲取所述多個圖像中各個圖像所對應的所述數(shù)字簽名，并根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷，基于相似判斷結果對所述多個圖像進行相應處理，如分類處理、過濾處理、去重處理等；2)在所述生成裝置12生成與所述圖像相對應的所述數(shù)字簽名后，實時獲取所述多個圖像中每個圖像所對應的所述數(shù)字簽名，依次進行相似判斷并基于相似判斷結果的相應處理，如分類處理、過濾處理、去重處理等。本領域技術人員應能理解上述對所述多個圖像進行相似判斷并基于相似判斷結果對所述多個圖像進行相應處理的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的對所述多個圖像進行相似判斷并基于相似判斷結果對所述多個圖像進行相應處理的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。優(yōu)選地，判斷設備I的各個裝置之間持續(xù)不斷地工作。具體地，第一獲取裝置11獲取一個圖像的圖像特征信息；然后，生成裝置12對所述圖像的圖像特征信息進行預定數(shù)字處理，生成該圖像所對應的一個數(shù)字簽名；接著，所述判斷裝置13根據(jù)待處理的多個圖像中各個圖像所對應的數(shù)字簽名，對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理。在此，本領域技術人員應理解“持續(xù)”是指判斷設備I的各裝置分別按照設定的或?qū)崟r調(diào)整的工作模式要求進行圖像的圖像特征信息的獲取、與所述圖像相對應的數(shù)字簽名的生成、根據(jù)多個圖像中各個圖像所對應的數(shù)字簽名對所述多個圖像的相似判斷、基于相似判斷結果對所述多個圖像的相應處理，直至判斷設備I在較長時間內(nèi)停止獲取所述圖像的圖像特征信息。優(yōu)選地，所述判斷設備I還包括第二獲取裝置(未示出)，所述第二獲取裝置獲取與所述圖像相對應的特征信息類型；其中，所述第一獲取裝置11還根據(jù)所述特征信息類型，基于圖像特征向量模型，獲取所述圖像特征信息。具體地，第二獲取裝置獲取與所述圖像相對應的特征信息類型，在此，所述特征信息類型包括顏色類、紋理類、形狀類、空間分布類，相應地，所述圖像的圖像特征信息包括顏色類特征信息、紋理類特征信息、形狀類特征 信息、空間分布類特征信息，例如，第二獲取裝置獲取與所述圖像相對應的特征信息類型，如顏色類和形狀類，然后所述第一獲取裝置11根據(jù)所述特征信息類型，基于圖像特征向量模型，得到所述圖像中的顏色類特征信息和形狀類特征信息。更優(yōu)選地，所述判斷設備I還包括第三獲取裝置(未示出)，所述第三獲取裝置采用諸如顏色直方圖、灰度共生矩陣、小波變換等訓練方式對大量圖像進行圖像特征訓練，得到所述大量圖像各自的顏色類特征信息和/或紋理類特征信息，并將所述大量圖像所對應的顏色類特征信息和/或紋理類特征信息作為圖像特征向量，從而生成所述圖像特征向量模型。例如，所述第三獲取裝置基于小波變換的訓練方式對大量圖像進行圖像特征訓練，得到所述大量圖像的紋理類特征信息，并將所述大量圖像的紋理類特征信息作為圖像特征向量，以生成所述圖像特征向量模型。本領域技術人員應能理解上述基于圖像特征向量模型來獲取所述圖像特征信息的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的基于圖像特征向量模型來獲取所述圖像特征信息的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。優(yōu)選地，所述判斷裝置13還基于相似判斷結果對所述多個圖像進行去重處理，以獲取去重處理后的一個或多個圖像。具體地，所述判斷裝置13根據(jù)待處理的多個圖像中每個圖像所對應的數(shù)字簽名，對所述多個圖像進行相似判斷，得到這些圖像中相同或相似的圖像，然后將所述相同或相似的圖像進行去重處理，僅保留這些相同或相似的圖像中的一個，刪除或舍棄其他圖像。更優(yōu)選地，所述設備還包括第四獲取裝置和提供裝置(均未示出)，所述第四獲取裝置根據(jù)用戶查詢序列進行搜索，以獲得所述待處理的多個圖像，所述第一獲取裝置11獲取所述多個圖像中每個圖像的圖像特征信息，所述生成裝置12對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述圖像所對應的一個數(shù)字簽名，所述判斷裝置13根據(jù)所述多個圖像中各個圖像所對應的數(shù)字簽名，對所述多個圖像進行去重處理，以獲得去重處理后的一個或多個圖像，最后所述提供裝置將所述去重處理后的一個或多個圖像提供給所述用戶。將本發(fā)明的該優(yōu)選實施例應用于搜索引擎，當用戶根據(jù)圖像查詢序列進行搜索時，將與所述圖像查詢序列相對應的圖像搜索結果中的所有圖像進行去重處理，并將所述去重處理后的一個或多個圖像提供給用戶，因而用戶所看到的圖像搜索結果并不會重復看到相同或相似的圖像，提升了用戶的圖像搜索體驗。
優(yōu)選地，所述生成裝置12還結合所述圖像的內(nèi)容屬性，對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述數(shù)字簽名。具體地，所述生成裝置12通過諸如對所述圖像進行內(nèi)容解析來得到所述圖像的內(nèi)容屬性，然后根據(jù)所述圖像的內(nèi)容屬性，諸如所述圖像中所包含的內(nèi)容多少、內(nèi)容分布信息等，對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述數(shù)字簽名。例如，當所述圖像中所包含的內(nèi)容多并且內(nèi)容分布均勻時，使用預定數(shù)字處理后的數(shù)字序列中的某一位或多位來表征，并且這些位在以二進制形式表示時置為I ;當所述圖像中所包含的內(nèi)容少并且內(nèi)容分布十分不均勻時，也使用預定數(shù)字處理后的數(shù)字序列中的某一位或多位來表征，并且這些位在以二進制形式表示時均清零。優(yōu)選地，所述生成裝置12還用于對所述圖像的圖像特征信息進行降維處理，生成所述數(shù)字簽名。更優(yōu)選地，所述生成裝置12還包括第一處理裝置(未示出)，所述第一處理裝置結合所述圖像特征信息的權重，對所述圖像的圖像特征信息進行降維處理和篩選處理，以獲取與所述圖像相對應的第一圖像特征信息；第五獲取裝置(未示出)，所述第五獲取裝置基于所述第一圖像特征信息，生成所述數(shù)字簽名。例如，所述生成裝置12還對所述圖像的圖像特征信息進行預定數(shù)字處理，所述預定數(shù)字處理包括但不限于降維處理，當所 述圖像特征信息中的某一圖像特征信息分量使用多個實數(shù)或布爾數(shù)值來表示時，通過諸如PCA (Principal Component Analysis,主成分分析)或SPCA (Sparse Principal ComponentAnalysis，稀疏主成分分析)算法對該圖像特征信息分量進行降維處理，從而得到一個數(shù)字序列，所述數(shù)字序列既能夠反映出所述圖像的該圖像特征信息分量，又可減少實數(shù)或布爾數(shù)值個數(shù)。又如，所述圖像中不同的圖像特征信息對相似判斷的重要程度也各有不同，此時所述第一處理裝置結合所述圖像特征信息的權重，對所述圖像的圖像特征信息進行降維處理和篩選處理，以獲取所述圖像所對應的第一圖像特征信息，并且所述第五獲取裝置基于所述第一圖像特征信息來生成所述數(shù)字簽名。一般地，將權重較高的那些圖像特征信息所對應的數(shù)字序列調(diào)整到整個序列的前面，而將權重較低的那些圖像特征信息所對應的數(shù)字序列調(diào)整至整個序列的后面，并且對所述調(diào)整后的整個序列進行篩選處理，從而得到所述圖像所對應的第一圖像特征信息。由上述可知，對所述圖像的圖像特征信息進行降維處理和篩選處理后，基于篩選結果而生成的數(shù)字簽名也相應地變得更加精簡，并且基于精簡后的數(shù)字簽名對所述多個圖像進行相似判斷，也可提高所述判斷設備I的處理效率。更優(yōu)選地，所述第五獲取裝置還對所述第一圖像特征信息進行量化處理，獲取與所述第一圖像特征信息相對應的數(shù)字序列；對所述數(shù)字序列進行預定編碼處理，生成所述數(shù)字簽名。在此，所述預定編碼處理包括以下至少任一項-基于高位提取方式的編碼處理；-壓縮編碼處理。以基于高位提取方式的編碼處理為例，所述第五獲取裝置對所述第一圖像特征信息進行量化處理后，將諸如多個浮點型實數(shù)值轉(zhuǎn)化為二進制形式的數(shù)字序列。例如，所述數(shù)字序列包括4個整數(shù)型數(shù)值，第一個整數(shù)型數(shù)值包括用于表征S⑶(ScalableColor Descriptor，可伸縮顏色描述子)的數(shù)字字段；第二個整數(shù)型數(shù)值包括用于表征HTD (Homogeneous Texture Descriptor,同質(zhì)紋理描述子)的數(shù)字字段；第三個整數(shù)型數(shù)值包括用于表征CC (Cross Correlation Descriptor,互相關描述子)的數(shù)字字段,第四個整數(shù)型數(shù)值包括用于表征CLD (Color Layout Descriptor,顏色分布描述子)的數(shù)字字段。在此，所述數(shù)字序列劃分為4個數(shù)字字段，在該優(yōu)選實施例中，所述第五獲取裝置基于高位提取方式對所述4個數(shù)字字段進行編碼，例如，基于編碼結果來形成新數(shù)字序列，在所述新數(shù)字序列中，將CC的高8位作為新數(shù)字序列中第I數(shù)字字段(預設所述數(shù)字字段的總位數(shù)為32位)的高8位，將HTD的高4位作為所述第I數(shù)字字段的第9_12位，將CLD的高4位作為所述第I數(shù)字字段的第13-16位，以及將CC的第9-24位作為所述第I數(shù)字字段的第17-32位。以壓縮編碼處理為例，所述第五獲取裝置對所述第一圖像特征信息進行量化處理后，將諸如多個浮點型實數(shù)值轉(zhuǎn)化為二進制形式的數(shù)字序列。仍然接上例，所述數(shù)字序列包括4個整數(shù)型數(shù)值,第一個整數(shù)型數(shù)值包括用于表征SO) (Scalable Color Descriptor,可伸縮顏色描述子)的數(shù)字字段；第二個整數(shù)型數(shù)值包括用于表征HTD (Homogeneous TextureDescriptor,同質(zhì)紋理描述子)的數(shù)字字段；第三個整數(shù)型數(shù)值包括用于表征CC(CrossCorrelation Descriptor,互相關描述子)的數(shù)字字段,第四個整數(shù)型數(shù)值包括用于表征CLD(Color Layout Descriptor,顏色分布描述子)的數(shù)字字段。在此,所述數(shù)字序列劃分為4個數(shù)字字段，在該優(yōu)選實施例中，所述第五獲取裝置基于高位提取方式對所述4個數(shù)字字段進行編碼，例如，基于編碼結果來形成新數(shù)字序列，在所述新數(shù)字序列中，將CC的高8位 作為新數(shù)字序列中第I數(shù)字字段(預設所述數(shù)字字段的總位數(shù)為32位)的高8位，將HTD的高4位作為所述第I數(shù)字字段的第9-12位，將CLD的高4位作為所述第I數(shù)字字段的第13-16位，以及將CC的第9-24位作為所述第I數(shù)字字段的第17-32位。優(yōu)選地，所述圖像特征信息包括以下至少任一項-可伸縮顏色描述子；-同質(zhì)紋理描述子；-顏色分布描述子；-基于互相關的描述子。以可伸縮顏色描述子為例，當所述判斷設備I對多個圖像進行相似判斷時，獲取可伸縮顏色描述子作為所述多個圖像中各個圖像的顏色類的圖像特征信息，并對所述圖像的可伸縮顏色描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。以同質(zhì)紋理描述子為例，當所述判斷設備I對多個圖像進行相似判斷時，獲取同質(zhì)紋理描述子作為所述多個圖像中各個圖像的紋理類的圖像特征信息，并對所述圖像的同質(zhì)紋理描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。以顏色分布描述子為例，當所述判斷設備I對多個圖像進行相似判斷時，獲取顏色分布描述子作為所述多個圖像中各個圖像的顏色類的另一圖像特征信息，并對所述圖像的顏色分布描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。以基于互相關的描述子為例，當所述判斷設備I對多個圖像進行相似判斷時，獲取基于互相關的描述子作為所述多個圖像中各個圖像的圖像特征信息，并對所述圖像的基于互相關的描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。在一優(yōu)選實施例中，第一獲取裝置11還獲取所述可伸縮顏色描述子、同質(zhì)紋理描述子、顏色分布描述子和基于互相關的描述子中的兩個或兩個以上的描述子作為所述多個圖像中各個圖像的圖像特征信息，并基于所述圖像特征信息來生成所述各個圖像的數(shù)字簽名。
圖2示出依據(jù)本發(fā)明一優(yōu)選實施例的基于數(shù)字簽名對多個圖像進行相似判斷的設備示意圖。其中，判斷設備I’包括但不限于網(wǎng)絡主機、單個網(wǎng)絡服務器、多個網(wǎng)絡服務器集或多個服務器構成的云。在此，云可以由基于云計算(Cloud Computing)的大量計算機或網(wǎng)絡服務器構成，其中，云計算是分布式計算的一種由一群松散耦合的計算機集組成的一個超級虛擬計算機。其中，所述判斷設備I’包括第一獲取裝置11’、生成裝置12’、判斷裝置13’，其中判斷裝置13’還包括第二處理裝置14’和比對裝置15’。在圖2所示的判斷設備I’中，第一獲取裝置11’和生成裝置12’分別與圖I所示的第一獲取裝置11和生成裝置12相同或相似，為描述簡便起見，故此處不再贅述，并通過引用的方式包含于此。第二處理裝置14’根據(jù)所述數(shù)字簽名，對所述多個圖像進行預定分類處理，以獲得多組圖像，每組圖像分別屬于一類圖像類別。具體地，所述生成裝置12’對所述圖像的圖像特征信息進行預定數(shù)字處理從而生成所述圖像的數(shù)字簽名后，第二處理裝置14’通過所述 多個圖像中各個圖像的數(shù)字簽名，將所述多個圖像進行預定分類處理，以獲得多組圖像，每組圖像包含在同一個圖像類別中。例如，通過生成裝置12’生成所述多個圖像中各個圖像的數(shù)字簽名后，相同或相似的圖像大體上具有局部相同或基本上完全相同的數(shù)字簽名，第二處理裝置14’根據(jù)這些數(shù)字簽名就可將相同或相似的圖像劃分為一組，并且所述圖像組構成一個圖像類別。本領域技術人員應能理解上述根據(jù)所述數(shù)字簽名對所述多個圖像進行預定分類處理以獲得多組圖像的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的根據(jù)所述數(shù)字簽名對所述多個圖像進行預定分類處理以獲得多組圖像的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。然后，所述比對裝置15’根據(jù)所述數(shù)字簽名，對所述每組圖像進行位比對操作，以獲得所述相似判斷結果。具體地，所述第二處理裝置14’根據(jù)所述數(shù)字簽名，對所述多個圖像進行預定分類處理而獲得多組圖像后，所述比對裝置15’通過諸如截取所述數(shù)字簽名中的一部分數(shù)字串，對所述每組圖像中的任意兩個或兩個以上的圖像進行位比對操作，以獲得所述相似判斷結果；或者，通過諸如將所述數(shù)字簽名轉(zhuǎn)換成二進制字符串，對所述每組圖像中的任意兩個或兩個以上的圖像相對應的二進制字符串中的部分或全部數(shù)值序列進行邏輯運算，以獲得所述相似判斷結果。因此，所述判斷設備I’在根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷前，還可通過所述第二處理裝置14’將所述多個圖像進行預定分類處理以得到多組圖像，并利用所述比對裝置15’對所述每組圖像進行位比對操作，以獲得所述相似判斷結果。由于所述判斷設備I’僅對每組圖像中的兩個或兩個以上的圖像進行比對操作，從而極大地提高了相似判斷的處理效率。此外，在同一圖像類別中的圖像進行相似判斷時，所述比對裝置15’還對所述圖像的數(shù)字簽名采用位比對操作，也可顯著加快相似判斷的速度。本領域技術人員應能理解上述根據(jù)所述數(shù)字簽名對所述每組圖像進行位比對操作以獲得所述相似判斷結果的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的根據(jù)所述數(shù)字簽名對所述每組圖像進行位比對操作以獲得所述相似判斷結果的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。優(yōu)選地，所述預定分類處理包括基于以下至少任一項算法進行分類處理-散列算法；-取模算法；
-隨機數(shù)算法。以所述預定分類處理包括基于散列算法進行分類處理為例，第二處理裝置14’通過散列算法，將相同或相近似的圖像所對應的數(shù)字簽名轉(zhuǎn)換為一個散列值，并根據(jù)所述散列值將所述相同或相近似的圖像歸為一個圖像組，該組圖像對應于一個圖像類別。然后，所述比對裝置15’基于所述數(shù)字簽名對同一圖像類別中的圖像進行位比對操作，以獲得所述相似判斷結果。以所述預定分類處理包括基于取模算法進行分類處理為例，若預定將所述多個圖像劃分為2N類(其中N為自然數(shù))，則第二處理裝置14’通過取模算法，將相同或相近似的圖像所對應的數(shù)字簽名轉(zhuǎn)換為一個整數(shù)值，諸如O 2n-1中的任一整數(shù)值，然后將整數(shù)值相同的所有圖像歸為一個圖像組，該組圖像對應于一個圖像類別。然后，所述比對裝置15’基于所述數(shù)字簽名對同一圖像類別中的圖像進行位比對操作，以獲得所述相似判斷結果。以所述預定分類處理包括基于隨機數(shù)算法進行分類處理為例，若預定將所述多個圖像劃分為2N類(其中N為自然數(shù))，則第二處理裝置14’通過隨機數(shù)算法，諸如使用Random函數(shù)，將相同或相近似的圖像所對應的數(shù)字簽名轉(zhuǎn)換為一個整數(shù)值，諸如O 2n-1中的任一整數(shù)值，然后將整數(shù)值相同的所有圖像歸為一個圖像組，該組圖像對應于一個圖像類別。然后，所述比對裝置15’基于所述數(shù)字簽名對同一圖像類別中的圖像進行位比對操作，以獲得所述相似判斷結果。優(yōu)選地，所述判斷裝置13’還基于相似判斷結果對所述多個圖像進行去重處理，以·獲取去重處理后的一個或多個圖像。具體地，所述判斷裝置13’根據(jù)待處理的多個圖像中每個圖像所對應的數(shù)字簽名，對所述多個圖像進行相似判斷，得到這些圖像中相同或相似的圖像，然后將所述相同或相似的圖像進行去重處理，僅保留這些相同或相似的圖像中的一個，刪除或舍棄其他圖像。更優(yōu)選地，所述設備還包括第四獲取裝置和提供裝置(均未示出)，所述第四獲取裝置根據(jù)用戶查詢序列進行搜索，以獲得所述待處理的多個圖像，所述第一獲取裝置11’獲取所述多個圖像中每個圖像的圖像特征信息，所述生成裝置12’對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述圖像所對應的一個數(shù)字簽名，所述判斷裝置13’根據(jù)所述多個圖像中各個圖像所對應的數(shù)字簽名，對所述多個圖像進行去重處理，以獲得去重處理后的一個或多個圖像，最后所述提供裝置將所述去重處理后的一個或多個圖像提供給所述用戶。將本發(fā)明的該優(yōu)選實施例應用于搜索引擎，當用戶根據(jù)圖像查詢序列進行搜索時，將與所述圖像查詢序列相對應的圖像搜索結果中的所有圖像進行去重處理，并將所述去重處理后的一個或多個圖像提供給用戶，因而用戶所看到的圖像搜索結果并不會重復看到相同或相似的圖像，提升了用戶的圖像搜索體驗。優(yōu)選地，所述圖像特征信息包括以下至少任一項-可伸縮顏色描述子；-同質(zhì)紋理描述子；-顏色分布描述子；-基于互相關的描述子。以可伸縮顏色描述子為例，當所述判斷設備I’對多個圖像進行相似判斷時，獲取可伸縮顏色描述子作為所述多個圖像中各個圖像的顏色類的圖像特征信息，并對所述圖像的可伸縮顏色描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。以同質(zhì)紋理描述子為例，當所述判斷設備I’對多個圖像進行相似判斷時，獲取同質(zhì)紋理描述子作為所述多個圖像中各個圖像的紋理類的圖像特征信息，并對所述圖像的同質(zhì)紋理描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。以顏色分布描述子為例，當所述判斷設備I’對多個圖像進行相似判斷時，獲取顏色分布描述子作為所述多個圖像中各個圖像的顏色類的另一圖像特征信息，并對所述圖像的顏色分布描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。以基于互相關的描述子為例，當所述判斷設備I’對多個圖像進行相似判斷時，獲取基于互相關的描述子作為所述多個圖像中各個圖像的圖像特征信息，并對所述圖像的基于互相關的描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。在一優(yōu)選實施例中，第一獲取裝置11’還獲取所述可伸縮顏色描述子、同質(zhì)紋理描述子、顏色分布描述子和基于互相關的描述子中的兩個或兩個以上的描述子作為所述多個圖像中各個圖像的圖像特征信息，并基于所述圖像特征信息來生成所述各個圖像的數(shù)字簽名。此外，上述用于基于數(shù)字簽名對多個圖像進行相似判斷的判斷設備可以與現(xiàn)有 的搜索引擎相結合，構成一種新的搜索引擎，現(xiàn)有的搜索引擎可以采用已知的如百度、Google、Yahoo等搜索引擎。圖3示出依據(jù)本發(fā)明另一個方面的基于數(shù)字簽名對多個圖像進行相似判斷的方法流程圖。其中，用于基于數(shù)字簽名對多個圖像進行相似判斷的判斷設備包括但不限于網(wǎng)絡主機、單個網(wǎng)絡服務器、多個網(wǎng)絡服務器集或多個服務器構成的云。在此，云可以由基于云計算(Cloud Computing)的大量計算機或網(wǎng)絡服務器構成,其中，云計算是分布式計算的一種由一群松散耦合的計算機集組成的一個超級虛擬計算機。在步驟SI中，所述判斷設備獲取一個圖像的圖像特征信息。具體地，所述判斷設備例如通過搜索引擎等第三方設備所提供的應用程序接口(API)或約定的通信方式，從該第三方設備獲取所述圖像，并針對所獲取的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來得到所述圖像的圖像特征信息；或者，通過搜索引擎等第三方設備所提供的應用程序接口(API)或約定的通信方式，從該第三方設備獲取該用戶通過用戶設備輸入的圖像查詢序列，并將所述圖像查詢序列在搜索索引庫中進行匹配查詢，獲取與所述圖像查詢序列相對應的所述圖像，并針對所獲取的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來得到所述圖像的圖像特征信息；或者，通過頁面技術，如ASP、JSP、PHP等，從用戶設備獲取用戶通過該用戶設備輸入的圖像查詢序列，并將所述圖像查詢序列在搜索索引庫中進行匹配查詢，獲取與所述圖像查詢序列相對應的所述圖像，并針對所獲取的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來得到所述圖像的圖像特征信息。例如，用戶在搜索輸入欄中鍵入查詢序列“鮮花”，所述判斷設備調(diào)用諸如搜索引擎等第三方設備所提供的應用程序接口(API)或其他約定的通信方式，獲取所述查詢序列“鮮花”，然后根據(jù)所獲取的查詢序列“鮮花”得到對應的圖像，并針對所得到的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來獲取所述圖像對應的圖像特征信息。又如，對于圖像檢索系統(tǒng)，所述判斷設備接收自該圖像檢索系統(tǒng)發(fā)送的新添加至該圖像檢索系統(tǒng)的一個圖像，或者在不同的圖像類別中隨機選取一個圖像，并針對所選取的圖像使用諸如顏色直方圖、灰度共生矩陣、小波變換等處理方式來獲取所述圖像的圖像特征信息。本領域技術人員應能理解上述獲取一個圖像的圖像特征信息的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的獲取一個圖像的圖像特征信息的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。在步驟S2中，所述判斷設備對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述圖像所對應的一個數(shù)字簽名。具體地，通過所述步驟Si獲取所述圖像的圖像特征信息后，所述判斷設備通過諸如降維方式、量化方式或歸一化處理方式對所獲取的圖像特征信息進行數(shù)字處理，生成所述圖像所對應的一個數(shù)字簽名。例如，利用上述步驟Si所獲取的圖像特征信息包括兩個圖像特征信息分量，每個圖像特征信息分量均使用上百維的實數(shù)來表示，所述判斷設備對所述每個圖像特征信息分量進行降維處理，從而將每個圖像特征信息分量使用維數(shù)更小的實數(shù)來表征。又如，利用上述步驟Si所獲取的圖像特征信息包括兩個圖像特征信息分量，每個圖像特征信息分量均使用上百維的實數(shù)來表示，所述判斷設備對所述每個圖像特征信息分量進行量化處理，比如，通過某一數(shù)學模型將每個圖像特征信息分量所對應的實數(shù)均量化為010101序列，從而將原先使用上百維實數(shù)表示的圖像特征 信息分量改由更簡化的二進制序列來表示。本領域技術人員應能理解上述對所述每個圖像的圖像特征信息進行預定數(shù)字處理來生成所述每個圖像所對應的一個數(shù)字簽名的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的對所述每個圖像的圖像特征信息進行預定數(shù)字處理來生成所述每個圖像所對應的一個數(shù)字簽名的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。在步驟S3中，所述判斷設備根據(jù)待處理的多個圖像中各個圖像所對應的所述數(shù)字簽名，對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理。具體地，所述判斷設備通過離線方式或?qū)崟r方式來得到所述多個圖像中各個圖像所對應的所述數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理，如分類處理、過濾處理、去重處理等。例如，本發(fā)明持續(xù)不斷地通過步驟SI來獲取一個圖像的圖像特征信息并由步驟S2對所述圖像的圖像特征信息進行預定數(shù)字處理，生成該圖像所對應的一個數(shù)字簽名，從而使所述判斷設備在步驟S3中執(zhí)行以下兩種情形中的任意一種1)離線獲取所述多個圖像中各個圖像所對應的所述數(shù)字簽名，并根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷，基于相似判斷結果對所述多個圖像進行相應處理，如分類處理、過濾處理、去重處理等；2)在所述步驟S2生成與所述圖像相對應的所述數(shù)字簽名后，實時獲取所述多個圖像中每個圖像所對應的所述數(shù)字簽名，依次進行相似判斷并基于相似判斷結果的相應處理，如分類處理、過濾處理、去重處理等。本領域技術人員應能理解上述對所述多個圖像進行相似判斷并基于相似判斷結果對所述多個圖像進行相應處理的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的對所述多個圖像進行相似判斷并基于相似判斷結果對所述多個圖像進行相應處理的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。優(yōu)選地，該方法還包括步驟S5(未示出)，在所述步驟S5中，所述判斷設備獲取與所述圖像相對應的特征信息類型；然后根據(jù)所述特征信息類型，基于圖像特征向量模型，獲取所述圖像特征信息。具體地，所述判斷設備獲取與所述圖像相對應的特征信息類型，在此，所述特征信息類型包括顏色類、紋理類、形狀類、空間分布類，相應地，所述圖像的圖像特征信息包括顏色類特征信息、紋理類特征信息、形狀類特征信息、空間分布類特征信息，例如，所述判斷設備獲取與所述圖像相對應的特征信息類型，如顏色類和形狀類，然后根據(jù)所述特征信息類型，基于圖像特征向量模型，得到所述圖像中的顏色類特征信息和形狀類特征信息。更優(yōu)選地，該方法還包括步驟S6 (未示出)，在步驟S6中，所述判斷設備采用諸如顏色直方圖、灰度共生矩陣、小波變換等訓練方式對大量圖像進行圖像特征訓練，得到所述大量圖像各自的顏色類特征信息和/或紋理類特征信息，并將所述大量圖像所對應的顏色類特征信息和/或紋理類特征信息作為圖像特征向量，從而生成所述圖像特征向量模型。例如，所述判斷設備基于小波變換的訓練方式對大量圖像進行圖像特征訓練，得到所述大量圖像的紋理類特征信息，并將所述大量圖像的紋理類特征信息作為圖像特征向量，以生成所述圖像特征向量模型。本領域技術人員應能理解上述基于圖像特征向量模型來獲取所述圖像特征信息的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的基于圖像特征向量模型來獲取所述圖像特征信息的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。優(yōu)選地，該方法還包括步驟S7(未示出)，在所述步驟S7中，所述判斷設備基于相似判斷結果對所述多個圖像進行去重處理，以獲取去重處理后的一個或多個圖像。具體地，·所述判斷設備根據(jù)待處理的多個圖像中每個圖像所對應的數(shù)字簽名，對所述多個圖像進行相似判斷，得到這些圖像中相同或相似的圖像，然后將所述相同或相似的圖像進行去重處理，僅保留這些相同或相似的圖像中的一個，刪除或舍棄其他圖像。更優(yōu)選地，該方法還包括步驟S8和步驟S9(均未示出)，在步驟S8中，所述判斷設備根據(jù)用戶查詢序列進行搜索，以獲得所述待處理的多個圖像；然后，通過步驟SI獲取所述多個圖像中每個圖像的圖像特征信息；接著，通過步驟S2對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述圖像所對應的一個數(shù)字簽名；在步驟S3中，所述判斷設備根據(jù)所述多個圖像中各個圖像所對應的數(shù)字簽名，對所述多個圖像進行去重處理，以獲得去重處理后的一個或多個圖像；最后，在步驟S9中，所述判斷設備將所述去重處理后的一個或多個圖像提供給所述用戶。將本發(fā)明的該優(yōu)選實施例應用于搜索引擎，當用戶根據(jù)圖像查詢序列進行搜索時，將與所述圖像查詢序列相對應的圖像搜索結果中的所有圖像進行去重處理，并將所述去重處理后的一個或多個圖像提供給用戶，因而用戶所看到的圖像搜索結果并不會重復看到相同或相似的圖像，提升了用戶的圖像搜索體驗。優(yōu)選地，在所述步驟S2中，所述判斷設備還結合所述圖像的內(nèi)容屬性，對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述數(shù)字簽名。具體地，所述判斷設備通過諸如對所述圖像進行內(nèi)容解析來得到所述圖像的內(nèi)容屬性，然后根據(jù)所述圖像的內(nèi)容屬性，諸如所述圖像中所包含的內(nèi)容多少、內(nèi)容分布信息等，對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述數(shù)字簽名。例如，當所述圖像中所包含的內(nèi)容多并且內(nèi)容分布均勻時，使用預定數(shù)字處理后的數(shù)字序列中的某一位或多位來表征，并且這些位在以二進制形式表示時置為I ;當所述圖像中所包含的內(nèi)容少并且內(nèi)容分布十分不均勻時，也使用預定數(shù)字處理后的數(shù)字序列中的某一位或多位來表征，并且這些位在以二進制形式表示時均清零。優(yōu)選地，在所述步驟S2中，所述判斷設備對所述圖像的圖像特征信息進行降維處理，生成所述數(shù)字簽名。更優(yōu)選地，所述判斷設備結合所述圖像特征信息的權重，對所述圖像的圖像特征信息進行降維處理和篩選處理，以獲取與所述圖像相對應的第一圖像特征信息；然后，基于所述第一圖像特征信息，生成所述數(shù)字簽名。例如，在所述步驟S2中，所述判斷設備對所述圖像的圖像特征信息進行預定數(shù)字處理，所述預定數(shù)字處理包括但不限于降維處理，當所述圖像特征信息中的某一圖像特征信息分量使用多個實數(shù)或布爾數(shù)值來表示時，通過諸如 PCA(Principal Component Analysis,主成分分析)或 SPCA(SparsePrincipal Component Analysis,稀疏主成分分析)算法對該圖像特征信息分量進行降維處理，從而得到一個數(shù)字序列，所述數(shù)字序列既能夠反映出所述圖像的該圖像特征信息分量，又可減少實數(shù)或布爾數(shù)值個數(shù)。又如，所述判斷設備結合所述圖像特征信息的權重，對所述圖像的圖像特征信息進行降維處理和篩選處理，以獲取所述圖像所對應的第一圖像特征信息，并且基于所述第一圖像特征信息來生成所述數(shù)字簽名。一般地，將權重較高的那些圖像特征信息所對應的數(shù)字序列調(diào)整到整個序列的前面，而將權重較低的那些圖像特征信息所對應的數(shù)字序列調(diào)整至整個序列的后面，并且對所述調(diào)整后的整個序列進行篩選處理，從而得到所述圖像所對應的第一圖像特征信息。由上述可知，對所述圖像的圖像特征信息進行降維處理和篩選處理后，基于篩選結果而生成的數(shù)字簽名也相應地變得更加精簡，并且基于精簡后的數(shù)字簽名對所述多個圖像進行相似判斷，也可提高所述判斷設備的處理效率。更優(yōu)選地，所述判斷設備還對所述第一圖像特征信息進行量化處理，獲取與所述第一圖像特征信息相對應的數(shù)字序列；對所述數(shù)字序列進行預定編碼處理，生成所述數(shù)字簽名。在此，所述預定編碼處理包括以下至少任一項·
-基于高位提取方式的編碼處理；-壓縮編碼處理。以基于高位提取方式的編碼處理為例，所述判斷設備對所述第一圖像特征信息進行量化處理后，將諸如多個浮點型實數(shù)值轉(zhuǎn)化為二進制形式的數(shù)字序列。例如，所述數(shù)字序列包括4個整數(shù)型數(shù)值，第一個整數(shù)型數(shù)值包括用于表征SCD(ScalableColor Descriptor，可伸縮顏色描述子)的數(shù)字字段；第二個整數(shù)型數(shù)值包括用于表征HTD (Homogeneous Texture Descriptor,同質(zhì)紋理描述子)的數(shù)字字段；第三個整數(shù)型數(shù)值包括用于表征CC (Cross Correlation Descriptor,互相關描述子)的數(shù)字字段,第四個整數(shù)型數(shù)值包括用于表征CLD (Color Layout Descriptor,顏色分布描述子)的數(shù)字字段。在此，所述數(shù)字序列劃分為4個數(shù)字字段，在該優(yōu)選實施例中，所述判斷設備基于高位提取方式對所述4個數(shù)字字段進行編碼，例如，基于編碼結果來形成新數(shù)字序列，在所述新數(shù)字序列中，將CC的高8位作為新數(shù)字序列中第I數(shù)字字段(預設所述數(shù)字字段的總位數(shù)為32位)的高8位，將HTD的高4位作為所述第I數(shù)字字段的第9_12位，將CLD的高4位作為所述第I數(shù)字字段的第13-16位，以及將CC的第9-24位作為所述第I數(shù)字字段的第17-32位。以壓縮編碼處理為例，所述判斷設備對所述第一圖像特征信息進行量化處理后，將諸如多個浮點型實數(shù)值轉(zhuǎn)化為二進制形式的數(shù)字序列。仍然接上例，所述數(shù)字序列包括4個整數(shù)型數(shù)值,第一個整數(shù)型數(shù)值包括用于表征SO) (Scalable Color Descriptor,可伸縮顏色描述子)的數(shù)字字段；第二個整數(shù)型數(shù)值包括用于表征HTD (Homogeneous TextureDescriptor,同質(zhì)紋理描述子)的數(shù)字字段；第三個整數(shù)型數(shù)值包括用于表征CC(CrossCorrelation Descriptor,互相關描述子)的數(shù)字字段,第四個整數(shù)型數(shù)值包括用于表征CLD(Color Layout Descriptor,顏色分布描述子)的數(shù)字字段。在此，所述數(shù)字序列劃分為4個數(shù)字字段，在該優(yōu)選實施例中，所述判斷設備基于高位提取方式對所述4個數(shù)字字段進行編碼，例如，基于編碼結果來形成新數(shù)字序列，在所述新數(shù)字序列中，將CC的高8位作為新數(shù)字序列中第I數(shù)字字段(預設所述數(shù)字字段的總位數(shù)為32位)的高8位，將HTD的高4位作為所述第I數(shù)字字段的第9-12位，將CLD的高4位作為所述第I數(shù)字字段的第13-16位，以及將CC的第9-24位作為所述第I數(shù)字字段的第17-32位。
優(yōu)選地，所述圖像特征信息包括以下至少任一項-可伸縮顏色描述子；-同質(zhì)紋理描述子；-顏色分布描述子；-基于互相關的描述子。以可伸縮顏色描述子為例，當所述判斷設備對多個圖像進行相似判斷時，獲取可伸縮顏色描述子作為所述多個圖像中各個圖像的顏色類的圖像特征信息，并對所述圖像的可伸縮顏色描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。以同質(zhì)紋理描述子為例，當所述判斷設備對多個圖像進行相似判斷時，獲取同質(zhì)紋理描述子作為所述多個圖像中各個圖像的紋理類的圖像特征信息，并對所述圖像的同質(zhì)紋理描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。以顏色分布描述子為例，當所述判斷設備對多個圖像進行相似判斷時，獲取顏色分布描述子作為所述多個圖像中各個圖像的顏色類的另一圖像特征信息，并對所述圖像的顏色分布描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。以基于互相關的描述子為例，當所述判斷設備對多個圖像進行相似判斷時，獲取基于互相關的描述子作為所述多個圖像中各個圖像的圖像特征信息，并對所述圖像的基于互相關的描述子進行預定數(shù)字處理，生成所述圖像的數(shù)字簽名，然后根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷。在一優(yōu)選實施例中，所述判斷設備通過步驟SI獲取所述可伸縮顏色描述子、同質(zhì)紋理描述子、顏色分布描述子和基于互相關的描述子中的兩個或兩個以上的描述子作為所述多個圖像中各個圖像的圖像特征信息，并基于所述圖像特征信息來生成所述各個圖像的數(shù)字簽名。圖4示出依據(jù)本發(fā)明一優(yōu)選實施例的基于數(shù)字簽名對多個圖像進行相似判斷的方法流程圖。其中，用于基于數(shù)字簽名對多個圖像進行相似判斷的判斷設備包括但不限于網(wǎng)絡主機、單個網(wǎng)絡服務器、多個網(wǎng)絡服務器集或多個服務器構成的云。在此，云可以由基于云計算(Cloud Computing)的大量計算機或網(wǎng)絡服務器構成,其中，云計算是分布式計算的一種由一群松散耦合的計算機集組成的一個超級虛擬計算機。在圖4所示的方法中，步驟SI’和步驟S2’分別與圖3所示的步驟SI和步驟S2相同或相似，為描述簡便起見，故此處不再贅述，并通過引用的方式包含于此。在步驟S31’中，所述判斷設備根據(jù)所述數(shù)字簽名，對所述多個圖像進行預定分類處理，以獲得多組圖像，每組圖像分別屬于一類圖像類別。具體地，所述判斷設備對所述圖像的圖像特征信息進行預定數(shù)字處理從而生成所述圖像的數(shù)字簽名后，通過所述多個圖像中各個圖像的數(shù)字簽名，將所述多個圖像進行預定分類處理，以獲得多組圖像，每組圖像包含在同一個圖像類別中。例如，通過上述步驟S2’生成所述多個圖像中各個圖像的數(shù)字簽名后，相同或相似的圖像大體上具有局部相同或基本上完全相同的數(shù)字簽名，所述判斷設備根據(jù)這些數(shù)字簽名就可將相同或相似的圖像劃分為一組，并且所述圖像組構成一個圖像類別。本領域技術人員應能理解上述根據(jù)所述數(shù)字簽名對所述多個圖像進行預定分類處理以獲得多組圖像的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的根據(jù)所述數(shù)字簽名對所述多個圖像進行預定分類處理以獲得多組圖像的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。然后，在步驟S32’中，所述判斷設備根據(jù)所述數(shù)字簽名，對所述每組圖像進行位比對操作，以獲得所述相似判斷結果。具體地，所述判斷設備根據(jù)所述數(shù)字簽名，對所述多個圖像進行預定分類處理而獲得多組圖像后，通過諸如截取所述數(shù)字簽名中的一部分數(shù)字串，對所述每組圖像中的任意兩個或兩個以上的圖像進行位比對操作，以獲得所述相似判斷結果；或者，通過諸如將所述數(shù)字簽名轉(zhuǎn)換成二進制字符串，對所述每組圖像中的任意兩個或兩個以上的圖像相對應的二進制字符串中的部分或全部數(shù)值序列進行邏輯運算，以獲得所述相似判斷結果。因此，所述判斷設備在根據(jù)所述數(shù)字簽名對所述多個圖像進行相似判斷前，還可通過上述步驟S31’將所述多個圖像進行預定分類處理以得到多組圖像，并利用上述步驟S32’對所述每組圖像進行位比對操作，以獲得所述相似判斷結果。由于所述判斷設備僅對每組圖像中的兩個或兩個以上的圖像進行比對操作，從而極大地提高了相似判斷的處理效率。此外，在同一圖像類別中的圖像進行相似判斷時，所述判斷設備還對所述圖·像的數(shù)字簽名采用位比對操作，也可顯著加快相似判斷的速度。本領域技術人員應能理解上述根據(jù)所述數(shù)字簽名對所述每組圖像進行位比對操作以獲得所述相似判斷結果的方式僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的根據(jù)所述數(shù)字簽名對所述每組圖像進行位比對操作以獲得所述相似判斷結果的方式如可適用于本發(fā)明，也應包含在本發(fā)明保護范圍以內(nèi)，并以引用方式包含于此。優(yōu)選地，所述預定分類處理包括基于以下至少任一項算法進行分類處理-散列算法；-取模算法；-隨機數(shù)算法。以所述預定分類處理包括基于散列算法進行分類處理為例，在步驟S31’中，所述判斷設備通過散列算法，將相同或相近似的圖像所對應的數(shù)字簽名轉(zhuǎn)換為一個散列值，并根據(jù)所述散列值將所述相同或相近似的圖像歸為一個圖像組，該組圖像對應于一個圖像類另IJ。然后，在步驟S32’中，所述判斷設備基于所述數(shù)字簽名對同一圖像類別中的圖像進行位比對操作，以獲得所述相似判斷結果。以所述預定分類處理包括基于取模算法進行分類處理為例，若預定將所述多個圖像劃分為2N類(其中N為自然數(shù))，則在步驟S31’中，所述判斷設備通過取模算法，將相同或相近似的圖像所對應的數(shù)字簽名轉(zhuǎn)換為一個整數(shù)值，諸如O 2n-1中的任一整數(shù)值，然后將整數(shù)值相同的所有圖像歸為一個圖像組，該組圖像對應于一個圖像類別。然后，在步驟S32’中，所述判斷設備基于所述數(shù)字簽名對同一圖像類別中的圖像進行位比對操作，以獲得所述相似判斷結果。以所述預定分類處理包括基于隨機數(shù)算法進行分類處理為例，若預定將所述多個圖像劃分為2N類(其中N為自然數(shù))，則在步驟S31’中，所述判斷設備通過隨機數(shù)算法，諸如使用Random函數(shù)，將相同或相近似的圖像所對應的數(shù)字簽名轉(zhuǎn)換為一個整數(shù)值，諸如O 2n-1中的任一整數(shù)值，然后將整數(shù)值相同的所有圖像歸為一個圖像組，該組圖像對應于一個圖像類別。然后，在步驟S32’中，所述判斷設備基于所述數(shù)字簽名對同一圖像類別中的圖像進行位比對操作，以獲得所述相似判斷結果。對于本領域技術人員而言，顯然本發(fā)明不限于上述示范性實施例的細節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實現(xiàn)本發(fā)明。因此，無論從哪一點來看，均應將實施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權利要求而不是上述說明限定，因此旨在將落在權利要求的等同要件的含義和范圍內(nèi)的所有變化囊括在本發(fā)明內(nèi)。不應將權利要求中的任何附圖標記視為限制所涉及的權利要求。此夕卜，顯然“包括” 一詞不排除其他單元或步驟，單數(shù)不排除復數(shù)。系統(tǒng)權利要求中陳述的多個單元或裝置也可以由一個單元或裝置通過軟件或者硬件來實現(xiàn)。第一，第二等詞語用來
表示名稱，而并不表示任何特定的順序。
權利要求
1.一種計算機實現(xiàn)的用于基于數(shù)字簽名對多個圖像進行相似判斷的方法，其中，該方法包括以下步驟 a獲取一個圖像的圖像特征信息； b對所述圖像的圖像特征信息進行預定數(shù)字處理，生成該圖像所對應的一個數(shù)字簽名； 其中，該方法還包括 -根據(jù)待處理的多個圖像中各個圖像所對應的數(shù)字簽名，對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理。
2.根據(jù)權利要求I所述的方法，其中，所述方法還包括 -獲取與所述圖像相對應的特征信息類型； 其中，所述步驟a還包括 -基于圖像特征向量模型，結合所述特征信息類型，獲取所述圖像特征信息。
3.根據(jù)權利要求2所述的方法，其中，所述方法還包括 -對大量圖像進行圖像特征訓練，以獲取所述圖像特征向量模型。
4.根據(jù)權利要求I至3中任一項所述的方法，其中，所述基于相似判斷結果對所述多個圖像進行相應處理的步驟還包括 -基于相似判斷結果對所述多個圖像進行去重處理，以獲得去重處理后的一個或多個圖像。
5.根據(jù)權利要求4所述的方法，其中，該方法還包括 -根據(jù)用戶查詢序列進行搜索，以獲得所述待處理的多個圖像； 其中，該方法還包括 -將所述去重處理后的一個或多個圖像提供給所述用戶。
6.根據(jù)權利要求I至5中任一項所述的方法，其中，所述步驟b還包括 -結合所述圖像的內(nèi)容屬性，對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述數(shù)字簽名。
7.根據(jù)權利要求I至6中任一項所述的方法，其中，所述步驟b還包括 -對所述圖像的圖像特征信息進行降維處理，生成所述數(shù)字簽名。
8.根據(jù)權利要求7所述的方法，其中，所述步驟b還包括 bl結合所述圖像特征信息的權重，對所述圖像的圖像特征信息進行降維處理和篩選處理，以獲得與所述圖像相對應的第一圖像特征信息；b2基于所述第一圖像特征信息，生成所述數(shù)字簽名。
9.根據(jù)權利要求8所述的方法，其中，所述步驟b2還包括 -對所述第一圖像特征信息進行量化處理，獲取與所述第一圖像特征信息相對應的數(shù)字序列； -對所述數(shù)字序列進行預定編碼處理，生成所述數(shù)字簽名。
10.根據(jù)權利要求9所述的方法，其中，所述預定編碼處理包括以下至少任一項 -基于高位提取方式的編碼處理； -壓縮編碼處理。
11.根據(jù)權利要求I至10中任一項所述的方法，其中，對所述多個圖像進行相似判斷的步驟還包括 -根據(jù)所述數(shù)字簽名，對所述多個圖像進行預定分類處理，以獲得多組圖像，每組圖像分別屬于一類圖像類別； -根據(jù)所述數(shù)字簽名，對所述每組圖像進行位比對操作，以獲得所述相似判斷結果。
12.根據(jù)權利要求11所述的方法，其中，所述預定分類處理包括基于以下至少任一項算法進行分類處理 -散列算法； -取模算法； -隨機數(shù)算法。
13.根據(jù)權利要求I至12中任一項所述的方法，其中，所述圖像特征信息包括以下至少任一項 -可伸縮顏色描述子； -同質(zhì)紋理描述子； -顏色分布描述子； -基于互相關的描述子。
14.一種用于基于數(shù)字簽名對多個圖像進行相似判斷的設備，其中，所述設備包括 第一獲取裝置，用于獲取一個圖像的圖像特征信息； 生成裝置，用于對所述圖像的圖像特征信息進行預定數(shù)字處理，生成該圖像所對應的一個數(shù)字簽名； 其中，該設備還包括判斷裝置，用于 -根據(jù)待處理的多個圖像中各個圖像所對應的數(shù)字簽名，對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理。
15.根據(jù)權利要求14所述的設備，其中，所述設備還包括第二獲取裝置，用于獲取與所述圖像相對應的特征信息類型； 其中，所述第一獲取裝置還用于 -基于圖像特征向量模型，結合所述特征信息類型，獲取所述圖像特征信息。
16.根據(jù)權利要求15所述的設備，其中，所述設備還包括第三獲取裝置，用于 -對大量圖像進行圖像特征訓練，以獲取所述圖像特征向量模型。
17.根據(jù)權利要求14至16中任一項所述的設備，其中，所述判斷裝置還用于 -基于相似判斷結果對所述多個圖像進行去重處理，以獲得去重處理后的一個或多個圖像。
18.根據(jù)權利要求17所述的設備，其中，所述設備還包括第四獲取裝置，用于 -根據(jù)用戶查詢序列進行搜索，以獲得所述待處理的多個圖像； 其中，所述設備還包括提供裝置，用于 -將所述去重處理后的一個或多個圖像提供給所述用戶。
19.根據(jù)權利要求14至18中任一項所述的設備，其中，所述生成裝置還用于 -結合所述圖像的內(nèi)容屬性，對所述圖像的圖像特征信息進行預定數(shù)字處理，生成所述數(shù)字簽名。
20.根據(jù)權利要求14至19中任一項所述的設備，其中，所述生成裝置還用于-對所述圖像的圖像特征信息進行降維處理，生成所述數(shù)字簽名。
21.根據(jù)權利要求20所述的設備，其中，所述生成裝置還包括 第一處理裝置，用于結合所述圖像特征信息的權重，對所述圖像的圖像特征信息進行降維處理和篩選處理，以獲得與所述圖像相對應的第一圖像特征信息； 第五獲取裝置，用于基于所述第一圖像特征信息，生成所述數(shù)字簽名。
22.根據(jù)權利要求21所述的設備，其中，所述第五獲取裝置還用于 -對所述第一圖像特征信息進行量化處理，獲取與所述第一圖像特征信息相對應的數(shù)字序列； -對所述數(shù)字序列進行預定編碼處理，生成所述數(shù)字簽名。
23.根據(jù)權利要求22所述的設備，其中，所述預定編碼處理包括以下至少任一項 -基于高位提取方式的編碼處理； -壓縮編碼處理。
24.根據(jù)權利要求14至23中任一項所述的設備，其中，所述判斷裝置還包括 第二處理裝置，用于根據(jù)所述數(shù)字簽名，對所述多個圖像進行預定分類處理，以獲得多組圖像，每組圖像分別屬于一類圖像類別； 比對裝置，用于根據(jù)所述數(shù)字簽名，對所述每組圖像進行位比對操作，以獲得所述相似判斷結果。
25.根據(jù)權利要求24所述的設備，其中，所述預定分類處理包括基于以下至少任一項算法進行分類處理 -散列算法； -取模算法； -隨機數(shù)算法。
26.根據(jù)權利要求14至25中任一項所述的設備，其中，所述圖像特征信息包括以下至少任一項 -可伸縮顏色描述子； -同質(zhì)紋理描述子； -顏色分布描述子； -基于互相關的描述子。
27.一種搜索引擎，其中，該搜索引擎包括如權利要求14至26中任一項所述的用于基于數(shù)字簽名對多個圖像進行相似判斷的設備。
全文摘要
本發(fā)明提供一種用于基于數(shù)字簽名對多個圖像進行相似判斷的設備和方法，包括獲取一個圖像的圖像特征信息；對所述圖像的圖像特征信息進行預定數(shù)字處理，生成該圖像所對應的一個數(shù)字簽名；其中，該方法還包括根據(jù)待處理的多個圖像中各個圖像所對應的數(shù)字簽名，對所述多個圖像進行相似判斷，并基于相似判斷結果對所述多個圖像進行相應處理。與現(xiàn)有技術相比，本發(fā)明基于所述多個圖像中每個圖像的數(shù)字簽名來進行相似判斷，并根據(jù)相似判斷結果來對所述圖像進行相應處理，提高了對多個圖像進行相似判斷的處理效率。
文檔編號G06F17/30GK102955784SQ20111024071
公開日2013年3月6日 申請日期2011年8月19日 優(yōu)先權日2011年8月19日
發(fā)明者文林福 申請人:北京百度網(wǎng)訊科技有限公司