本發(fā)明涉及一種圖像處理領(lǐng)域，特別是涉及一種圖像去重方法及系統(tǒng)。

背景技術(shù)：

圖像包含了豐富且直觀的信息，當(dāng)前在互聯(lián)網(wǎng)的社交、購物、旅游等領(lǐng)域，都需要大量的圖像來給用戶傳遞信息。隨著圖像數(shù)量的不斷增加，其中重復(fù)圖像的數(shù)量也越來越多。因此，圖像信息的提供方在使用圖像信息前，需要對(duì)圖像進(jìn)行去重，避免出現(xiàn)重復(fù)的圖像，影響用戶的體驗(yàn)，又增加自身圖像的維護(hù)量。隨著互聯(lián)網(wǎng)的飛速發(fā)展，圖像提供方每天都會(huì)利用用戶上傳、爬蟲下載等諸多途徑獲取大量圖像信息，數(shù)量已遠(yuǎn)遠(yuǎn)超過人工審核的限度。因此，利用計(jì)算機(jī)審核圖像信息，自動(dòng)對(duì)其中重復(fù)的圖像進(jìn)行判定和去除成為了迫切的需求。

近年來出現(xiàn)了很多圖像去重方法，如基于顏色和紋理等全局特征的一系列方法和基于SIFT(尺度不變特征變換)和ORB(一種圖像二值特征點(diǎn)提取算法)等局部特征點(diǎn)的一系列方法等。這些方法中，基于全局特征的方法不能很好解決圖像殘缺和旋轉(zhuǎn)等問題；基于SIFT等局部特征點(diǎn)的方法雖然效果較好，但是由于特征提取和匹配復(fù)雜，計(jì)算速度過于緩慢；基于ORB等局部二值特征點(diǎn)的方法，計(jì)算速度雖然很快，但是處理圖像尺寸差異過大、形變和模糊等問題的效果較差。同時(shí)，現(xiàn)有方法大都被用于計(jì)算圖像之間的重復(fù)度或判定圖像是否重復(fù)，忽略了最后的重復(fù)圖像去除環(huán)節(jié)，導(dǎo)致圖像去重過程往往是不完整的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是為了克服現(xiàn)有技術(shù)中圖像去重方法存在很多問題的缺陷，提供一種實(shí)用性強(qiáng)、去重速度、效果和完整性俱佳的圖像去重方法及系統(tǒng)。

本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題的：

本發(fā)明提供了一種圖像去重方法，其特點(diǎn)在于，包括以下步驟：

S₁、對(duì)兩張圖像進(jìn)行灰度化處理，并將所述兩張圖像按照初始的寬高比例縮放至一標(biāo)準(zhǔn)尺寸之內(nèi)

S₂、利用圖像局部二值特征計(jì)算所述兩張圖像之間的重復(fù)度；

S₃、判斷所述兩張圖像是否重復(fù)，并在判斷為是時(shí)，執(zhí)行步驟S₄；

S₄、比較所述兩張圖像的質(zhì)量，并去除質(zhì)量低的圖像。

較佳地，步驟S₂包括：

S₂₁、分別從所述兩張圖像中提取圖像局部二值特征點(diǎn)；

S₂₂、統(tǒng)計(jì)所述兩張圖像中的第一張圖像中的匹配特征點(diǎn)的數(shù)量，所述匹配特征點(diǎn)與所述兩張圖像中的第二張圖像中的一個(gè)特征點(diǎn)相匹配；

S₂₃、計(jì)算所述兩張圖像之間的重復(fù)度。

較佳地，步驟S₂₁中利用ORB算法提取圖像局部二值特征點(diǎn)。

較佳地，步驟S₂₂包括：

S₂₂₁、從所述第一張圖像中選取一目標(biāo)特征點(diǎn)；

S₂₂₂、遍歷所述第二張圖像中的所有特征點(diǎn)，并分別計(jì)算所述第二張圖像中的每個(gè)特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離；

S₂₂₃、從所述第二張圖像中選取漢明距離最小的一第一特征點(diǎn)和漢明距離第二小的一第二特征點(diǎn)；

S₂₂₄、計(jì)算第一漢明距離與第二漢明距離之間的比值，所述第一漢明距離為所述第一特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離，所述第二漢明距離為所述第二特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離；

S₂₂₅、判斷第一漢明距離與第二漢明距離之間的比值是否小于第一閾值，若是，則確定所述目標(biāo)特征點(diǎn)為與所述第一特征點(diǎn)相匹配的匹配特征點(diǎn)，若否，則確定所述目標(biāo)特征點(diǎn)與所述第一特征點(diǎn)不匹配；

重復(fù)執(zhí)行步驟S₂₂₁-S₂₂₅，直至所述第一張圖像中的所有特征點(diǎn)均被選取，然后統(tǒng)計(jì)所述第一張圖像中的匹配特征點(diǎn)的數(shù)量；

步驟S₂₃中計(jì)算所述兩張圖像之間的重復(fù)度包括：

計(jì)算所述第一張圖像中匹配特征點(diǎn)的數(shù)量與所述第一張圖像中的特征點(diǎn)的總數(shù)之間的比值。

較佳地，步驟S₃包括：

S₃₁、設(shè)置第一重復(fù)度閾值和第二重復(fù)度閾值，所述第一重復(fù)度閾值大于所述第二重復(fù)度閾值；

S₃₂、將所述兩張圖像之間的重復(fù)度與所述第一重復(fù)度閾值及所述第二重復(fù)度閾值進(jìn)行比較，

若所述重復(fù)度大于或等于所述第一重復(fù)度閾值，則確定所述兩張圖像重復(fù)，然后執(zhí)行步驟S₄；

若所述重復(fù)度小于或等于所述第二重復(fù)度閾值，則確定所述兩張圖像不重復(fù)，然后結(jié)束流程；

若所述重復(fù)度大于所述第二重復(fù)度閾值且小于所述第一重復(fù)度閾值，則執(zhí)行步驟S₃₃；

S₃₃、獲取所述兩張圖像的顏色特征和紋理特征，并將所述顏色特征和所述紋理特征組合為全局特征，計(jì)算所述兩張圖像的全局特征之間的曼哈頓距離；

S₃₄、判斷所述曼哈頓距離是否小于一距離閾值，若是，則確定所述兩張圖像重復(fù)，然后執(zhí)行步驟S₄，若否，則確定所述兩張圖像不重復(fù)，然后結(jié)束流程。

較佳地，步驟S₄包括：

S₄₁、對(duì)所述兩張圖像進(jìn)行拉普拉斯濾波，并計(jì)算濾波后的圖像的像素值的方差；

S₄₂、確定像素值的方差小的圖像為質(zhì)量低的圖像，并去除質(zhì)量低的圖像。

較佳地，步驟S₁之前還包括：

S₀₁、計(jì)算兩張圖像的像素值，并判斷像素值是否相同，若是，則從所述兩張圖像中隨機(jī)去除一張圖像，然后結(jié)束流程，若否，則執(zhí)行步驟S₁。

本發(fā)明的目的在于還提供了一種圖像去重系統(tǒng)，其特點(diǎn)在于，包括：

處理模塊，用于對(duì)兩張圖像進(jìn)行灰度化處理，并將所述兩張圖像按照初始的寬高比例縮放至一標(biāo)準(zhǔn)尺寸之內(nèi)；

重復(fù)度計(jì)算模塊，用于利用圖像局部二值特征計(jì)算所述兩張圖像之間的重復(fù)度；

判斷模塊，用于判斷所述兩張圖像是否重復(fù)，并在判斷為是時(shí)，調(diào)用一去重模塊；

所述去重模塊用于比較所述兩張圖像的質(zhì)量，并去除質(zhì)量低的圖像。

較佳地，所述重復(fù)度計(jì)算模塊包括：

特征點(diǎn)提取單元，用于分別從所述兩張圖像中提取圖像局部二值特征點(diǎn)；

特征點(diǎn)統(tǒng)計(jì)單元，用于統(tǒng)計(jì)所述兩張圖像中的第一張圖像中的匹配特征點(diǎn)的數(shù)量，所述匹配特征點(diǎn)與所述兩張圖像中的第二張圖像中的一個(gè)特征點(diǎn)相匹配；

重復(fù)度計(jì)算單元，用于計(jì)算所述兩張圖像之間的重復(fù)度。

較佳地，所述特征點(diǎn)提取單元用于利用ORB算法提取圖像局部二值特征點(diǎn)。

較佳地，所述特征點(diǎn)統(tǒng)計(jì)單元包括：

第一選取子單元，用于從所述第一張圖像中選取一目標(biāo)特征點(diǎn)；

遍歷子單元，用于遍歷所述第二張圖像中的所有特征點(diǎn)，并分別計(jì)算所述第二張圖像中的每個(gè)特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離；

第二選取子單元，用于從所述第二張圖像中選取漢明距離最小的一第一特征點(diǎn)和漢明距離第二小的一第二特征點(diǎn)；

比值計(jì)算子單元，用于計(jì)算第一漢明距離與第二漢明距離之間的比值，所述第一漢明距離為所述第一特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離，所述第二漢明距離為所述第二特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離；

比值判斷子單元，用于判斷第一漢明距離與第二漢明距離之間的比值是否小于第一閾值，若是，則確定所述目標(biāo)特征點(diǎn)為與所述第一特征點(diǎn)相匹配的匹配特征點(diǎn)，若否，則確定所述目標(biāo)特征點(diǎn)與所述第一特征點(diǎn)不匹配；

統(tǒng)計(jì)子單元，用于重復(fù)調(diào)用所述第一選取子單元、所述遍歷子單元、所述第二選取子單元、所述比值計(jì)算子單元及所述比值判斷子單元，直至所述第一張圖像中的所有特征點(diǎn)均被選取，然后統(tǒng)計(jì)所述第一張圖像中的匹配特征點(diǎn)的數(shù)量；

所述重復(fù)度計(jì)算單元用于計(jì)算所述第一張圖像中匹配特征點(diǎn)的數(shù)量與所述第一張圖像中的特征點(diǎn)的總數(shù)之間的比值。

較佳地，所述判斷模塊包括：

設(shè)置單元，用于設(shè)置第一重復(fù)度閾值和第二重復(fù)度閾值，所述第一重復(fù)度閾值大于所述第二重復(fù)度閾值；

比較單元，用于將所述兩張圖像之間的重復(fù)度與所述第一重復(fù)度閾值及所述第二重復(fù)度閾值進(jìn)行比較，

若所述重復(fù)度大于或等于所述第一重復(fù)度閾值，則確定所述兩張圖像重復(fù)，然后調(diào)用所述去重模塊；

若所述重復(fù)度小于或等于所述第二重復(fù)度閾值，則確定所述兩張圖像不重復(fù)，然后不做操作；

若所述重復(fù)度大于所述第二重復(fù)度閾值且小于所述第一重復(fù)度閾值，則調(diào)用一獲取單元；

所述獲取單元用于獲取所述兩張圖像的顏色特征和紋理特征，并將所述顏色特征和所述紋理特征組合為全局特征，計(jì)算所述兩張圖像的全局特征之間的曼哈頓距離；

判斷單元，用于判斷所述曼哈頓距離是否小于一距離閾值，若是，則確定所述兩張圖像重復(fù)，然后調(diào)用所述去重模塊，若否，則確定所述兩張圖像不重復(fù)，然后不做操作。

較佳地，所述去重模塊包括：

濾波單元，用于對(duì)所述兩張圖像進(jìn)行拉普拉斯濾波，并計(jì)算濾波后的圖像的像素值的方差；

去重單元，用于確定像素值的方差小的圖像為質(zhì)量低的圖像，并去除質(zhì)量低的圖像。

較佳地，所述圖像去重系統(tǒng)還包括：

像素值計(jì)算模塊，用于計(jì)算兩張圖像的像素值，并判斷像素值是否相同，若是，則從所述兩張圖像中隨機(jī)去除一張圖像，然后不做操作，若否，則調(diào)用所述處理模塊。

本發(fā)明的積極進(jìn)步效果在于：本發(fā)明通過對(duì)圖像的像素值進(jìn)行計(jì)算和比較，省略了完全相同的圖像的后續(xù)比較操作，提高了圖像去重的效率；同時(shí)，通過將圖像按照初始的寬高比例統(tǒng)一縮放到一個(gè)固定的標(biāo)準(zhǔn)尺寸之內(nèi)，避免了圖像之間的尺寸差異，較好地彌補(bǔ)了很多圖像局部二值特征點(diǎn)不具有尺度不變性的缺陷；本發(fā)明利用圖像局部二值特征點(diǎn)來快速計(jì)算圖像之間的重復(fù)度，減少了計(jì)算時(shí)間；并且本發(fā)明融合了圖像的局部信息和全局信息來進(jìn)行重復(fù)圖像判定，令不同圖像信息之間優(yōu)勢(shì)互補(bǔ)，降低了圖像形變和模糊等因素對(duì)局部二值特征點(diǎn)匹配結(jié)果的影響，提高了圖像去重的準(zhǔn)確率；此外，本發(fā)明增加了重復(fù)圖像的質(zhì)量比較，使得圖像去重的速度、去重的效果以及完整性都得到較好的保障。

附圖說明

圖1為本發(fā)明的較佳實(shí)施例的圖像去重系統(tǒng)的模塊示意圖。

圖2為本發(fā)明的較佳實(shí)施例的圖像去重方法的流程圖。

具體實(shí)施方式

下面通過實(shí)施例的方式進(jìn)一步說明本發(fā)明，但并不因此將本發(fā)明限制在所述的實(shí)施例范圍之中。

如圖1所示，本發(fā)明的圖像去重系統(tǒng)包括處理模塊1、重復(fù)度計(jì)算模塊2、判斷模塊3、去重模塊4以及像素值計(jì)算模塊5；

其中，所述像素值計(jì)算模塊5會(huì)首先計(jì)算兩張圖像的像素值，并判斷兩張圖像的像素值是否相同，若是，則說明所述兩張圖像完全相同，則從所述兩張圖像中隨機(jī)去除一張圖像，即實(shí)現(xiàn)了對(duì)兩張相同圖像的去重，然后不做后續(xù)操作，若否，則調(diào)用所述處理模塊1。

所述處理模塊1則對(duì)所述兩張圖像進(jìn)行灰度化處理，并將所述兩張圖像按照初始的寬高比例統(tǒng)一縮放至標(biāo)準(zhǔn)尺寸之內(nèi)；

所述處理模塊1會(huì)將所述兩張圖像縮放至統(tǒng)一的標(biāo)準(zhǔn)尺寸之內(nèi)，即將所述兩張圖像對(duì)齊，將圖像按初始的寬高比例統(tǒng)一縮放到一個(gè)固定的標(biāo)準(zhǔn)尺寸之內(nèi)。具體地，在本實(shí)施例中，所述標(biāo)準(zhǔn)尺寸被設(shè)置為800*800像素，具體的圖像放大方法可以采用雙線性插值方法，圖像縮小方法可以采用均值降采樣方法。

所述重復(fù)度計(jì)算模塊2則利用圖像局部二值特征計(jì)算所述兩張圖像之間的重復(fù)度；

具體地，所述重復(fù)度計(jì)算模塊2包括：特征點(diǎn)提取單元21、特征點(diǎn)統(tǒng)計(jì)單元22以及重復(fù)度計(jì)算單元23；

其中，特征點(diǎn)提取單元21用于分別從所述兩張圖像中提取圖像局部二值特征點(diǎn)；具體可以利用ORB算法提取圖像局部二值特征點(diǎn)，在本實(shí)施例中，每張圖像提取的特征點(diǎn)的數(shù)量上限被設(shè)置為500，從所述兩張圖像中所提取的圖像局部二值特征點(diǎn)的數(shù)量可以不相同；

所述特征點(diǎn)統(tǒng)計(jì)單元22則統(tǒng)計(jì)所述兩張圖像中的第一張圖像中的匹配特征點(diǎn)的數(shù)量，所述匹配特征點(diǎn)與所述兩張圖像中的第二張圖像中的一個(gè)特征點(diǎn)相匹配；其中，所述第一張圖像和所述第二張圖像并沒有特別明確的區(qū)分，兩張圖像中的其中一張為第一張圖像，則另一張就為第二張圖像；

具體地，所述特征點(diǎn)統(tǒng)計(jì)單元22可以包括：第一選取子單元221、遍歷子單元222、第二選取子單元223、比值計(jì)算子單元224、比值判斷子單元225以及統(tǒng)計(jì)子單元226；

其中，所述第一選取子單元221首先從所述第一張圖像中選取一目標(biāo)特征點(diǎn)i；

所述遍歷子單元222則遍歷所述第二張圖像中的所有特征點(diǎn)，并分別計(jì)算所述第二張圖像中的每個(gè)特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離；

所述第二選取子單元223則從所述第二張圖像中選取漢明距離最小的一第一特征點(diǎn)j1和漢明距離第二小的一第二特征點(diǎn)j2；所述第二特征點(diǎn)即除了所述第一特征點(diǎn)之外，漢明距離最小的特征點(diǎn)；

所述比值計(jì)算子單元224會(huì)計(jì)算第一漢明距離d1與第二漢明距離d2之間的比值，所述第一漢明距離d1為所述第一特征點(diǎn)j1與所述目標(biāo)特征點(diǎn)i之間的漢明距離，所述第二漢明距離d2為所述第二特征點(diǎn)j2與所述目標(biāo)特征點(diǎn)i之間的漢明距離；

所述比值判斷子單元225判斷第一漢明距離與第二漢明距離之間的比值是否小于第一閾值，若是，則確定所述目標(biāo)特征點(diǎn)i為與所述第一特征點(diǎn)j1相匹配的匹配特征點(diǎn)(即所述目標(biāo)特征點(diǎn)為匹配特征點(diǎn))，若否，則確定所述目標(biāo)特征點(diǎn)i與所述第一特征點(diǎn)j1不匹配，即此時(shí)所述第二張圖像中并不存在與所述第一張圖像中的目標(biāo)特征點(diǎn)相匹配的特征點(diǎn)，此時(shí)所述第一張圖像中的目標(biāo)特征點(diǎn)就不是匹配特征點(diǎn)；在本實(shí)施例中，所述第一閾值可以設(shè)置為0.6；

所述統(tǒng)計(jì)子單元226會(huì)重復(fù)調(diào)用所述第一選取子單元221、所述遍歷子單元222、所述第二選取子單元223、所述比值計(jì)算子單元224及所述比值判斷子單元225，直至所述第一張圖像中的所有特征點(diǎn)均被選取，即對(duì)所述第一張圖像中的每個(gè)特征點(diǎn)，均判斷其是否為匹配特征點(diǎn)，即判斷所述第二圖像中是否存在與其相匹配的特征點(diǎn)，若存在則其為匹配特征點(diǎn)，然后統(tǒng)計(jì)所述第一張圖像中的匹配特征點(diǎn)的數(shù)量；

所述重復(fù)度計(jì)算單元23則用于計(jì)算所述兩張圖像之間的重復(fù)度，具體地，所述重復(fù)度計(jì)算單元23會(huì)計(jì)算所述第一張圖像中匹配特征點(diǎn)的數(shù)量與所述第一張圖像中的特征點(diǎn)的總數(shù)之間的比值，計(jì)算出的比值即為所述兩張圖像之間的重復(fù)度；

所述判斷模塊3則根據(jù)所述兩張圖像之間的重復(fù)度來判斷所述兩張圖像是否重復(fù)，若判斷結(jié)果為重復(fù)，則調(diào)用所述去重模塊4，若判斷結(jié)果為不重復(fù)，則不做后續(xù)操作；

所述判斷模塊3具體包括：設(shè)置單元31、比較單元32、獲取單元33以及判斷單元34；

其中，所述設(shè)置單元31用于設(shè)置第一重復(fù)度閾值和第二重復(fù)度閾值，所述第一重復(fù)度閾值大于所述第二重復(fù)度閾值；

在本實(shí)施例中，所述第一重復(fù)度閾值可以設(shè)置為5％，所述第二重復(fù)度閾值可以設(shè)置為1％；

所述比較單元32將所述兩張圖像之間的重復(fù)度與所述第一重復(fù)度閾值及所述第二重復(fù)度閾值進(jìn)行比較，

若所述重復(fù)度大于或等于所述第一重復(fù)度閾值，則確定所述兩張圖像重復(fù)，然后調(diào)用所述去重模塊4；

若所述重復(fù)度小于或等于所述第二重復(fù)度閾值，則確定所述兩張圖像不重復(fù)，然后不做后續(xù)操作；

若所述重復(fù)度大于所述第二重復(fù)度閾值且小于所述第一重復(fù)度閾值，則調(diào)用所述獲取單元33；

所述獲取單元33會(huì)獲取所述兩張圖像的顏色特征和紋理特征，并將所述顏色特征和所述紋理特征組合為全局特征，計(jì)算所述兩張圖像的全局特征之間的曼哈頓距離；

在本實(shí)施例中，所述獲取單元33優(yōu)選地會(huì)首先將所述兩張圖像的尺寸大小縮放為100*100像素，然后將其劃分為81個(gè)20*20像素大小的圖像塊，相鄰圖像塊之間具有50％的像素重疊；其中，每個(gè)圖像塊的顏色特征通過R、G、B、H、S、Y、Cb、Cr這8個(gè)顏色通道對(duì)應(yīng)的16維顏色直方圖來表達(dá)；每個(gè)圖像塊的紋理特征通過局部二值模式來提取，最后組合所有圖像塊的顏色特征和紋理特征作為圖像的全局特征，并計(jì)算兩個(gè)圖像的全局特征之間的曼哈頓距離；

所述判斷單元34會(huì)判斷所述曼哈頓距離是否小于一距離閾值，若是，則確定所述兩張圖像重復(fù)，然后調(diào)用所述去重模塊4，若否，則確定所述兩張圖像不重復(fù)，然后不做后續(xù)操作。

在本實(shí)施例中，所述距離閾值優(yōu)選可以設(shè)置為0.1，本發(fā)明的判斷模塊3能夠建立重復(fù)度判斷模型，從而能夠較好地處理圖像形變和模糊等問題。

所述去重模塊4最后會(huì)比較所述兩張圖像的質(zhì)量，并去除質(zhì)量低的圖像；

所述去重模塊4包括濾波單元41及去重單元42；所述濾波單元41會(huì)對(duì)所述兩張圖像進(jìn)行拉普拉斯濾波，并計(jì)算濾波后的圖像的像素值的方差；具體地，所述濾波單元41會(huì)先利用拉普拉斯算子對(duì)圖像進(jìn)行卷積濾波，卷積核的大小可設(shè)置為3*3，然后再計(jì)算濾波后的圖像的像素值的方差，以此作為圖像的清晰度的衡量指標(biāo)，即作為圖像質(zhì)量的衡量指標(biāo)；

所述去重單元42則確定像素值的方差小的圖像為質(zhì)量低的圖像，并去除質(zhì)量低的圖像，從而完成圖像的去重。

本實(shí)施例還提供了一種圖像去重方法，利用上述的圖像去重系統(tǒng)實(shí)現(xiàn)，如圖2所示，所述圖像去重方法包括以下步驟：

步驟100、計(jì)算兩張圖像的像素值，并判斷像素值是否相同，若是，則從所述兩張圖像中隨機(jī)去除一張圖像，然后結(jié)束流程，若否，則執(zhí)行步驟101；

步驟101、對(duì)兩張圖像進(jìn)行灰度化處理，并將所述兩張圖像按照初始的寬高比例縮放至一標(biāo)準(zhǔn)尺寸之內(nèi)；

步驟102、利用圖像局部二值特征計(jì)算所述兩張圖像之間的重復(fù)度；

步驟103、判斷所述兩張圖像是否重復(fù)，若是，則執(zhí)行步驟104；若否，則結(jié)束流程；

步驟104、比較所述兩張圖像的質(zhì)量，并去除質(zhì)量低的圖像。

其中，步驟100中首先計(jì)算兩張圖像的像素值，并判斷兩張圖像的像素值是否相同，若是，則說明所述兩張圖像完全相同，則從所述兩張圖像中隨機(jī)去除一張圖像，即實(shí)現(xiàn)了對(duì)兩張相同圖像的去重，然后結(jié)束流程，若否，則執(zhí)行步驟101。

步驟101中則對(duì)所述兩張圖像進(jìn)行灰度化處理，并將所述兩張圖像按照初始的寬高比例縮放至統(tǒng)一的標(biāo)準(zhǔn)尺寸之內(nèi)；

在步驟101中會(huì)將所述兩張圖像按照初始的寬高比例縮放至標(biāo)準(zhǔn)尺寸之內(nèi)，即將所述兩張圖像對(duì)齊，將圖像按初始的寬高比例統(tǒng)一縮放到一個(gè)固定的標(biāo)準(zhǔn)尺寸之內(nèi)。具體地，在本實(shí)施例中，所述標(biāo)準(zhǔn)尺寸被設(shè)置為800*800像素，具體的圖像放大方法可以采用雙線性插值方法，圖像縮小方法可以采用均值降采樣方法。

而步驟102可具體包括以下步驟：

步驟1021、分別從所述兩張圖像中提取圖像局部二值特征點(diǎn)；

步驟1022、統(tǒng)計(jì)所述兩張圖像中的第一張圖像中的匹配特征點(diǎn)的數(shù)量，所述匹配特征點(diǎn)與所述兩張圖像中的第二張圖像中的一個(gè)特征點(diǎn)相匹配；

步驟1023、計(jì)算所述兩張圖像之間的重復(fù)度。

在步驟1021中可利用ORB算法提取圖像局部二值特征點(diǎn)；步驟1022可具體包括：

步驟10221、從所述第一張圖像中選取一目標(biāo)特征點(diǎn)；

步驟10222、遍歷所述第二張圖像中的所有特征點(diǎn)，并分別計(jì)算所述第二張圖像中的每個(gè)特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離；

步驟10223、從所述第二張圖像中選取漢明距離最小的一第一特征點(diǎn)和漢明距離第二小的一第二特征點(diǎn)；

步驟10224、計(jì)算第一漢明距離與第二漢明距離之間的比值，所述第一漢明距離為所述第一特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離，所述第二漢明距離為所述第二特征點(diǎn)與所述目標(biāo)特征點(diǎn)之間的漢明距離；

步驟10225、判斷第一漢明距離與第二漢明距離之間的比值是否小于第一閾值，若是，則確定所述目標(biāo)特征點(diǎn)為與所述第一特征點(diǎn)相匹配的匹配特征點(diǎn)，若否，則確定所述目標(biāo)特征點(diǎn)與所述第一特征點(diǎn)不匹配；

重復(fù)執(zhí)行步驟10221-步驟10225，直至所述第一張圖像中的所有特征點(diǎn)均被選取，然后統(tǒng)計(jì)所述第一張圖像中的匹配特征點(diǎn)的數(shù)量；

步驟1023中計(jì)算所述兩張圖像之間的重復(fù)度包括：

計(jì)算所述第一張圖像中匹配特征點(diǎn)的數(shù)量與所述第一張圖像中的特征點(diǎn)的總數(shù)之間的比值，計(jì)算出的比值即為所述兩張圖像之間的重復(fù)度。

步驟103可具體包括：

步驟1031、設(shè)置第一重復(fù)度閾值和第二重復(fù)度閾值，所述第一重復(fù)度閾值大于所述第二重復(fù)度閾值；

步驟1032、將所述兩張圖像之間的重復(fù)度與所述第一重復(fù)度閾值及所述第二重復(fù)度閾值進(jìn)行比較，

若所述重復(fù)度大于或等于所述第一重復(fù)度閾值，則確定所述兩張圖像重復(fù)，然后執(zhí)行步驟104；

若所述重復(fù)度小于或等于所述第二重復(fù)度閾值，則確定所述兩張圖像不重復(fù)，然后結(jié)束流程；

若所述重復(fù)度大于所述第二重復(fù)度閾值且小于所述第一重復(fù)度閾值，則執(zhí)行步驟1033；

步驟1033、獲取所述兩張圖像的顏色特征和紋理特征，并將所述顏色特征和所述紋理特征組合為全局特征，計(jì)算所述兩張圖像的全局特征之間的曼哈頓距離；

步驟1034、判斷所述曼哈頓距離是否小于一距離閾值，若是，則確定所述兩張圖像重復(fù)，然后執(zhí)行步驟104，若否，則確定所述兩張圖像不重復(fù)，然后結(jié)束流程。

步驟104可具體包括：

步驟1041、對(duì)所述兩張圖像進(jìn)行拉普拉斯濾波，并計(jì)算濾波后的圖像的像素值的方差；

步驟1042、確定像素值的方差小的圖像為質(zhì)量低的圖像，并去除質(zhì)量低的圖像，從而完成對(duì)圖像的去重。

雖然以上描述了本發(fā)明的具體實(shí)施方式，但是本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，這些僅是舉例說明，本發(fā)明的保護(hù)范圍是由所附權(quán)利要求書限定的。本領(lǐng)域的技術(shù)人員在不背離本發(fā)明的原理和實(shí)質(zhì)的前提下，可以對(duì)這些實(shí)施方式做出多種變更或修改，但這些變更和修改均落入本發(fā)明的保護(hù)范圍。