一种图像去重的方法、装置、设备及介质与流程

1.本技术涉及图像处理技术领域，尤其涉及一种图像去重的方法、装置、设备及介质。


背景技术：

2.视频监控通常会采集到大量相同或类似的图像，这为后续的图像处理带来了极大的冗余，也带来了很不必要的存储空间占用。因此，图像去重技术占有非常重要的地位，如何准确地删除数据库或数据流中内容相同或相似的图像是非常重要的。


技术实现要素：

3.本技术提供了一种图像去重的方法、装置、设备及介质，用于提高图像去重的准确性。
4.第一方面，本技术提供了一种图像去重的方法，包括：
5.确定两张图像的结构相似矩阵；
6.确定所述两张图像的差异区域的掩膜矩阵；
7.基于所述结构相似矩阵和所述掩膜矩阵，确定所述差异区域的第一相似指标和所述两张图像的非差异区域的第二相似指标；
8.基于所述第一相似指标和所述第二相似指标，确定是否对所述两张图像进行去重操作。
9.在一种可能的实现中，所述基于所述第一相似指标和所述第二相似指标，确定是否对所述两张图像进行去重操作，包括：
10.基于所述第一相似指标和所述第二相似指标，确定所述两张图像的图像相似度；
11.在确定所述图像相似度大于或等于预设相似度阈值时，对所述两张图像进行去重操作。
12.在一种可能的实现中，所述基于所述第一相似指标和所述第二相似指标，确定所述两张图像的图像相似度，包括：
13.基于所述差异区域的像素点的数量与所述图像的像素点的总数量的比值，确定参考值；
14.通过所述参考值，对所述第一相似指标和所述第二相似指标进行加权处理，得到所述两张图像的图像相似度。
15.在一种可能的实现中，所述基于所述差异区域的像素点的数量与所述图像的像素点的总数量的比值，确定参考值，包括：
16.基于公式：确定所述参考值；
17.其中，ε为所述参考值，tanh(.)为双曲正切函数，k为大于0的常
数，w为所述图像的宽，h为所述图像的高，ms为所述两张图像的差异区域的掩膜矩阵；其中，sum(ms)为所述差异区域的像素点的数量，w
·
h为所述图像的像素点的总数量。
18.在一种可能的实现中，所述基于所述结构相似矩阵和所述掩膜矩阵，确定所述差异区域的第一相似指标和所述两张图像的非差异区域的第二相似指标，包括：
19.对所述结构相似矩阵的元素和所述掩膜矩阵的元素进行逐点相乘，对逐点相乘后的矩阵的元素进行求和，得到第一数值；对所述掩膜矩阵的元素进行求和，得到第二数值；基于所述第一数值和所述第二数值，确定所述第一相似指标；
20.对所述结构相似矩阵的元素和参考矩阵的元素进行逐点相乘，对逐点相乘后的矩阵的元素进行求和，得到第三数值；对所述参考矩阵的元素进行求和，得到第四数值；基于所述第三数值和所述第四数值，确定所述第二相似指标；其中，所述参考矩阵为全1矩阵与所述掩膜矩阵的差值矩阵。
21.在一种可能的实现中，所述确定两张图像的结构相似矩阵，包括：
22.基于两张图像的亮度指标、两张图像的对比度指标、两张图像的结构指标中的至少一个指标，确定所述结构相似矩阵。
23.在一种可能的实现中，所述确定所述两张图像的差异区域的掩膜矩阵，包括：
24.对所述两张图像分别进行灰度化处理；
25.对两张灰度化处理后的图像进行差分处理，得到差分图像，所述差分图像基于像素点的像素值的分为所述差异区域和所述非差异区域；
26.基于所述差分图像，确定所述差异区域的掩膜矩阵。
27.在一种可能的实现中，确定所述差异区域的掩膜矩阵，包括：
28.对所述差分图像进行归一化处理；
29.对归一化后的差分图像进行二值化处理，得到二值化图像；其中，所述二值化图像的像素点的像素值为0和1；
30.对所述二值化图像进行图像膨胀，得到所述差异区域的掩膜矩阵。
31.在一种可能的实现中，对所述二值化图像进行图像膨胀，包括：
32.基于所述二值化图像的高和宽、预设尺寸参数以及预设缩放系数，确定图像膨胀核的目标尺寸参数；
33.基于所述目标尺寸参数对应的图像膨胀核，对所述二值化图像进行图像膨胀。
34.在一种可能的实现中，基于所述二值化图像的高和宽、预设尺寸参数以及预设缩放系数，确定图像膨胀核的目标尺寸参数，包括：
35.基于以下公式，确定图像膨胀核的目标尺寸参数：
36.其中，r＝max(w,h)；
37.其中，dk为所述图像膨胀核的目标尺寸参数，表示向下取整，％表示取余计算，max表示取()中的大值，w为所述二值化图像的宽，h为所述二值化图像的高，a1为所述预设尺寸参数，a1为大于或等于3的整数，a2为所述预设缩放系数。
38.第二方面，本技术提供了一种图像去重的装置，包括：
39.确定模块，用于确定两张图像的结构相似矩阵，以及确定所述两张图像的差异区域的掩膜矩阵；
40.相似模块，用于基于所述结构相似矩阵和所述掩膜矩阵，确定所述差异区域的第一相似指标和所述两张图像的非差异区域的第二相似指标；
41.去重模块，用于基于所述第一相似指标和所述第二相似指标，确定是否对所述两张图像进行去重操作。
42.在一种可能的实现中，所述去重模块，具体用于基于所述第一相似指标和所述第二相似指标，确定所述两张图像的图像相似度；在确定所述图像相似度大于或等于预设相似度阈值时，对所述两张图像进行去重操作。
43.在一种可能的实现中，所述去重模块，具体用于基于所述差异区域的像素点的数量与所述图像的像素点的总数量的比值，确定参考值；通过所述参考值，对所述第一相似指标和所述第二相似指标进行加权处理，得到所述两张图像的图像相似度。
44.在一种可能的实现中，所述去重模块，具体用于基于公式：确定所述参考值；其中，ε为所述参考值，tanh(.)为双曲正切函数，k为大于0的常数，w为所述图像的宽，h为所述图像的高，ms为所述两张图像的差异区域的掩膜矩阵；其中，sum(ms)为所述差异区域的像素点的数量，w
·
h为所述图像的像素点的总数量。
45.在一种可能的实现中，所述相似模块，具体用于对所述结构相似矩阵的元素和所述掩膜矩阵的元素进行逐点相乘，对逐点相乘后的矩阵的元素进行求和，得到第一数值；对所述掩膜矩阵的元素进行求和，得到第二数值；基于所述第一数值和所述第二数值，确定所述第一相似指标；对所述结构相似矩阵的元素和参考矩阵的元素进行逐点相乘，对逐点相乘后的矩阵的元素进行求和，得到第三数值；对所述参考矩阵的元素进行求和，得到第四数值；基于所述第三数值和所述第四数值，确定所述第二相似指标；其中，所述参考矩阵为全1矩阵与所述掩膜矩阵的差值矩阵。
46.在一种可能的实现中，所述确定模块，具体用于基于两张图像的亮度指标、两张图像的对比度指标、两张图像的结构指标中的至少一个指标，确定所述结构相似矩阵。
47.在一种可能的实现中，所述确定模块，具体用于对所述两张图像分别进行灰度化处理；对两张灰度化处理后的图像进行差分处理，得到差分图像，所述差分图像基于像素点的像素值的分为所述差异区域和所述非差异区域；基于所述差分图像，确定所述差异区域的掩膜矩阵。
48.在一种可能的实现中，所述确定模块，具体用于对所述差分图像进行归一化处理；对归一化后的差分图像进行二值化处理，得到二值化图像；其中，所述二值化图像的像素点的像素值为0和1；对所述二值化图像进行图像膨胀，得到所述差异区域的掩膜矩阵。
49.在一种可能的实现中，所述确定模块，具体用于基于所述二值化图像的高和宽、预设尺寸参数以及预设缩放系数，确定图像膨胀核的目标尺寸参数；基于所述目标尺寸参数对应的图像膨胀核，对所述二值化图像进行图像膨胀。
50.在一种可能的实现中，所述确定模块，具体用于基于以下公式，确定图像膨胀核的目标尺寸参数：其中，r＝max(w,h)；其中，dk为
所述图像膨胀核的目标尺寸参数，表示向下取整，％表示取余计算，max表示取()中的大值，w为所述二值化图像的宽，h为所述二值化图像的高，a1为所述预设尺寸参数，a1为大于或等于3的整数，a2为所述预设缩放系数。
51.第三方面，本技术提供了一种电子设备，包括：处理器，可选的，还包括存储器；所述处理器和所述存储器耦合；所述存储器，用于存储计算机程序或指令；所述处理器，用于执行所述存储器中的部分或者全部计算机程序或指令，当所述部分或者全部计算机程序或指令被执行时，用于实现上述任一项方法中的功能。
52.在一种可能的实现中，所述装置还可以包括收发器，所述收发器，用于发送所述处理器处理后的信号，或者接收输入给所述处理器的信号。所述收发器可以执行任一项方法的发送动作或接收动作。
53.第四方面，提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序包括用于实现任一项的功能的指令。
54.或者，一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被计算机执行时，可以使得所述计算机执行上述任一项的方法。
55.第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述任一项的方法。
56.本技术实施例中，在确定是否对两张图像进行去重操作时，考虑了两张图像的差异区域的第一相似指标和非差异区域(即背景区域)的第二相似指标，相对于只考虑全局特征来说，关注到了图像间的局部细微变化，可以提高图像去重的准确性。
附图说明
57.为了更清楚地说明本技术实施例或相关技术中的实施方式，下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
58.图1示出了本技术实施例提供的一种图像去重的流程示意图；
59.图2a示出了本技术实施例提供了一种灰度图像x；
60.图2b示出了本技术实施例提供了一种灰度图像y；
61.图3示出了本技术实施例提供了一种归一化差分图像；
62.图4示出了本技术实施例提供了一种二值化图像；
63.图5示出了本技术实施例提供了一种膨胀图像；
64.图6示出了本技术实施例提供的一种图像去重的装置结构图；
65.图7示出了本技术实施例提供的一种电子设备结构图。
具体实施方式
66.为使本技术的目的和实施方式更加清楚，下面将结合本技术示例性实施例中的附图，对本技术示例性实施方式进行清楚、完整地描述，显然，描述的示例性实施例仅是本技术一部分实施例，而不是全部的实施例。本技术中说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体，而不必然意味着限定特定的顺序或先后次序，除非另外注明。应该理解这样使用的用语在适当情况下可以互换。
67.最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。
68.图1示出了本技术实施例提供的一种图像去重的流程示意图，该过程包括以下步骤：
69.该方法可以应用于电子设备，该电子设备可以是监控设备，或其它能够进行图像处理的设备。
70.步骤101：确定两张图像的结构相似矩阵。
71.两张图像分别为图像x和图像y，图像x和图像y的尺寸是相同的，例如，宽为w，高为h。
72.这两张图像可以是摄像头采集的原始图像，也可以是对原始图像进行缩放处理后的图像。
73.两张图像可以是rgb图像，也可以是灰度图像。
74.结构相似矩阵，记为ma，ma∈r
w*h
，其中，r为实数。结构相似矩阵为可以用于衡量两张图像的相似度的矩阵。
75.结构相似矩阵可以是基于结构相似性(structural similarity，ssim)算法确定的ssim矩阵，ssim矩阵可以是采用滑窗的方式确定的，也可以是采用非滑窗的方式确定的，后续再详细介绍。
76.结构相似矩阵还可以基于欧式距离，神经网络模型等方式确定。
77.步骤102：确定两张图像的差异区域的掩膜矩阵。
78.差异区域的掩膜矩阵，记为ms，ms∈r
w*h
，其中，r为实数。
79.差异区域可以理解为：两张图像的差异区域中的对应位置像素点的像素值不同，或者对应位置像素点的像素值的差值小于或等于设定阈值。
80.例如，先确定两张图像的差异区域和非差异区域，然后再确定差异区域的掩膜矩阵。
81.例如，采用图像差分法，确定两张图像的差异区域和非差异区域。
82.例如，采用光流法，确定两张图像的差异区域和非差异区域。
83.非差异区域可以理解为背景区域。
84.确定差异区域的掩膜矩阵时，可以采用已有的任一确定图像的掩膜矩阵的方式。
85.步骤101与步骤102的先后顺序不进行限制。
86.步骤103：基于所述结构相似矩阵和所述掩膜矩阵，确定所述差异区域的第一相似指标和所述非差异区域的第二相似指标。
87.结构相似矩阵和所述掩膜矩阵的大小一致。
88.步骤104：基于所述第一相似指标和所述第二相似指标，确定是否对所述两张图像进行去重操作。
89.本技术实施例中，在确定是否对两张图像进行去重操作时，考虑了两张图像的差异区域的第一相似指标和非差异区域(即背景区域)的第二相似指标，相对于只考虑全局特
征来说，关注到了图像间的局部细微变化，可以提高图像去重的准确性。
90.以下介绍步骤101：确定两张图像的结构相似矩阵的过程：
91.以结构相似矩阵为基于结构相似性ssim算法确定的ssim矩阵为例进行介绍。
92.以下对涉及的几个参数进行解释：
93.两张图像分别为图像x和图像y，xi表示图像x中位置i处的灰度值，yi表示图像y中位置i处的灰度值，i的取值为1至n；n表示计算区域包含的像素的数量，计算区域可以理解为整张图像的图像区域。
94.c1，c2，c3为常量，例如，c1＝(k1l)2，c2＝(k2l)2，c3＝c22，例如，k1＝0.01，k2＝0.03，l为像素动态取值范围，例如，l＝2
b-1，b为比特深度，例如b为8或16。
95.l(x，y)为亮度指标，c(x，y)为对比度指标，s(x，y)为结构指标。
96.例如，先基于图像x中位置i处的灰度值、图像y中位置i处的灰度值及计算区域包含的像素的数量，确定两张图像的亮度指标、两张图像的对比度指标、两张图像的结构指标。然后，再基于两张图像的亮度指标、两张图像的对比度指标、两张图像的结构指标中的至少一个指标，确定两张图像的ssim矩阵。
97.一种具体的示例中，基于以下公式，确定两张图像的亮度指标：其中，
98.一种具体的示例中，基于以下公式，确定两张图像的对比度指标：其中，
99.一种具体的示例中，基于以下公式，确定两张图像的结构指标：其中，
100.在确定结构相似矩阵时，一种示例中，可以将两张图像的亮度指标、两张图像的对比度指标、两张图像的结构指标中的任一个指标，确定为两张图像的ssim矩阵。另一种示例中，可以基于两张图像的亮度指标、两张图像的对比度指标、两张图像的结构指标中的至少两个做乘积处理，得到所述结构相似矩阵，即ssim矩阵。再一种示例中，可以将两张图像的亮度指标、两张图像的对比度指标、两张图像的结构指标做乘积处理，得到所述结构相似矩阵，即ssim矩阵。
101.一种具体的示例中，基于以下公式，确定两张图像的ssim矩阵，即ssim(x，y)：
102.ssim(x，y)＝l(x，y)
α
·
c(x，y)
β
·
s(x，y)
γ
；
103.其中，α,β,γ为常数，描述亮度指标、对比度指标和结构指标在ssim衡量中的重要程度。基于亮度指标、对比度指标、结构指标来确定ssim矩阵，考虑的指标较全面，可以更加准确地确定出两张图像的相似度。
104.当α＝β＝γ＝1时，有
105.当x和y完全相同时，ssim(x，y)＝1。
106.ssim(x，y)和掩膜矩阵的大小一致，即均为图像x、y对应的像素值矩阵的大小。
107.实际上，当需要衡量两张图像的相似度指标时，常用一个窗口滑动计算两张图像的ssim指标，例如，窗口的大小为11x11，15*15等奇数的窗口，在进行滑窗时，只滑动一个像素，则两个滑窗之间有很多像素点的交叠。
108.窗口内每一个像素被赋予一个权重值，该权重值圆对称的高斯加权方法来得到。此时有：
[0109][0110][0111][0112]
其中，n’为窗口中包含的像素的数量，wi为窗口中位置i处的像素的权重值。
[0113]
将这些参数带回到ssim矩阵的计算公式中，得到ssim矩阵，记为mssim，mssim和掩膜矩阵的大小一致。
[0114]
另外，当图像x和图像y为rgb图像时，计算每个通道的ssim矩阵(即mssim)，再取对3个通道的ssim矩阵(即mssim)求平均，得到最终的ssim矩阵。如果图像x和图像y为灰度图像，则无需取平均值。
[0115]
需要注意的是，mssim表示采用滑窗的方式确定的ssim矩阵，ssim(x，y)表示采用非滑窗的方式确定的ssim矩阵。
[0116]
以下介绍步骤102：确定两张图像的差异区域的掩膜矩阵的过程：
[0117]
步骤21：对两张图像x，y，分别进行灰度化处理，得到灰度图像x和灰度图像y。
[0118]
所谓灰度，就是图像没有色彩。举个例子，原本的彩色图片是有rgb三种颜色组成的(也就是每个像素点由三个值)，现在给图像灰度化，每个像素点只有一个值(取值范围为0至255)表示颜色的深度。对于彩色图片，颜色是在一个三维坐标下(也就是rgb模型)确定的，而灰度图的坐标是在一维坐标下确定的，取值范围为0-255。
[0119]
如果图像x，y为灰度图像，则可以省略灰度化处理的过程。
[0120]
步骤22：获取灰度图像x和灰度图像y的差分图像。
[0121]
所述差分图像基于像素点的像素值的分为所述差异区域和所述非差异区域。
[0122]
例如，基于公式δi＝|x-y|，确定差分图像的像素值矩阵，其中，δi为差分图像的像素值矩阵，x为灰度图像x的像素值矩阵，y为灰度图像y的像素值矩阵。
[0123]
图像差分就是把两张图像的对应位置的像素点的像素值相减，以削弱图像的相似部分，突出两张图像的差异区域。差分图像中非差异区域(可以理解为背景区域)为黑色(像素值相同，相减后为0)，差异区域为非黑色。
[0124]
步骤21和步骤22的先后顺序不进行限制，可以先对图像x，y进行差分处理，再对差分处理后的图像进行灰度化处理。也可以，先对两张图像x，y，分别进行灰度化处理，再对灰度化图像进行差分处理。
[0125]
步骤23：对差分图像进行归一化处理，得到归一化差分图像。
[0126]
归一化是指将在一定范围内的数值集合转换为0至1范围内。归一化的目的是控制
输入向量的数值范围，不能过大或者过小。
[0127]
具体的，
[0128]
其中，δi’为二值化图像的像素值矩阵，min(.)表示取差分图像的像素值矩阵中的最小元素，max(.)表示取差分图像的像素值矩阵中的最大元素。
[0129]
δi'∈rw×h，r表示实数，归一化后的像素值的取值范围为[0，1]，例如，有些像素点(例如非差异区域的像素点)的像素值为0，有些像素点的像素值为1，有些像素点的像素值为0.5等。
[0130]
图2a示出了本技术实施例提供了一种灰度图像x。
[0131]
图2b示出了本技术实施例提供了一种灰度图像y。
[0132]
图3示出了本技术实施例提供了一种归一化差分图像，该归一化差分图像基于对图2a和图2b的灰度图像x和灰度图像y进行差分处理和归一化处理得到。
[0133]
步骤24：对归一化后的差分图像进行二值化处理，得到二值化图像δib′
的像素值矩阵，所述二值化图像中像素点的像素值为0或1。
[0134]
图4示出了本技术实施例提供了一种二值化图像，该二值化图像基于对图3示出的归一化差分图像进行二值化处理得到。
[0135]
例如，采用otsu自适应阈值分割算法获得二值化图像δib′
。
[0136]
图像的二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取，而获得仍然可以反映图像整体和局部特征的二值化图像。在本技术中，为了方便后续的处理，二值化处理后，像素值只有0和1，可以理解为将255需替换成1。
[0137]
在一种可能的实现方式中，可以省略步骤23，直接对步骤22中差分图像进行二值化处理，得到像素值只有0和1的二值化图像。
[0138]
步骤25：对二值化图像δib′
进行图像膨胀，得到膨胀图像的像素值矩阵，记为ms，ms∈rw×h。
[0139]
图像的膨胀处理就是在图像的边缘添加像素值，使得整体的像素值扩张，进而达到图像的膨胀效果。图5示出了本技术实施例提供了一种膨胀图像，该膨胀图像基于对图4的二值化图像进行膨胀得到。
[0140]
图像膨胀通常是针对二值化图像的，图像膨胀中涉及两个对象，一个是原始图像(即二值化图像δib′
)，一个是图像膨胀核。基于图像膨胀核对原始图像进行膨胀的过程可以参考已有的技术，在本技术中不进行详细介绍。
[0141]
以下介绍确定图像膨胀核的方式：
[0142]
例如，可以基于二值化图像的长和宽、预设尺寸参数以及预设缩放系数，确定图像膨胀核的目标尺寸参数。
[0143]
一种可能的实现方式中，基于以下公式，确定图像膨胀核的目标尺寸参数：
[0144]
其中，r＝max(w,h)；
[0145]
其中，dk为图像膨胀核的目标尺寸参数；a1为预设尺寸参数，该预设尺寸参数可以用于表示图像膨胀核最小尺寸，a1为大于或等于3的整数；a2为预设缩放系数，r/a2表示将r
缩小a2倍，a2为大于1的整数；r％2+1是为了使图像膨胀核的目标尺寸参数为奇数，表示向下取整，％表示取余计算，w为所述二值化图像的宽，h为所述二值化图像的高，max表示取()中的大值，例如，max(w，h)表示取w和h中的最大值，即r为宽w和高h中的最大值。
[0146]
以a1＝3，a2＝25为例，则有：
[0147]
图像膨胀核可以是正方形图像，则该尺寸参数dk可以是图像膨胀核的边长(即高或宽)，图像膨胀核为(dk，dk)。图像膨胀核也可以是圆形图像，则该尺寸参数dk可以是图像膨胀核的直径。
[0148]
当确定出了图像膨胀核的尺寸参数后，就可以基于该尺寸参数对应的图像膨胀核对二值化图像δib′
进行图像膨胀，得到膨胀后的图像，也即差异区域的掩膜图像。
[0149]
由于二值化处理就是把图像的像素值变成0或1，在二值化图像的基础上进行图像膨胀，得到的膨胀图像的像素值还是只包括0和1。所以，把膨胀图像应用在原图像(即差分图像)上，可以看作是原图像的掩膜。图像掩膜可以理解为用选定的图像，对待处理的图像的全部或局部区域进行遮挡，来控制图像处理的区域。这样，膨胀图像的像素值矩阵，即差分图像的差异区域的掩膜矩阵ms，相当于像素值为0的像素点全给遮挡住了。
[0150]
以下介绍步骤103：基于所述结构相似矩阵和所述掩膜矩阵，确定所述差异区域的第一相似指标和非差异区域的第二相似指标。
[0151]
一种示例中，对所述结构相似矩阵的元素和所述掩膜矩阵的元素进行逐点相乘，对逐点相乘后的矩阵的元素进行求和，得到第一数值；对所述掩膜矩阵的元素进行求和，得到第二数值；基于所述第一数值和所述第二数值，确定所述第一相似指标；
[0152]
对所述结构相似矩阵的元素和参考矩阵的元素进行逐点相乘，对逐点相乘后的矩阵的元素进行求和，得到第三数值；对所述参考矩阵的元素进行求和，得到第四数值；基于所述第三数值和所述第四数值，确定所述第二相似指标；其中，所述参考矩阵为全1矩阵与所述掩膜矩阵的差值矩阵。
[0153]
例如，基于公式：确定第一相似指标；
[0154]
例如，基于公式：确定第二相似指标；
[0155]
其中，v1为第一相似指标，v2为第二相似指标，ma为相似度矩阵，ms为掩膜矩阵，mb为与掩膜矩阵ms大小相等的全1矩阵，sum表示对矩阵所有元素求和，
⊙
表示逐点相乘操作。
[0156]
其中，sum(ma⊙ms
)即为第一数值，sum(ms)即为第二数值；sum(ma⊙
(m
b-ms))即为第三数值；sum(m
b-ms)即为第四数值。
[0157]
以下介绍步骤104：基于所述第一相似指标和所述第二相似指标，确定是否对所述两张图像进行去重操作。
[0158]
一种示例中，所述基于所述第一相似指标和所述第二相似指标，确定是否对所述两张图像进行去重操作，具体为：基于所述第一相似指标和所述第二相似指标，确定所述两张图像的图像相似度；在确定所述图像相似度大于或等于预设相似度阈值时，对所述两张图像进行去重操作。
[0159]
例如，两张图像的图像相似度大于或等于预设相似度阈值时，对所述两张图像进
行去重操作，即保留两张图像中的一张图像。否则，不对两张图像进行去重操作，即保留两张图像。
[0160]
两张图像的图像相似度的取值位于0-1之间，相似度阈值可以设置为0-1之间的数值，例如0.4、0.5、0.8、0.9、0.85等。
[0161]
一种示例中，基于所述第一相似指标和所述第二相似指标，确定所述两张图像的图像相似度，具体为：通过参考值，对所述第一相似指标和所述第二相似指标进行加权处理，得到所述两张图像的图像相似度。
[0162]
例如，基于公式：v＝v1*ε+v2*(1-ε)，得到两张图像的图像相似度。
[0163]
其中，v表示两张图像的图像相似度，v1表示第一相似指标，v2表示第二相指标，ε为参考值。通过参考值分配差异区域和背景区域的分值比例。
[0164]
参考值可以预先设置，例如为0.4、0.45、0.5、0.65等。
[0165]
一种示例中，基于所述差异区域的像素点的数量与所述图像的像素点的总数量，确定参考值。例如，基于所述差异区域的像素点的数量与所述图像的像素点的总数量的比值，确定参考值。
[0166]
一种示例中，所述基于所述差异区域的像素点的数量与所述图像的像素点的总数量的比值，确定参考值，具体为：
[0167]
基于公式：确定参考值，其中，ε为所述参考值，tanh(.)为双曲正切函数，k为大于0的常数，w为所述图像的宽，h为所述图像的高，ms为所述两张图像的差异区域的掩膜矩阵；其中，sum(ms)为所述差异区域的像素点的数量，w
·
h为所述图像的像素点的总数量，tanh为将参考值控制在0至1之间。
[0168]
本技术实施例中，同时考虑了两张图像间的差异区域与不变的背景区域，对差异区域的第一相似指标与背景区域的第二相似指标进行加权求和，减少大量重复背景带来的影响。相对于提取全图特征的方法而言，这种方法更加容易捕捉图像局部的细微变化，避免图像的误删。
[0169]
基于相同的技术构思，如图6所示，本技术还提供了一种图像去重的装置，所述装置包括：
[0170]
确定模块61，用于确定两张图像的结构相似矩阵，以及确定所述两张图像的差异区域的掩膜矩阵；
[0171]
相似模块62，用于基于所述结构相似矩阵和所述掩膜矩阵，确定所述差异区域的第一相似指标和所述两张图像的非差异区域的第二相似指标；
[0172]
去重模块63，用于基于所述第一相似指标和所述第二相似指标，确定是否对所述两张图像进行去重操作。
[0173]
在一种可能的实现中，所述去重模块63，具体用于基于所述第一相似指标和所述第二相似指标，确定所述两张图像的图像相似度；在确定所述图像相似度大于或等于预设相似度阈值时，对所述两张图像进行去重操作。
[0174]
在一种可能的实现中，所述去重模块63，具体用于基于所述差异区域的像素点的数量与所述图像的像素点的总数量的比值，确定参考值；通过所述参考值，对所述第一相似
interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0185]
通信接口72用于上述电子设备与其他设备之间的通信。
[0186]
存储器可以包括随机存取存储器(random access memory，ram)，也可以包括非易失性存储器(non-volatile memory，nvm)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
[0187]
上述处理器可以是通用处理器，包括中央处理器、网络处理器(network processor，np)等；还可以是数字指令处理器(digital signal processing，dsp)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
[0188]
基于相同的技术构思，在上述各实施例的基础上，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有可由电子设备执行的计算机程序，计算机可执行指令用于使计算机执行上述图像去重的方法的步骤。
[0189]
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(mo)等、光学存储器如cd、dvd、bd、hvd等、以及半导体存储器如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd)等。
[0190]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0191]
本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0192]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0193]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0194]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围
之内，则本技术也意图包含这些改动和变型在内。