專利名稱：圖像處理方法和裝置及水印檢測(cè)系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明總體上涉及圖像處理領(lǐng)域，并且尤其是涉及一種用于從多幅待 處理圖像中找出或者確定形狀、顏色和位置等在這多幅文檔圖像中都相同 的共有圖案的技術(shù)。
背景技術(shù)：
隨著計(jì)算機(jī)技術(shù)以及數(shù)字技術(shù)的日益發(fā)展，人們?cè)絹碓蕉嗟匦枰獜亩?幅圖像中找出它們之間的共有圖案。例如，出于對(duì)文檔進(jìn)行標(biāo)識(shí)和版權(quán)保
護(hù)等各種目的，目前許多的Microsoft Office Word文檔或PowerPoint 文檔的背景中都"有數(shù)字、文字或者圖形等作為水印，但是，在后續(xù)需 要對(duì)打印電子文檔而得到的文檔紙件進(jìn)行進(jìn)一步的處理、例如復(fù)印或者掃 描時(shí)，人們往往希望從文檔圖像中提取出水印并對(duì)提取出來的水印進(jìn)^i人 證，以確保文件的完整性，和/或從文檔圖像中去除水印以僅僅保留正文 部分等。此外，/v們?cè)诶脭?shù)碼相機(jī)、掃描儀等i殳備對(duì)某一個(gè)具有較大尺 寸或范圍的對(duì)象或場(chǎng)景進(jìn)行拍攝或掃描時(shí)，往往不能一次獲得該對(duì)象或場(chǎng) 景的圖像，而是需要對(duì)該對(duì)象或場(chǎng)景進(jìn)行多角度的連續(xù)拍攝或掃描，得到 多幅圖像，然后找出多幅圖像間的共同部分并據(jù)此對(duì)多幅圖像進(jìn)行拼接。 除此之外，從多幅圖像中找出它們之間的共有圖案，還有許多其他可能的 應(yīng)用。
為此，目前已經(jīng)提出了許多從圖像中找出共有圖案的方法。例如，在 Yusaku FUJII、 Hiroaki TAKEBE、 Katsuhito FUJIMOTO和Satoshi NAOI所著的"Confidential Pattern Extraction from Document Images Based on the Color Uniformity of the Pattern" (Technical Report of IEICE， SIS2006-81,第1~5頁(yè)，2007年3月) 一文中，7>開了一種基 于圖案的顏色一致性從多幅文檔圖像中提取共有的機(jī)密圖案的方法，其 中，首先對(duì)每幅文檔圖<|^行顏色分類，以第一幅文檔圖像作為基準(zhǔn)圖像， 在每一個(gè)顏色分類中，將其他文檔圖像與其進(jìn)行對(duì)準(zhǔn)，并對(duì)所有圖像進(jìn)行 累加，然后基于共有圖案的顏色一致性確定重疊概率最高的合成圖像作為共有圖案。
此外，現(xiàn)有技術(shù)中還提出了很多用于實(shí)現(xiàn)圖像拼接的方法及系統(tǒng)。例
如，在由M. Toyoda等人提出的、名為"Image forming method and an image forming apparatus therefore"的美國(guó)專利US 6，690，482 Bl,以及由 T. Kitaguchi等人提出的、名為"Method of and apparatus for composing a series of partial images into one image based upon a calculated amount of overlap"的美國(guó)專利US 7,145,596 B2中，分別公開了一種用于基于所 計(jì)算的兩兩部分圖像之間的重疊量，對(duì)多幅部分圖像進(jìn)行拼接或者合成的 方法及裝置。
但是，在目前所提出的各種方法和裝置中，要么是對(duì)待處理的多幅圖 像進(jìn)行兩兩處理，要么是以其中任意一幅圖像作為基準(zhǔn)圖像對(duì)兩幅以上的 圖1線行處理，但是都沒有考慮到待處理的多幅圖像之間的關(guān)聯(lián)性，而且 也沒有考慮到其中共有圖案有所劣化的情形。在實(shí)際情況中，在待處理的 多幅圖像中經(jīng)常會(huì)出現(xiàn)共有圖案劣化的情形。例如，由于對(duì)文檔圖像進(jìn)行
掃描或復(fù)印等處理時(shí)的誤差，每幅文檔圖像中的例如水印圖案之類的共有 圖案可能會(huì)在位置、角度和/或尺度方面有所不同；由于文檔正文部分的 遮擋而造成水印圖像殘缺；待拼接的兩幅或多幅圖像的公共部分(即，共 有圖案)由于遮擋或者對(duì)焦不準(zhǔn)等原因而出現(xiàn)殘缺或者模糊；以及諸如此 類的情況。圖l示出了一個(gè)其中6幅文檔圖像中帶有水印圖案的例子，如 圖所示，雖然在6幅文檔圖像中都包含了同樣的水印內(nèi)容，但是由于正文 部分的遮擋，沒有一幅圖像中包含完整的水印字符串 "CONFIDENTIAL"。 一旦出現(xiàn)了共有圖案有所劣化的情況，利用現(xiàn)有 的各種方法和裝置，都無法令人滿意地從多幅圖像中找出共有圖案。
因此，迫切地需要一種能夠比較準(zhǔn)確地和/或令人滿意地從多幅(三 幅或三幅以上)待處理的圖像中找出或者確定其中的共有圖案的技術(shù)，其 能夠克服現(xiàn)有技術(shù)中的上述缺陷，即使在因各種原因而導(dǎo)致共有圖案劣化 的情況下，也能夠獲得4^人滿意的結(jié)果。

發(fā)明內(nèi)容
在下文中給出了關(guān)于本發(fā)明的簡(jiǎn)要概述，以便提供關(guān)于本發(fā)明的某些 方面的基本理解。但是，應(yīng)當(dāng)理解，這個(gè)概述并不是關(guān)于本發(fā)明的窮舉性 概述。它并不是意圖用來確定本發(fā)明的關(guān)鍵性部分或重要部分，也不是意圖用來限定本發(fā)明的范圍。其目的僅僅是以簡(jiǎn)化的形式給出關(guān)于本發(fā)明的 某些概念，以此作為稍后給出的更詳細(xì)描述的前序。
針對(duì)現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明的一個(gè)目的是提供一種用于 從三幅或三幅以上的多幅待處理圖像中找出或確定其中的共有圖案的圖 像處理方法及裝置，其由于考慮了多幅待處理圖像之間的關(guān)聯(lián)性，而能夠 確保即使共有圖案劣化也能夠較為可靠和準(zhǔn)確地找出其中的共有圖案，從
而獲得4^人滿意的結(jié)果。
本發(fā)明的另 一個(gè)目的是提供一種用于從三幅或三幅以上的多幅待處 理圖像中確定一幅與其余多幅圖像的匹配最優(yōu)的圖像作為基準(zhǔn)圖像的方 法;51*置。
本發(fā)明的再一個(gè)目的是提供一種用于計(jì)算三幅或三幅以上的多幅待 處理圖像的平均相似度的方法及裝置。
本發(fā)明的另 一 目的是提供一種其上存儲(chǔ)有程序代碼的計(jì)算機(jī)可讀存 儲(chǔ)介質(zhì)，該程序代碼在計(jì)算機(jī)上執(zhí)行時(shí)，使得所述計(jì)算機(jī)執(zhí)行上述方法之
本發(fā)明還有一個(gè)目的是提供一種用于從三幅或三幅以上的多幅文檔 圖 <象中4^取水印的水印檢測(cè)系統(tǒng)。
為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種圖像處理方
法，用于從N幅待處理圖像中找出或者確定這N幅圖像中的共有圖案， 其中N為自然數(shù)且大于等于3，該圖像處理方法包括以下步驟對(duì)N幅 圖傳進(jìn)行圖《象特征提取，并才艮據(jù)特征提取的結(jié)果將N幅圖像分為C層， 使得共有圖案的圖像基本上聚集在C層中的某一層中，其中C為自然數(shù) 且大于等于2;計(jì)算每一層的N幅圖像的平均相似度；以及將平均相似度 最大的那一層的N幅圖像的合成圖像確定為包含共有圖案的圖像，其中， 合成圖像是以該層的基準(zhǔn)圖像為^ftfe，將該層中的N幅圖像進(jìn)行合成而 得到的，而基準(zhǔn)圖像是該層的N幅圖像中的一幅與其余N-1幅圖像的匹 配優(yōu)選的圖像。
根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種圖像處理裝置，用于從N 幅待處理圖像中找出或者確定這N幅圖像中的共有圖案，其中N為自然 數(shù)且大于等于3，該圖像處理裝置包括圖像特征提取單元，用于對(duì)N幅 圖《象進(jìn)行圖4象特征提取，并4艮據(jù)特征4^取的結(jié)果將N幅圖像分為C層， 使得共有圖案的圖像基本上聚集在C層中的某一層中，其中C為自然數(shù)且大于等于2;基準(zhǔn)圖像確定單元，用于從一層中的N幅圖像中確定一幅 與其余N-1幅圖像的匹配優(yōu)選的圖像，作為基準(zhǔn)圖像；平均相似度計(jì)算單 元，用于計(jì)算一層的N幅圖像的平均相似度；以及圖像合成單元，用于 以一層的基準(zhǔn)圖像為^ftb，將該層中的N幅圖像進(jìn)行合成，從而得到該 層的合成圖像，其中，平均相似度最大的那一層的合成圖像被確定為包含 共有圖案的圖像。
根據(jù)本發(fā)明還有的一個(gè)方面，還提供了一種水印檢測(cè)系統(tǒng)，包括以上 所述的圖像處理裝置，其中，N幅待處理圖像為文檔圖像，共有圖案為嵌 入在文檔圖像中的水印。
根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種基準(zhǔn)圖像確定方法，用于從 N幅圖像中確定一幅與其余N-l幅圖像的匹配優(yōu)選的圖像作為基準(zhǔn)圖像， 其中N為自然數(shù)且大于等于3，該方法包括以下步驟根據(jù)N幅圖像中 的每幅圖像與其他N-l幅圖像的兩兩圖像間的匹配^lt，計(jì)算針對(duì)該幅圖 像的其他N-l幅圖像兩兩之間的預(yù)測(cè)匹配M，從而得到針對(duì)每幅圖像的 預(yù)測(cè)匹配參數(shù)矩陣；根據(jù)針對(duì)每幅圖像的預(yù)測(cè)匹配^lt矩陣，計(jì)算每幅圖 像的平均預(yù)測(cè)誤差；以及將N幅圖像中的平均預(yù)測(cè)誤差小于預(yù)定閾值的 任意一幅圖像，或者在將N幅圖像按平均預(yù)測(cè)誤差從小到大的順序排序 后的前n幅圖像之一,確定為所述基準(zhǔn)圖像，其中n為預(yù)先設(shè)定的自然數(shù)。
根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種基準(zhǔn)圖像確定裝置，用于從 N幅圖像中確定一幅與其余N-l幅圖像的匹配優(yōu)選的圖像作為基準(zhǔn)圖像， 其中N為自然數(shù)且大于等于3，所述基準(zhǔn)圖像確定裝置包括用于根據(jù)N 幅圖像中的每幅圖像與其他N-l幅圖像的兩兩圖像間的匹配M，計(jì)算針 對(duì)該幅圖像的其他N-l幅圖像兩兩之間的預(yù)測(cè)匹配M，從而得到針對(duì)每 幅圖像的預(yù)測(cè)匹配參數(shù)矩陣的裝置；用于根據(jù)針對(duì)每幅圖像的預(yù)測(cè)匹配參 數(shù)矩陣，計(jì)算每幅圖像的平均預(yù)測(cè)誤差的裝置；以及用于將N幅圖像中 的平均預(yù)測(cè)誤差小于預(yù)定閾值的任意一幅圖像，或者在將N幅圖像按平 均預(yù)測(cè)誤差從小到大的順序排序后的前n幅圖像之一，確定為所述基準(zhǔn)圖 像的裝置，其中n為預(yù)先設(shè)定的自然數(shù)。
根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種平均相似度計(jì)算方法，用于 計(jì)算N幅圖像的平均相似度，其中N為自然數(shù)且大于等于3，該方法包 括以下步驟根據(jù)N幅圖像中的每幅圖像與其他N-l幅圖像的兩兩圖像 間的匹配參數(shù)，計(jì)算針對(duì)該幅圖像的其他N-l幅圖像兩兩之間的預(yù)測(cè)匹配 M,從而得到針對(duì)每幅圖像的預(yù)測(cè)匹配^lt矩陣；根據(jù)針對(duì)每幅圖像的預(yù)測(cè)匹配^矩陣，計(jì)算每幅圖像的平均預(yù)測(cè)誤差；根據(jù)每幅圖像的平均 預(yù)測(cè)誤差，計(jì)算每幅圖像的預(yù)測(cè)準(zhǔn)確性概率；根據(jù)每幅圖像與其他N-l 幅圖像的兩兩圖像間的相似度，利用每幅圖像的預(yù)測(cè)準(zhǔn)確性概率來計(jì)算每 幅圖像的相似度；以及根據(jù)每幅圖像的相似度，計(jì)算所有N幅圖像的平 均相似度。
根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種用于計(jì)算N幅圖像的平均 相似度的平均相似度計(jì)算裝置，其中N為自然數(shù)且大于等于3,所述平均 相似度計(jì)算裝置包括用于根據(jù)N幅圖像中的每幅圖像與其他N-l幅圖 像的兩兩圖像間的匹配M，計(jì)算針對(duì)該幅圖像的其他N-l幅圖像兩兩之 間的預(yù)測(cè)匹配參數(shù)，從而得到針對(duì)每幅圖像的預(yù)測(cè)匹配參數(shù)矩陣的裝置； 用于根據(jù)針對(duì)每幅圖像的預(yù)測(cè)匹配參數(shù)矩陣，計(jì)算每幅圖像的平均預(yù)測(cè)誤 差的裝置；用于根據(jù)每幅圖像的平均預(yù)測(cè)誤差，計(jì)算每幅圖像的預(yù)測(cè)準(zhǔn)確 性概率的裝置；用于根據(jù)每幅圖像與其他N-l幅圖像的兩兩圖像間的相似 度，利用每幅圖像的預(yù)測(cè)準(zhǔn)確性概率來計(jì)算每幅圖像的相似度的裝置；以 及用于根據(jù)每幅圖像的相似度，計(jì)算所有N幅圖像的平均相似度的裝置。
依據(jù)本發(fā)明的其它方面，還提供了相應(yīng)的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。
在根據(jù)本發(fā)明的方案中，在確定基準(zhǔn)圖像和/或計(jì)算平均相似度的過 程中考慮了多幅圖像之間的關(guān)聯(lián)性，并為此引入了平均預(yù)測(cè)誤差和預(yù)測(cè)準(zhǔn) 確性概率參數(shù)(其具體含義及計(jì)算方法將在下文中進(jìn)行詳細(xì)介紹)，從而 使得即使在如圖1所示共有圖案有殘缺或者模糊的情況下，也能夠準(zhǔn)確和 可靠地找出共有圖案。
本發(fā)明的另 一個(gè)優(yōu)點(diǎn)在于，本發(fā)明不僅可以用于對(duì)灰度圖像進(jìn)行處 理，而且也可以對(duì)彩色圖傳進(jìn)行處理。
本發(fā)明的又一個(gè)優(yōu)點(diǎn)在于，可以根據(jù)需要將根據(jù)本發(fā)明的圖像處理方 法和裝置用在對(duì)文檔圖傳進(jìn)行水印檢測(cè)、對(duì)多幅圖傳進(jìn)行拼接等許多實(shí)際 應(yīng)用。
通過以下結(jié)合附圖對(duì)本發(fā)明的最佳實(shí)施例的詳細(xì)說明，本發(fā)明的這些 以及其他優(yōu)點(diǎn)將更加明顯。


本發(fā)明可以通過參考下文中結(jié)合附圖所給出的詳細(xì)描述而得到更好 的理解，其,中在所有附圖中使用了相同或相似的附圖,標(biāo)記a示相同或者相似的部件。所述附圖連同下面的詳細(xì)說明 一起包含在本說明書中并形成 說明書的一部分，用來進(jìn)一步舉例說明本發(fā)明的優(yōu)選實(shí)施例和解釋本發(fā)明
的原理和優(yōu)點(diǎn)。在附圖中
圖1示出了一個(gè)其中帶有水印圖案的多幅待處理文檔^JL圖像的例 子，其中每幅文檔圖像中都包含了同樣的水印字符串"CONFIDENTIAL;
圖2示出了可以在其上應(yīng)用根據(jù)本發(fā)明的圖像處理方法和裝置的一 個(gè)示例性數(shù)據(jù)處理系統(tǒng)的才匡圖3示出根據(jù)本發(fā)明的一個(gè)實(shí)施例從如圖1所示的多幅待處理文檔灰 度圖像中找出其中的共有圖案(例如，共有的水印字符串)的圖像處理方 法300的流程圖4示出了在按圖3所示的方法對(duì)圖1所示的6幅文檔圖像進(jìn)行邊緣 檢測(cè)后將其分為三層時(shí)共有圖案所在的那一層中的6幅文檔邊緣圖像；
圖5示出了通圖4所示的6幅圖傳進(jìn)行兩兩匹配而計(jì)算得到的平 移匹配M的值；
圖6示出了根據(jù)圖5所示的平移匹配>#*計(jì)算得到的針對(duì)圖4所示的 圖像l的預(yù)測(cè)平移匹配^lt的值；
圖7示出了根據(jù)圖5和圖6所示的值而得到的針對(duì)圖4所示的圖像1 的平移預(yù)測(cè)誤差的值；
圖8示出了按圖3所示的方法基于所確定的基準(zhǔn)圖4樹圖4所示的文 檔邊緣圖^ii行合成后得到的合成文檔邊緣圖像；
圖9示出了在對(duì)圖8所示的合成文檔邊緣圖像進(jìn)行去除噪聲處理(即， 去除背景)之后所得到的邊緣圖像；
圖10示出了利用傳統(tǒng)方法隨意選擇一幅文檔圖像作為基準(zhǔn)圖像而得 到的合成文檔邊緣圖像；
圖11示出了利用圖3所示的方法對(duì)圖1所示的6幅文檔圖像按邊緣 強(qiáng)度進(jìn)行分層后的第一層中的兩兩圖像之間的相似度值，以及該層中每幅 文檔邊緣圖像的預(yù)測(cè)準(zhǔn)確性概率值；
圖12示出了第二層(該層是包含共有圖案的那一層)中的兩兩圖像 之間的相似度值，以及該層中每幅圖像的預(yù)測(cè)準(zhǔn)確性概率值；
圖13示出了根據(jù)本發(fā)明另一個(gè)實(shí)施例的圖像處理方法1300，它是如圖3所示的方法300的一個(gè)變體；以及
圖14示出了根據(jù)本發(fā)明 一個(gè)實(shí)施例的圖像處理裝置1400的示意性方 框圖。
本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，附圖中的元件僅僅是為了簡(jiǎn)單和清fe^見 而示出的，而且不一定是按比例繪制的。例如，附圖中某些元件的尺寸可 能相對(duì)于其他元件放大了 ，以便有助于提高對(duì)本發(fā)明實(shí)施例的理解。
具體實(shí)施例方式
在下文中將結(jié)合附圖對(duì)本發(fā)明的示范性實(shí)施例進(jìn)行描述。為了清楚和 筒明起見，在說明書中并未描述實(shí)際實(shí)施方式的所有特征。然而，應(yīng)該了 解，在開發(fā)任何這種實(shí)際實(shí)施例的過程中必須做出很多特定于實(shí)施方式的 決定，以便實(shí)現(xiàn)開發(fā)人員的具體目標(biāo)，例如，符合與系統(tǒng)及業(yè)務(wù)相關(guān)的那 些限制條件，并且這些限制條件可能會(huì)隨著實(shí)施方式的不同而有所改變。 此外，還應(yīng)該了解，雖然開發(fā)工作有可能是非常復(fù)雜和費(fèi)時(shí)的，但對(duì)得益 于^/>開內(nèi)容的本領(lǐng)域技術(shù)人員來說，這種開發(fā)工作僅僅是例行的任務(wù)。
在此，還需要說明的一點(diǎn)是，為了避免因不必要的細(xì)節(jié)而模糊了本發(fā) 明，在附圖中僅僅示出了與根據(jù)本發(fā)明的方案密切相關(guān)的裝置結(jié)構(gòu)和/或 處理步驟，而省略了與本發(fā)明關(guān)系不大的其他細(xì)節(jié)。
為了簡(jiǎn)單起見，在下文中，以從圖l所示的六幅文檔圖像(在此假設(shè) 為灰度圖像)中找出這六幅圖像中共有的水印圖案、即字符串 "CONFIDENTIAL"為例，對(duì)根據(jù)本發(fā)明的圖像處理方法及裝置進(jìn)行描 述。但是，顯然本發(fā)明也可以適用于其他情形。
圖2示出了可以在其上應(yīng)用;flL據(jù)本發(fā)明的圖^^處理方法和裝置的一 個(gè)示例性數(shù)據(jù)處理系統(tǒng)200的框圖。
如圖2所示，數(shù)據(jù)處理系統(tǒng)200可以是包括連接至系統(tǒng)總線206的多 個(gè)處理器202和204的對(duì)稱多處理器(SMP)系統(tǒng)。然而，作為選擇，也 可以采用單處理器系統(tǒng)(圖中并未示出)。此外，存儲(chǔ)器控制器/高速緩存 208也連接至系統(tǒng)總線206，用于提供與本M儲(chǔ)器209的接口。 I/O總 線橋210與系統(tǒng)總線206相連，并且提供與I/O總線212的接口 。存儲(chǔ)器 控制器/高速緩存208和I/O總線橋210可以如所描繪的那樣被集成在一 起。連接至I/O總線212的外圍部件互聯(lián)(PCI )總線橋214提供了與PCI 本地總線216的接口 。調(diào)制解調(diào)器218和網(wǎng)絡(luò)適配器220可以連接至PCI本地總線216。典型的PCI總線實(shí)現(xiàn)方式可以支持四個(gè)PCI擴(kuò)展槽或者 內(nèi)插式連接器。附加的PCI總線橋222和224為附加的PCI本地總線226 和228提供了接口，借此，使得可以支持附加的調(diào)制解調(diào)器或者網(wǎng)絡(luò)適配 器.依照此方式，數(shù)據(jù)處理系統(tǒng)200允許與多個(gè)外部i殳備、例如網(wǎng)絡(luò)計(jì)算 機(jī)進(jìn)行連接。存儲(chǔ)器映射的圖形適配器230和硬盤232可以如圖中所描繪 的那樣直接或者間接地與I/O總線212相連。
根據(jù)本發(fā)明的圖^^處理裝置可以集成在例如圖2所示的處理器202 或204中，或者是作為一個(gè)外部設(shè)備通過I/O總線與數(shù)據(jù)處理系統(tǒng)200相 連。
本領(lǐng)域普通技術(shù)人員將會(huì)明白，圖2中描繪的硬件可以發(fā)生改變。例 如，除了所描繪的硬件之外，或者作為對(duì)它們的替代，可以使用諸如光盤 驅(qū)動(dòng)器等之類的其它外圍設(shè)備。圖2中所描繪的示例并不意味著對(duì)可適用 本發(fā)明的體系結(jié)構(gòu)加以限制。
圖3示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例從N幅(其中，N為自然數(shù)且N ^ 3)待處理文檔圖像(例如，圖1所示的六幅文檔A^圖像)中找出其 中的共有圖案(例如，共有的水印字符串)的圖像處理方法300的流程圖。
如圖3所示，方法300在步驟S305中開始之后，在步驟S310中， 對(duì)所有的N幅文檔圖像進(jìn)行處理，以提取每幅圖像的特征。在現(xiàn)有技術(shù) 中，對(duì)文檔圖傳進(jìn)行特征提取的方法可以有很多。在此使用的一種方法是， 首先利用CANNY算子提取所有N幅文檔圖像中所有的邊緣，然后計(jì)算 每個(gè)邊緣點(diǎn)的邊緣強(qiáng)度大小。其中，CANNY算子是一種常用的適合于對(duì) 灰度圖像進(jìn)行處理的邊緣檢測(cè)算子，其更多細(xì)節(jié)可以參見J. Canny所著 的"A Computational Approach to Edge Detection" (IEEE Transactions on Pattern Analysis and Machine Intelligence,第8巻第6期，1986年11月)。 此外，其更多細(xì)節(jié)也可以參見網(wǎng)頁(yè)http:〃www.Dages.drexd.edu/ weg22/ can tut.htmlo
接下來，在步驟S315中，根據(jù)步驟S310中計(jì)算得到的N幅圖像的 所有邊緣點(diǎn)的邊緣強(qiáng)度大小，對(duì)N幅圖像進(jìn)行分層。假設(shè)將N幅圖像分 為C層，則對(duì)于每一幅文檔圖像Ii (i=l， 2,…，N)，都可以得到C幅 文檔邊緣圖像(其分別處于第一至第C層中)。換句話說，在將N幅圖像 分為C層之后，總計(jì)可以得到NxC幅文檔邊緣圖像，并且每一層中都 有N幅文檔邊緣圖像。即使因復(fù)印、掃描等后續(xù)處理導(dǎo)致不同文檔圖4象 的^L級(jí)或色差等flt^生變化而彼此不同，不同文檔圖像中的共有圖案的邊緣強(qiáng)度也是一致的(都變強(qiáng)或者都變?nèi)?，也就是說，不同文檔圖像
中的共有圖案的邊緣強(qiáng)度具有相互一致性。因此，在對(duì)N幅圖像分層之 后，共有圖案的邊緣會(huì)基本上同時(shí)出現(xiàn)在C層中的某一層中。
圖4示出了在按上述方法對(duì)圖1所示的6幅文檔圖傳進(jìn)行特征提取 (即，邊緣險(xiǎn)測(cè))后將其分為三層(即，C=3)時(shí)共有圖案所在的那一層 中的6幅文檔邊緣圖像。從圖4中可以看出，圖1所示的6幅文檔圖像中 的共有圖案、即共有字符串"CONFIDENTIAL"的邊緣都出現(xiàn)在該層中。
返回參見圖3，方法300在步驟S320至S345中從第一層開始對(duì)每一 層(用/表示當(dāng)前處理的層)中的N幅文檔邊緣圖像進(jìn)行處理，從中找出 一幅與其余N-1幅圖像匹配最優(yōu)的圖像(也可以稱之為最可靠的圖像)， 作為基準(zhǔn)圖像，然后把該N-1幅圖像和基準(zhǔn)圖像進(jìn)行對(duì)準(zhǔn)和合成，從而得 到合成邊緣圖像。
具體來說，如圖3所示，在步驟S320中，為第/(其中/為自然數(shù)且 1S/^C)層中的每一幅圖像(用Ii表示)計(jì)算平均預(yù)測(cè)誤差^。
平均預(yù)測(cè)誤差^的計(jì)算過程如下。首先，對(duì)N幅文檔邊緣圖像進(jìn)行 兩兩匹配，得到兩兩匹配^lt。假設(shè)兩幅圖像之間的差異可以通過平移、 旋轉(zhuǎn)和/或伸縮變換來實(shí)現(xiàn)，這樣可以計(jì)算出第i幅和第j幅兩幅圖像之間 的匹配^^tMy(Pt，Pr，Ps)，其中，Pt、 Pr和Ps分別表示在平移、旋轉(zhuǎn)和 伸縮變換中的相應(yīng)M， i和j均為介于l和N之間(包括兩個(gè)端點(diǎn))的 自然數(shù)，且Wj。
在此，兩兩圖像之間的匹配參數(shù)可以使用任何一種已知的方法來計(jì) 算。例如，可以使用在B. SrinivasaReddy和B.N.Chatterji所著的"An FFT-Based Technique for Translation, Rotation and Scale-Invariant Image Registration " ( IEEE TRANSACTIONS ON IMAGE PROCESSING,第5巻第8期第1266 ~ 1271頁(yè)，1996年8月) 一文中 所公開的方法來計(jì)算匹配M Mij。
對(duì)于N幅圖4象來i兌，經(jīng)過兩兩匹配，可以計(jì)算出Nx(N-l)/2個(gè)匹配 ^!L如果圖像兩兩匹配都能夠計(jì)算出正確的匹配M，那么Nx(N-l)/2 個(gè)匹配^顯然是有冗余的。對(duì)每一幅文檔圖像，都能夠計(jì)算出它和其它 N-l幅圖像之間的兩兩匹配>|*，然后利用這N-l個(gè)匹配^lt,又可以預(yù) 測(cè)出其他N-1幅圖像之間的兩兩匹配^^L例如，通過第一幅和第二幅圖 像間的匹配^lt M12與第一幅和第三幅圖像間的匹配M M13，可以預(yù)測(cè)出針對(duì)第一幅圖像的第二幅和第三幅圖像間的匹配MM23的值(用M23le 表示)。也就是說，根據(jù)第m幅和第i幅圖像間的匹配^ltMmi與第m幅 和第j幅圖像間的匹配^ltMmj，可以預(yù)測(cè)出針對(duì)第m幅圖像的第i幅和 第j幅圖像間的匹配^ My的值My咖，其中m為介于1和N之間(包 括兩個(gè)端點(diǎn))的自然數(shù)，且m^i^j。
在實(shí)際的情況下，如圖l所示，很多文檔圖像中的共有圖案都是殘缺 的。因此，實(shí)際計(jì)算出的兩兩匹配M和預(yù)測(cè)出的兩兩匹配^lt之間^^存 在一定的誤差。也就是說，由第i幅和第j幅圖像兩兩匹配計(jì)算出的匹配
^!t My與根據(jù)匹配^lt Mw和M叫預(yù)測(cè)的匹配^lt My咖之間存在一定
的誤差，在下文中將這個(gè)誤差稱為"針對(duì)第m幅圖像的第i幅和第j幅圖
像間的預(yù)測(cè)誤差"，在此假設(shè)用￡ym(Pt， Pr, PS)表示。
如上所述，針對(duì)每一幅圖像，都可以獲得其他N-1幅圖像間的預(yù)測(cè)誤
差，從而可以得到針對(duì)該幅圖像的分別在平移、旋轉(zhuǎn)和/或伸縮方面的預(yù) 測(cè)誤差矩陣。
然后，對(duì)于每一幅圖像，根據(jù)針對(duì)該幅圖像的分別在平移、旋轉(zhuǎn)和/ 或伸縮方面的預(yù)測(cè)誤差矩陣，綜合考慮平移、旋轉(zhuǎn)和伸縮這三個(gè)方面的因 素，計(jì)算該幅圖像的平均預(yù)測(cè)誤差"在此，可以采用現(xiàn)有技術(shù)中任何一 種已知的計(jì)算方法來得到一幅圖像的平均預(yù)測(cè)誤差s (將在下文中進(jìn)行進(jìn) 一步的詳細(xì)說明)。
如圖3所示，在步驟S320中獲得了當(dāng)前層中的所有N幅圖像的平均 預(yù)測(cè)誤差之后，方法300的處理流程進(jìn)行到步驟S325，將該層中平均預(yù) 測(cè)誤差最小的那一幅圖像確定為基準(zhǔn)圖像。在此，平均預(yù)測(cè)誤差最小的圖 像，就是N幅圖像中的與其他N-1幅圖像的匹配最優(yōu)的那幅圖像，即最 可靠的圖像。
本領(lǐng)域技術(shù)人員應(yīng)當(dāng)明白，雖然在此將N幅圖像中的平均預(yù)測(cè)誤差 最小的圖像(即，N幅圖像中的與其他N-l幅圖像的匹配最優(yōu)的那幅圖像， 也可以稱為最可靠的圖像)確定為基準(zhǔn)圖像，但是采用其他適當(dāng)?shù)膱D像(例 如，匹配次最優(yōu)的圖像等)作為基準(zhǔn)圖像同樣也能夠?qū)崿F(xiàn)本發(fā)明的目的。 例如，可以對(duì)所計(jì)算的N幅圖像的平均預(yù)測(cè)誤差按從小到大的順序進(jìn)行 排序，排在前1/n (n為大于0小于等于N的自然數(shù)，并且ii的值可以根 據(jù)經(jīng)驗(yàn)進(jìn)fr沒定)的圖像都可以被認(rèn)為是一幅與其他N-l幅圖像的匹配優(yōu) 選的圖像(或者稱之為可靠的圖像)；或者，可以根據(jù)經(jīng)驗(yàn)為平均預(yù)測(cè)誤 差預(yù)先設(shè)《一個(gè)閾值，平均預(yù)測(cè)誤差小于所述閾值的,圖傳都可以被認(rèn)為是一幅與其他N-1幅圖像的匹配優(yōu)選的圖像(即，可靠的圖像)，并因此將 所述與其他N-1幅圖像的匹配優(yōu)選的圖像(即，可靠的圖像)確定為基準(zhǔn) 圖像。
接下來，在步驟S330中，以基準(zhǔn)圖像為基礎(chǔ)，利用前面所計(jì)算的基 準(zhǔn)圖像與其余N-1幅圖像間兩兩匹配參數(shù)，通過平移，旋轉(zhuǎn)和/或伸縮變 換，將其余N-l幅圖像變換到具有和基準(zhǔn)圖像同樣的位置、角度和大小 (即，將其余N-1幅圖像與基準(zhǔn)圖<樹準(zhǔn))，然后對(duì)經(jīng)對(duì)準(zhǔn)后的N幅圖像 進(jìn)行合成，從而得到一幅合成的文檔邊緣圖像。
在此，可以使用現(xiàn)有技術(shù)中已知的任意方法來對(duì)N幅圖傳進(jìn)行合成。 例如， 一種比較簡(jiǎn)單的方法是，對(duì)于變換對(duì)準(zhǔn)以后的N幅圖像按照l(shuí)象素 點(diǎn)進(jìn)行累加，每個(gè)像素點(diǎn)上的數(shù)值是該像素點(diǎn)上所有重合的邊緣點(diǎn)的總個(gè) 數(shù)，并且為了便于顯示，將所獲得的每個(gè)像素點(diǎn)上的0 N的數(shù)值進(jìn)行線 性轉(zhuǎn)換，從而得到合成的圖像(例如，將0 ~ N的數(shù)值線性轉(zhuǎn)換成0 ~ 255 的灰度值，從而得到合成的灰度圖像)。此外，也可以使用在例如由P. Shivakumara 、 G Hemantha Kumar 、 D.S. Guru和P. Nagabhushan所著 的"Sliding Window based Approach for Document Image Mosaicing" (Image and Vision Computing, 2006年第24期第94 ~ 100頁(yè)),以及由 Anthony Zappali、 Andrew Gee和Michael Taylor所著的 "Document Mosaicing (Image and Vision Computing, 1999年第17期第589 ~ 595 頁(yè))中所公開的技術(shù)來進(jìn)行合成。
為了簡(jiǎn)單起見，在此僅以平移為例，結(jié)合圖5至7對(duì)平均預(yù)測(cè)誤差的 計(jì)算方法進(jìn)行更為具體的說明。也就是說，在此假設(shè)每一層中所有圖《象的 兩兩匹配^tMy(Pt， Pr,Ps)中的旋轉(zhuǎn)^^tPr和伸縮^^LPs均為0，這樣 可以將匹配參數(shù)—化為My(x， y)，其中x和y的值分別表示在x和y方向 上的平移量。
圖5示出了通it^寸圖4所示的6幅邊緣圖像進(jìn)行兩兩匹配而計(jì)算得到 的平移匹配;f^My(x，y)的值。圖6示出了按照上述方法根據(jù)圖5所示的 平移匹配^計(jì)算得到的針對(duì)圖像1的預(yù)測(cè)平移匹配^的值，其中
Mi/e(x, y) = Mw(x， y) - M^x, y) (1 )。
Ei/(x,y)的值，其中 " ' ' 、
<formula>formula see original document page 17</formula>如圖5 7中所示，其中用(NA,NA)或N/A表示無效值，以表示無需對(duì) 這些值進(jìn)行計(jì)算。
正如以上所描述的那樣，可以用任何已知的方法iM"圖7所示的平移 預(yù)測(cè)誤差Si/(x， y)進(jìn)行計(jì)算，以求出圖像l的平均預(yù)測(cè)誤差^。在此使用 的一種比較簡(jiǎn)單的方法是，將圖7所示的所有有效的預(yù)測(cè)誤差值取x和y 方向的總平均值。具體來說，對(duì)將圖7所示的矩陣中有效的20個(gè)位置處 的x和y值分別相加后得到的和sum(x)與sum(y)求取總平均值，即
S = (sum(x)/20 + sum(y)/20)/2 (3 )，
從而得到圖像l的平均預(yù)測(cè)誤差是1.05。這樣，按照同樣的方法，可以得 到所有N幅圖像的平均預(yù)測(cè)誤差。
雖然以上僅以平移變換為例結(jié)合圖5至7對(duì)如何計(jì)算一幅圖像的平均 預(yù)測(cè)誤差進(jìn)行了描述，但是本領(lǐng)域普通技術(shù)人員不難想到在同時(shí)考慮平 移、旋轉(zhuǎn)和/或伸縮的情況下如何計(jì)算一幅圖像的平均預(yù)測(cè)誤差。例如， 較為簡(jiǎn)單的一張方法是，按照上述方法分別計(jì)算一幅圖像的平均平移預(yù)測(cè) 誤差、平均旋轉(zhuǎn)預(yù)測(cè)誤差和平均伸縮預(yù)測(cè)誤差，然后對(duì)這三個(gè)誤差值進(jìn)行 加權(quán)平均，從而得到該幅圖像的平均預(yù)測(cè)誤差。
圖8示出了按上述方法基于所確定的基準(zhǔn)圖^^圖4所示的文檔邊緣 圖像進(jìn)行合成后得到的合成文檔邊緣圖像。從圖8中可以看到，該合成文 檔邊緣圖像中除了共有圖案以外，還經(jīng)常會(huì)有一些噪聲存在。
返回參考圖3，為了進(jìn)一步去除噪聲的影響以便得到理想的結(jié)果，如 圖3所示，在步驟S335中，對(duì)步驟S330中得到的合成文檔邊緣圖像進(jìn)行 去除噪聲處理。
例如，在如上所Hit過對(duì)變換以后的N幅圖像按照像素點(diǎn)進(jìn)行累加 來進(jìn)行圖像合成的情況下，如果合成文檔邊緣圖像中的某一像素點(diǎn)的數(shù)值 小于一定的閾值T，則說明在該像素點(diǎn)位置上的重合邊緣點(diǎn)的數(shù)目不夠 多，因此認(rèn)為該像素點(diǎn)是噪聲點(diǎn)，把該點(diǎn)的數(shù)值置為0(即，設(shè)置為背景)。 圖9示出了在對(duì)如圖8所示的共有圖案所在的那一層的合成文檔邊緣圖4象 進(jìn)行去除噪聲處理(即，去除背景)之后所得到的邊緣圖像。顯然，也可 以采用現(xiàn)有^J支術(shù)中已知的其他去除噪聲的方法。
圖10示出了才艮據(jù)Yusaku FUJII、 Hiroaki TAKEBE、 Katsuhito FUJIMOTO和Satoshi NAOI的"Confidential Pattern Extraction from Document Images Based on the Color Uniformity of the Pattern" —文中公開的方法，隨意選擇一幅文檔圖像(平均預(yù)測(cè)誤差不是最小的文檔圖像) 作為基準(zhǔn)圖像而得到的包含共有圖案的合成文檔邊緣圖像(其中已經(jīng)進(jìn)行
了去除噪聲處理)。通過比較圖9和10所示的圖像不難看出，圖9中在"C"、 "N"和"F"等幾個(gè)水印字符上比采用傳統(tǒng)方法得到的結(jié)果(圖10)更加 清晰。
再次返回參見圖3，如圖所示，方法300的處理流程在進(jìn)行了去除噪 聲處理(即，步驟S335)之后進(jìn)行到步驟S340，計(jì)算當(dāng)前層的所有圖像 的平均相似度。
正如上文中所提到的那樣，在本發(fā)明中，考慮了多幅圖像之間的關(guān)聯(lián)， 為此，在計(jì)算圖^^目似度時(shí)引入了預(yù)測(cè)準(zhǔn)確性概率P這一參數(shù)，用來表示 圖像的平均預(yù)測(cè)誤差對(duì)該圖像的相似度的影響。
在此使用的一種較為簡(jiǎn)單的計(jì)算預(yù)測(cè)準(zhǔn)確性概率Pi的方法如下式(4 ) 所示
Pj = 1誦 ￡^ / C脂 (4 )，
其中，i;是第i幅圖像的平均預(yù)測(cè)誤差，s版是預(yù)先設(shè)定好的最大平均預(yù) 測(cè)誤差值。在此，"M表示了平均預(yù)測(cè)誤差^it在平移、旋轉(zhuǎn)和/或伸縮方
面的可能取值范圍。這樣，所計(jì)算的預(yù)測(cè)準(zhǔn)確性概率Pi的值介于o和1
(包括兩端點(diǎn))之間。
利用所計(jì)算的預(yù)測(cè)準(zhǔn)確性概率Pi，將第i幅文檔圖像的相似度定義為 CONFi = Pj x i: CONF2(i， j)/(N-l)， j=l， 2，…，i-l， i+l，…，N (5 )
其中，CONF2(i， j)表示第i幅圖像和第j幅圖像之間的相似度(這兩幅圖 # 已經(jīng)經(jīng)過了平移、旋轉(zhuǎn)和/或伸縮變換而彼此對(duì)準(zhǔn))。
在理想的情況下，圖#>的平均預(yù)測(cè)誤差為0,所以才艮據(jù)等式(4)， Pi =1,這時(shí)本發(fā)明中計(jì)算的圖像的相似度和利用傳統(tǒng)方法得到的相似Jbl 相同的；而在非理想情況下，圖^^的平均預(yù)測(cè)誤差不為0，所以&<1， 因此，利用預(yù)測(cè)準(zhǔn)確性概率Pj表示了第i幅圖像的平均預(yù)測(cè)誤差對(duì)該圖像 的相似度的影響。
對(duì)于二值圖像來說， 一種較為簡(jiǎn)單的計(jì)算兩幅圖像(假設(shè)它們已經(jīng)彼 此對(duì)準(zhǔn)了)之間的相似度的方法如下
CONF2(i,j)二2A兩幅圖像中重疊的前景像素點(diǎn)個(gè)lt/ (第i幅圖像中
的前景像素點(diǎn)個(gè),數(shù)+第j幅圖像中的前景像素點(diǎn)個(gè)數(shù))，(6 )。顯然，在祁^據(jù)本發(fā)明的方法300中，也可以采用其他任何一種已知的 方法來計(jì)算兩幅圖像之間的相似度，并且也可以根據(jù)需要對(duì)上述等式(5 ) 進(jìn)行修改。
然后，可以將當(dāng)前層的所有圖像的平均相似度定義為
CONFIDENCE- S CO,N， i = 1， 2，…，N (7 )。
再次參考圖3，在步驟S340中計(jì)算了當(dāng)前層的平均相似度之后，方 法300的處理進(jìn)行到步驟S345,在其中判斷是否已經(jīng)完成了對(duì)所有C層 的處理。如果在步驟S345中確定還沒有完成對(duì)所有C層的處理，則將/ 加l，并且方法300的處理返回到步驟S320,對(duì)下一層(即，第/+1層) 的所有N幅圖像重復(fù)步驟S320至步驟S340中的處理。
如上所述，在圖像特征提取過程中對(duì)N幅圖像進(jìn)行分層，從而把每 幅圖像按照?qǐng)D像邊緣強(qiáng)度的不同分成了 C層，并且雖然像水印這樣的共 有圖像會(huì)聚集在C層中的某一層中，但是具體在哪一層還是未知的。因 此，對(duì)每一層中的所有N幅文檔邊緣圖像，都會(huì)進(jìn)行從步驟S320至步驟 S335中的處理，并且如步驟S340所示，還會(huì)為每一層計(jì)算該層的平均相 似度。
如圖3所示，如果在步驟S345中確定已經(jīng)完成了對(duì)所有C層的處理， 則方法300的處理流程進(jìn)行到步驟S350，確定平均相似度最大的那一層 即為共有圖案所在的那一層，因此可以將平均相似度最大的那一層的合成 文檔邊緣圖像(已經(jīng)過了去除噪聲處理)確定為包含共有圖案的邊緣圖像， 從而找出或者確定了共有圖案。
正如上文中所提到的那樣，由于在方法300的步驟S340中所使用的 相似度算法考慮了多幅圖像之間的關(guān)聯(lián)，即，考慮了預(yù)測(cè)誤差對(duì)相似度的 準(zhǔn)確性帶來的影響，所以與傳統(tǒng)的方法相比，根據(jù)本發(fā)明的方法能夠獲得 更為準(zhǔn)確的結(jié)果。例如，在如上所述的從多幅圖像中找出共有圖案的應(yīng)用 背景下，如果多幅圖像中碰巧有兩幅圖像非常相似，則會(huì)導(dǎo)致這兩幅圖像 之間的相似度很高，并因而可能使得N幅圖像的平均相似度(在不考慮 預(yù)測(cè)誤差對(duì)相似度的準(zhǔn)確性的影響的情況下)較大。但是，如果這兩幅圖 像和其它的N-2幅圖像之間無法進(jìn)行很好的匹配，那么它們的平均預(yù)測(cè)誤 差會(huì)很高，這樣，根據(jù)本發(fā)明，會(huì)使得它們的預(yù)測(cè)準(zhǔn)確性概率降低，從而 使得這兩幅圖像的相似度CONFi也會(huì)降低，因此N幅圖像的平均相似度 也會(huì)隨之降低。例如，圖11示出了利用圖3所示的方法300，對(duì)圖1所示的6幅文 檔圖像按邊緣強(qiáng)度進(jìn)行分層后的第一層中的兩兩圖像之間的相似度值，以 及該層中每幅文檔邊緣圖像的預(yù)測(cè)準(zhǔn)確性概率值，而圖12示出了第二層 (該層是包含共有圖案的那一層)中的兩兩圖像之間的相似度值，以及該 層中每幅圖像的預(yù)測(cè)準(zhǔn)確性概率值。
對(duì)于圖ll所示的情形，在不考慮預(yù)測(cè)準(zhǔn)確性概率的情況下，通過求 和后進(jìn)行平均而獲得的平均相似度的值是0.0484。但是，如果考慮了預(yù)測(cè) 準(zhǔn)確性概率的影響，則根據(jù)上述等式(5 ),6幅圖像的相似度分別是0.0032， 0.0178， 0.0334, 0.0207， 0.0298,和0.0246，這樣，才艮據(jù)上述等式(7) 可知，圖11所示的第一層的平均相似度是0.0259。
而對(duì)于圖12所示的情形，如果不考慮預(yù)測(cè)準(zhǔn)確性概率，則通過求和 后進(jìn)行平均而獲得的平均相似度是0.0319。但是，如果考慮了預(yù)測(cè)準(zhǔn)確性 概率的影響，則根據(jù)上述等式(5)， 6幅圖的相似度分別是0.0299， 0.0347， 0.0334， 0.0271， 0.0315，和0.0326，這樣，才艮據(jù)上述等式(7)可知，圖 12所示的第二層的平均相似度是0.0315。
因此，如果不考慮預(yù)測(cè)準(zhǔn)確性概率，根據(jù)平均相似度的值來選擇，則 將會(huì)g地認(rèn)為圖11所代表的第一層是其中包含共有圖案的那一層。但 是，如果考慮了預(yù)測(cè)準(zhǔn)確性概率，則包含共有圖案的那一層(即，圖12 所代表的第二層)的文檔邊緣圖像的平均相似度要高于不包含共有圖案的 層(圖11所代表的第一層)的文檔邊緣圖像的平均相似度，也就是說，
層為其中包含共有^案的層，因此能夠得出正確的結(jié)果。
雖然以上結(jié)合圖3所示的流程圖以圖1所示的6幅文檔t變圖〗象為例 對(duì)根據(jù)本發(fā)明的圖像處理方法進(jìn)行了描述，但是本領(lǐng)域普通技術(shù)人員應(yīng)當(dāng) 明白，圖3所示的流程圖僅僅是示例性的，并且可以根據(jù)實(shí)際應(yīng)用和具體 要求的不同，對(duì)圖3所示的方法流程進(jìn)行相應(yīng)的修改。
根據(jù)需要，可以對(duì)圖3所示的方法300中的某些步驟的執(zhí)行順序進(jìn)行 調(diào)整，或者可以省去或者添加某些處理步驟。例如，雖然圖3中示出了計(jì) 算平均相似度的處理(即，步驟S340)在對(duì)圖傳ii行合成和去除噪聲的 處理(即，步驟S330和S335 )之后執(zhí)行，但是顯然它們也可以并行執(zhí)行， 或者;i顛倒順序地執(zhí)行。
圖13示出了根據(jù)本發(fā)明另一個(gè)實(shí)施例的圖像處理方法1300，它是如圖3所示的方法300的一個(gè)變體。
從圖3和13所示的方法流程圖中可以看出，步驟S1305~S1345中 的處理過程與圖3所示的步驟S305 ~ S325、 S340 ~ S345、 S330 ~ S335中 的處理過程是類似的。它們的區(qū)別之處僅在于，如圖13所示，步驟S1340 中的圖像合成處理和步驟S1345中的去除噪聲處理在平均相似度計(jì)算步 驟S1330之后執(zhí)行，這時(shí)可以僅僅對(duì)平均相似度最大的那一層(共有圖案 所在的那一層)的N幅圖^(象進(jìn)行合成和去除噪聲處理，而不必對(duì)所有的 層都進(jìn)行處理，并且省略了步驟S350，因此，與圖3所示的方法相比， 可以減小計(jì)算量。為了避免重復(fù)，在此就不再對(duì)圖13中所示的各個(gè)步驟 中的具體處理過程進(jìn)行描述了 。
當(dāng)然，也可能對(duì)圖3所示的方法300或者圖13所示的方法1300進(jìn)行 其他的修改，例如，圖13所示的步驟S1325也可以在步驟S1335和步驟 S1340之間執(zhí)行，而且本領(lǐng)域技術(shù)人員完全可以很容易地繪制出相應(yīng)的流 程圖，在此為了簡(jiǎn)單起見就不再一一詳述了。
而且，上文中所提到的圖像特征提取處理、邊緣險(xiǎn)測(cè)處理、對(duì)圖像進(jìn) 行分層的處理、利用兩兩圖像的匹配參數(shù)計(jì)算圖像的平均預(yù)測(cè)誤差的處 理、對(duì)多幅圖像進(jìn)行合成的處理、圖像去除噪聲的處理、計(jì)算兩兩圖像的 相似度的處理、利用預(yù)測(cè)準(zhǔn)確性概率計(jì)算一幅圖像與其他圖像的相似度的 處理等，顯然可以使用任何一種已知的技術(shù)來進(jìn)行，而不局限于以上所描 述的某一種具體方法。
此夕卜，雖然以上是以文檔>^圖像為例對(duì)根據(jù)本發(fā)明的圖像處理方法 進(jìn)行描述的，但是顯然該方法并不局限于對(duì)文檔圖像進(jìn)行處理，而是不僅 可以適用于對(duì)任何^JL圖傳進(jìn)行處理，而且還可以適用于對(duì)彩色圖傳進(jìn)行 處理。例如，在從多幅彩色圖像中找出共有圖案的應(yīng)用下，可以在圖3 所示的步驟S310之前，通過彩色—灰度變換將多幅彩色圖像轉(zhuǎn)換為M 圖像，然后在利用圖3或圖13所示的方法進(jìn)行處理。作為選擇，也可以 在步驟S310或步驟S1310中直接從彩色圖像中進(jìn)行特征提取，例如，可 以直接從彩色圖像中提取邊緣信息并計(jì)算邊緣強(qiáng)度(可以參見例如趙景秀 等發(fā)表的文章"基于彩色信息區(qū)分度的彩色邊a測(cè)"，見《計(jì)算機(jī)應(yīng)用》 2001年第8期)。
另外，雖然以上是以提取邊緣信息并計(jì)算邊緣強(qiáng)度為例對(duì)根據(jù)本發(fā)明
的圖像處理方法中的對(duì)圖^ii行特征提取和分層的有關(guān)處理進(jìn)行描述，但 是，根據(jù)本發(fā)明的圖像處理,方法顯然并不局限于此，而是本發(fā)明可以,應(yīng)用方法，只要能夠根據(jù)特征提取的結(jié)果使共有圖案圖像基本上被分在同 一層 中即可。例如，在不按邊緣強(qiáng)度大小而是按共有圖案的顏色(對(duì)于彩色圖
像)或者像素AJL值(對(duì)于灰度圖像)進(jìn)行分層的情況下，同樣能夠得到 類似的結(jié)果.例如，在對(duì)待處理的彩色圖像或支變圖傳進(jìn)行特征提取后， 基于共有圖案的顏色或者像素A^值具有相互一致性這一假設(shè)，按顏色或 者像素灰度值進(jìn)行分層，也可以使共有圖案的圖像基本上被分在同 一層 中。
而且，雖然以上在對(duì)根據(jù)本發(fā)明的方法進(jìn)行描述時(shí)，引入了平均預(yù)測(cè) 誤差和預(yù)測(cè)準(zhǔn)確性概率的概念并給出了它們的計(jì)算方法，但是對(duì)于得益于 本發(fā)明公開內(nèi)容的本領(lǐng)域普通技術(shù)人員來說，完全可以根據(jù)需要對(duì)上述概 念和計(jì)算方法進(jìn)行擴(kuò)展，在此也不再一一詳述了。
雖然以上僅僅描述了從多幅文檔圖像中找出例如水印之類的共有圖 案的應(yīng)用，但是，如圖3所示的圖《象處理方法300或如圖13所示的方法 1300也可以用在對(duì)多幅圖像進(jìn)行拼接的應(yīng)用中。由于通常情況下要拼接 的多幅圖^J&此之間除了有平移以夕卜，還可能發(fā)生A^(伸縮)和角度(旋 轉(zhuǎn))的變化，甚至還可能會(huì)出現(xiàn)類似透視變形或者彎曲變形的情況。在這 些情況下，在利用上述方法300或1300找出共有圖案之前，需要有一個(gè) 預(yù)處理環(huán)節(jié)，使得多幅圖^MP具有一致的尺度、角度和變形系數(shù)，或者使 多幅圖像中的共有圖案在由位置、尺度、角度和變形系數(shù)等組成的高維參 數(shù)空間中具有一致性。而且，在找到要拼接的多幅圖像中的共有圖案之后， 也就找到了多幅圖像中的共有的"一個(gè)原點(diǎn)"，然后根據(jù)它來確定要拼接 的多幅圖像的相對(duì)位置，并對(duì)多幅圖像進(jìn)行#^成，從而可以實(shí)現(xiàn)圖像 拼接。關(guān)于圖像拼接的技術(shù)，目前已知的方法也有很多，例如，可以使用 美國(guó)專利US 6,690,482 Bl和US 7，145，596 B2中所公開的方法來進(jìn)行拼 接。當(dāng)然，也可以使用其他方法，在此為了簡(jiǎn)單起見也不再一一詳述了。
此外，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)明白，以上結(jié)合圖3和13所描述的圖像 處理方法中的某些處理過程，例如，用于從多幅圖像中找出一幅與其他各 幅圖像的匹配最優(yōu)的圖像作為基準(zhǔn)圖像的處理過程，用于在考慮多幅圖像 彼此間的關(guān)聯(lián)的情況下為多幅圖像計(jì)算平均相似度的處理過程等，顯然也 可以根據(jù)需要用在其他可能的各種應(yīng)用中。
下面結(jié)合圖14對(duì)根據(jù)本發(fā)明一個(gè)實(shí)施例的用于從多幅待處理圖像中 找出或確定共有圖案的圖像處理裝置進(jìn)行描述。圖14示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的圖像處理裝置1400的示意性方 框圖，該圖像處理裝置1400可以應(yīng)用如圖3所示的方法300或如圖13所 示的方法1300。如圖14所示，圖像處理裝置1400包括圖像特征提取單 元1410、基準(zhǔn)圖像確定單元1420、平均相似度計(jì)算單元1430、圖像合成 單元1440和去噪單元1450。
其中，圖像特征提取單元1410用于從所接收的多幅(例如N幅)待 處理圖像(可以^A^圖^^者彩色圖像)中提取出圖像特征，以便把這 N幅圖傳進(jìn)行分層。例如，可以如以上所描述的那樣，圖像特征提取單元 1410利用邊緣險(xiǎn)測(cè)算子提取圖像中的所有邊緣并計(jì)算每個(gè)邊緣點(diǎn)的邊緣 強(qiáng)度大小，并且按邊緣強(qiáng)度的大小將N幅圖像分為C層，以便可以得到 NxC幅圖《象。
基準(zhǔn)圖像確定單元1420用于從由圖像特征提取單元1410得到的每一 層中的N幅圖像(例如，邊緣圖像)中，通過采用以上所描述的方法， 確定一幅適當(dāng)?shù)膱D像(與其余N-1幅圖像的匹配最優(yōu)的圖像，具體來說， 是平均預(yù)測(cè)誤差最小的圖像)，作為該層的基準(zhǔn)圖像。
平均相似度計(jì)算單元1430用于按照以上所述的方法，在考慮了預(yù)測(cè) 誤差對(duì)相似度的準(zhǔn)確性的影響的情況下(例如，通過利用每幅圖像的平均 預(yù)測(cè)誤差計(jì)算預(yù)測(cè)準(zhǔn)確性概率)，計(jì)算每一層中所有圖像的平均相似度。
圖像合成單元1440用于將一層中的所有圖像以基準(zhǔn)圖像為^ftfe，通 過平移、旋轉(zhuǎn)和/或伸縮變換等，使除基準(zhǔn)圖像之外的N-l幅圖像與基準(zhǔn) 圖像對(duì)齊，并將N幅圖傳進(jìn)行合成(例如，在邊緣圖《象的情況下，^^象 素點(diǎn)對(duì)圖像進(jìn)行累加，每個(gè)4象素點(diǎn)上的數(shù)值為該點(diǎn)上所有重合的邊緣點(diǎn)的 總個(gè)數(shù))。在此，圖像合成單元1440可以對(duì)每一層的圖像都進(jìn)行合成，或 者，為了筒化計(jì)算，圖像合成單元1440也可以根據(jù)平均相似度計(jì)算單元 的計(jì)算結(jié)果，僅僅對(duì)平均相似度最大的那一層的圖像進(jìn)行合成。
去噪單元1450用于對(duì)由圖像合成單元1440所合成的圖像進(jìn)行去除噪 聲處理，以消除合成圖像中存在的不必要的噪聲。
鑒于在上文中已經(jīng)就各個(gè)具體的處理過程進(jìn)行了較為詳細(xì)的描述，為 避免重復(fù)，在此就不再就上述各個(gè)單元的具體處理過程進(jìn)行詳述了。
在此需JH兌明的是，圖14所示的圖4象處理裝置1400的結(jié)構(gòu)僅僅是示 例性的，本領(lǐng)域技術(shù)人員可以根據(jù)需要對(duì)圖13所示的結(jié)構(gòu)框圖進(jìn)行^務(wù)改。 例如，如果圖像合成單元1440的合成圖像的質(zhì)量能夠滿足預(yù)定的要求，則可以省略去噪單元1450。另外，在待處理的多幅圖像為彩色圖像的情 況下，可以在圖像特征提取單元1410之前添加彩色-支變轉(zhuǎn)換單元，用 于利用彩色-支復(fù)轉(zhuǎn)換將N幅彩色圖像轉(zhuǎn)換為N幅H圖1象。
正如上文中所提到的，根據(jù)本發(fā)明的圖像處理方法300和1300以及 圖4象處理裝置1400可以應(yīng)用在如圖2所示的通用lt據(jù)處理系統(tǒng)上。但是， 根據(jù)本發(fā)明的圖像處理方法和裝置顯然也可以應(yīng)用在不同于圖2所示的 系統(tǒng)或設(shè)備中。例如，它們還可以應(yīng)用在掃描儀、復(fù)印機(jī)或多功能一體機(jī) 等設(shè)備中，使得該掃描儀、復(fù)印機(jī)或多功能一體機(jī)等設(shè)備可以從多幅文檔 圖像中提取出嵌入在其中的水印，從而對(duì)文檔進(jìn)行管理，并且可以被進(jìn)一 步用于對(duì)公司內(nèi)部拷貝或復(fù)印機(jī)密文檔進(jìn)行監(jiān)控和報(bào)警。
在根據(jù)本發(fā)明的一個(gè)實(shí)施例中，提供了一種基準(zhǔn)圖像確定方法，用于 從N幅圖像中確定一幅與其余N-l幅圖像的匹配優(yōu)選的圖像作為基準(zhǔn)圖 像，其中N為自然數(shù)且大于等于3，該方法包括以下步驟根據(jù)N幅圖 像中的每幅圖像與其他N-l幅圖像的兩兩圖像間的匹配M，計(jì)算針對(duì)該 幅圖像的其他N-l幅圖像兩兩之間的預(yù)測(cè)匹配M，從而得到針對(duì)每幅圖 像的預(yù)測(cè)匹配參數(shù)矩陣；根據(jù)針對(duì)每幅圖像的預(yù)測(cè)匹配參數(shù)矩陣，計(jì)算每 幅圖像的平均預(yù)測(cè)誤差；以及，將N幅圖像中的平均預(yù)測(cè)誤差小于預(yù)定 閾值的任意一幅圖像，或者在將N幅圖像按平均預(yù)測(cè)誤差從小到大的順 序排序后的前n幅圖像之一，確定為所逸基準(zhǔn)圖像，其中n為預(yù)先設(shè)定的 自然數(shù)。
優(yōu)選的是，基準(zhǔn)圖像是N幅圖像中的一幅與其余N-1幅圖像的匹配 最優(yōu)的圖像。
更為優(yōu)選的是，基準(zhǔn)圖像是N幅圖像中的平均預(yù)測(cè)誤差最小的一幅 圖像。
其中，兩兩圖像之間的匹配參數(shù)包括平移、旋轉(zhuǎn)和/或伸縮變換匹配 參數(shù)。
其中，根據(jù)第m幅和第i幅圖像間的匹配^ltMmi與第m幅和第j 幅圖像間的匹配^ltM叫，預(yù)測(cè)出針對(duì)第m幅圖像的第i幅和第j幅圖像 間的匹配^My的值My咖，從而得到針對(duì)第m幅圖像的預(yù)測(cè)匹配^lt 矩陣，其中m、 i和j均為大于等于l小于等于N的自然數(shù)。
在根據(jù)本發(fā)明的又一實(shí)施例中，提供了一種基準(zhǔn)圖像確定裝置，用于 從N幅圖像中確定一幅與其余N-l幅圖像的匹配優(yōu)選的圖像作為基準(zhǔn)圖像，其中N為自然數(shù)且大于等于3，所M準(zhǔn)圖^^定裝置包括用于根 據(jù)N幅圖像中的每幅圖像與其他N-l幅圖像的兩兩圖像間的匹配M, 計(jì)算針對(duì)該幅圖像的其他N-l幅圖像兩兩之間的預(yù)測(cè)匹配M，從而得到 針對(duì)每幅圖像的預(yù)測(cè)匹配參數(shù)矩陣的裝置；用于根據(jù)針對(duì)每幅圖像的預(yù)測(cè) 匹配參數(shù)矩陣，計(jì)算每幅圖像的平均預(yù)測(cè)誤差的裝置；以及，用于將N 幅圖像中的平均預(yù)測(cè)誤差小于預(yù)定閾值的任意一幅圖像，或者在將N幅 圖像按平均預(yù)測(cè)誤差從小到大的順序排序后的前n幅圖像之一，確定為所 M準(zhǔn)圖像的裝置，其中n為預(yù)先設(shè)定的自然數(shù)。
優(yōu)選的是，基準(zhǔn)圖像是N幅圖像中的一幅與其余N-1幅圖像的匹配 最優(yōu)的圖像。
更為優(yōu)選的是，基準(zhǔn)圖像是N幅圖像中的平均預(yù)測(cè)誤差最小的一幅 圖像。
其中，兩兩圖像之間的匹配參數(shù)包括平移、旋轉(zhuǎn)和/或伸縮變換匹配 沐
其中，用于計(jì)算針對(duì)每幅圖像的預(yù)測(cè)匹配參數(shù)矩陣的裝置根據(jù)第m 幅和第i幅圖〗象間的匹配^lt Mw與第m幅和第j幅圖像間的匹配^ Mmj，預(yù)測(cè)出針對(duì)第m幅圖像的第i幅和第j幅圖像間的匹配^ltMij的 值Mi廣，從而得到針對(duì)第m幅圖像的預(yù)測(cè)匹配^矩陣，其中m、 i和j 均為大于等于1且小于等于N的自然數(shù)。
在根據(jù)本發(fā)明的又一實(shí)施例中，還4I:供了一種平均相似度計(jì)算方法， 用于計(jì)算N幅圖像的平均相似度，其中N為自然數(shù)且大于等于3，該方 法包括以下步驟根據(jù)N幅圖像中的每幅圖像與其他N-l幅圖像的兩兩 圖像間的匹配^lt，計(jì)算針對(duì)該幅圖像的其他N-l幅圖像兩兩之間的預(yù)測(cè) 匹配^lt，從而得到針對(duì)每幅圖像的預(yù)測(cè)匹配^矩陣；根據(jù)針對(duì)每幅圖 像的預(yù)測(cè)匹配M矩陣，計(jì)算每幅圖像的平均預(yù)測(cè)誤差；根據(jù)每幅圖像的 平均預(yù)測(cè)誤差，計(jì)算每幅圖像的預(yù)測(cè)準(zhǔn)確性概率；根據(jù)每幅圖像與其他 N-l幅圖像的兩兩圖像間的相似度，利用每幅圖像的預(yù)測(cè)準(zhǔn)確性概率來計(jì) 算每幅圖像的相似度；以及根據(jù)每幅圖像的相似度，計(jì)算所有N幅圖像 的平均相似度。
其中，兩兩圖像之間的匹配參數(shù)包括平移、旋轉(zhuǎn)和/或伸縮變換匹配 參數(shù)。
其中，根據(jù)第m幅和第i幅圖像間的匹配^故1VU與第m幅和第j幅圖像間的匹配^ltMmj，預(yù)測(cè)出針對(duì)第m幅圖像的第i幅和第j幅圖像 間的匹配^Mij的值Mij咖，從而得到針對(duì)第m幅圖像的預(yù)測(cè)匹配^ 矩陣，其中m、 i和j均為大于等于l且小于等于N的自然數(shù)。
其中，第i幅圖像的預(yù)測(cè)準(zhǔn)確性概率Pi用下式計(jì)算
其中，^是第i幅圖像的平均預(yù)測(cè)誤差，"《是預(yù)先設(shè)定的最大平均預(yù)測(cè) 誤差值，i為自然數(shù)且lSi^N。
根據(jù)權(quán)利要求42所述的方法，其中，第i幅文檔圖像的相似度用下 式計(jì)算
CONFi = Pi x S CONF2(i， j)/(N誦l), j=l， 2,…，i-l， i+l，…，N，
其中，CONF2(i， j)表示第i幅圖像和第j幅圖像之間的相似度。
其中，所有N幅圖像的平均相似M通it^每一幅圖像的相似度求 平均而得到的。
在根據(jù)本發(fā)明的又一實(shí)施例中，提供了一種用于計(jì)算N幅圖像的平 均相似度的平均相似度計(jì)算裝置，其中N為自然數(shù)且大于等于3，所述平 均相似度計(jì)算裝置包括用于根據(jù)N幅圖像中的每幅圖像與其他N-l幅 圖像的兩兩圖像間的匹配M，計(jì)算針對(duì)該幅圖像的其他N-l幅圖像兩兩 之間的預(yù)測(cè)匹配參數(shù)，從而得到針對(duì)每幅圖像的預(yù)測(cè)匹配參數(shù)矩陣的裝 置；用于根據(jù)針對(duì)每幅圖像的預(yù)測(cè)匹配^lt矩陣，計(jì)算每幅圖像的平均預(yù) 測(cè)誤差的裝置；用于根據(jù)每幅圖像的平均預(yù)測(cè)誤差，計(jì)算每幅圖像的預(yù)測(cè) 準(zhǔn)確性概率的裝置；用于根據(jù)每幅圖像與其他N-1幅圖像的兩兩圖像間的 相似度，利用每幅圖像的預(yù)測(cè)準(zhǔn)確性概率來計(jì)算每幅圖像的相似度的裝 置；以及，用于根據(jù)每幅圖像的相似度，計(jì)算所有N幅圖像的平均相似 度的裝置。
其中，兩兩圖像之間的匹配參數(shù)包括平移、旋轉(zhuǎn)和/或伸縮變換匹配 狄。
其中，所述計(jì)算針對(duì)每幅圖像的預(yù)測(cè)匹配參數(shù)矩陣的裝置根據(jù)第m 幅和第i幅圖像間的匹配^lt Mw與第m幅和第j幅圖像間的匹配^ Mmj，預(yù)測(cè)出針對(duì)第m幅圖像的第i幅和第j幅圖像間的匹配^ltMij的 值Mij咖，從而得到針對(duì)第m幅圖像的預(yù)測(cè)匹配參數(shù)矩陣，其中m、 i和j 均為大于等于1且小于等于N的自然數(shù)。其中，所述計(jì)算每幅圖像的預(yù)測(cè)準(zhǔn)確性概率的裝置用下式計(jì)算第i幅
圖像的預(yù)測(cè)準(zhǔn)確性概率
其中，^;是第i幅圖像的平均預(yù)測(cè)誤差，嵐是預(yù)先設(shè)定的最大平均預(yù)測(cè)
誤差值，i為自然數(shù)且l引SN。
其中，所述計(jì)算每幅圖像的相似度的裝置用下式計(jì)算第i幅圖像的相 似度
CONFi = Pi x S CONF2(i， j)/(N-l)， j=l, 2,…，i-l， i+l，…，N,
其中，CONF2(i， j)表示第i幅圖像和第j幅圖像之間的相似度。
其中，用于計(jì)算所有N幅圖像的平均相似度的裝置通過對(duì)每一幅圖 像的相似度求平均而得到所有N幅圖像的平均相似度。
此夕卜，顯然，根據(jù)本發(fā)明的上述方法的各個(gè)操作過程也可以以存儲(chǔ)在 各種機(jī)器可讀的存儲(chǔ)介質(zhì)中的計(jì)算機(jī)可執(zhí)行程序的方式實(shí)現(xiàn)。
而且，本發(fā)明的目的也可以通過下述方式實(shí)現(xiàn)將存儲(chǔ)有上述可執(zhí)行 程序代碼的存儲(chǔ)介質(zhì)直接或者間接地提供給系統(tǒng)或設(shè)備，并且該系統(tǒng)或設(shè) 備中的計(jì)算機(jī)或者中央處理單元(CPU)讀出并執(zhí)行上述程序代碼。
此時(shí)，只要該系統(tǒng)或者設(shè)備具有執(zhí)##呈序的功能，則本發(fā)明的實(shí)施方 式不局限于程序，并且該程序也可以是任意的形式，例如，目標(biāo)程序、解 釋器執(zhí)行的程序或者提供給操作系統(tǒng)的腳4^呈序等。
上述這些機(jī)器可讀存儲(chǔ)介質(zhì)包括但不限于各種存儲(chǔ)器和存儲(chǔ)單元， 半導(dǎo)體設(shè)備，磁盤單元例如光、磁和磁光盤，以及其它適于存儲(chǔ)信息的介 質(zhì)等。
也就是說，在根據(jù)本發(fā)明的另一實(shí)施例中，還提供了一種其上存儲(chǔ)有 程序代碼的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該程序代碼在計(jì)算機(jī)上執(zhí)行時(shí)，使得所 述計(jì)算機(jī)執(zhí)行以上所述的任何一種方法。
另外，客戶計(jì)算機(jī)通過連接到因特網(wǎng)上的相應(yīng)網(wǎng)站，并且將依據(jù)本發(fā) 明的計(jì)算;l^序代碼下載和安裝到計(jì)算機(jī)中然后執(zhí)衧該程序，也可以實(shí)現(xiàn) 本發(fā)明。
最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù) 語(yǔ)僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在^r這種實(shí)際的關(guān)系或者順序。而 且，術(shù)語(yǔ)"包括"、"包含"或者其任何其他變體意在涵蓋非排他性的包含， 從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素， 而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、 物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語(yǔ)句"包括一 個(gè)……"限定的要素，并不排除在包括所述要素的過程、方法、物品或者 設(shè)備中還存在另外的相同要素。
以上雖然結(jié)合附圖詳細(xì)描述了本發(fā)明的實(shí)施例，但是應(yīng)當(dāng)明白，上面 所描述的實(shí)施方式只是用于說明本發(fā)明，而并不構(gòu)成對(duì)本發(fā)明的限制。對(duì) 于本領(lǐng)域的技術(shù)人員來說，可以對(duì)上述實(shí)施方式做出各種修改和變更而沒 有背離本發(fā)明的實(shí)質(zhì)和范圍。因此，本發(fā)明的范圍僅由所附的權(quán)利要求及 其等效含義來限定。
權(quán)利要求
1. 一種圖像處理方法，用于從N幅待處理圖像中找出或者確定這N幅圖像中的共有圖案，其中N為自然數(shù)且大于等于3，該圖像處理方法包括以下步驟對(duì)N幅圖像進(jìn)行圖像特征提取，并根據(jù)特征提取的結(jié)果將N幅圖像分為C層，使得共有圖案的圖像基本上聚集在C層中的某一層中，其中C為自然數(shù)且大于等于2；計(jì)算每一層的N幅圖像的平均相似度；以及將平均相似度最大的那一層的N幅圖像的合成圖像確定為包含共有圖案的圖像，其中，合成圖像是以該層的基準(zhǔn)圖像為基礎(chǔ)，將該層中的N幅圖像進(jìn)行合成而得到的，而基準(zhǔn)圖像是該層的N幅圖像中的一幅與其余N-1幅圖像的匹配優(yōu)選的圖像。
2. 根據(jù)權(quán)利要求l所述的圖像處理方法，其中，基準(zhǔn)圖像是該層的 N幅圖像中的一幅與其余N-l幅圖像的匹配最優(yōu)的圖像。
3. 根據(jù)權(quán)利要求2所述的圖像處理方法，其中，基準(zhǔn)圖像是該層的 N幅圖像中的平均預(yù)測(cè)誤差最小的一幅圖像。
4. 根據(jù)權(quán)利要求3所述的圖像處理方法，其中，對(duì)于該層的N幅圖 像中的每幅圖像，其平均預(yù)測(cè)誤差是通過下述處理來計(jì)算的根據(jù)該幅圖像與其他N-l幅圖像的兩兩圖像間的匹配^,計(jì)算針對(duì) 該幅圖像的其他N-l幅圖像兩兩之間的預(yù)測(cè)匹配M，從而得到針對(duì)該幅 圖像的預(yù)測(cè)匹配參數(shù)矩陣；以及根據(jù)針對(duì)該幅圖像的預(yù)測(cè)匹配M矩陣，計(jì)算該幅圖像的平均預(yù)測(cè)誤差。
5. 根據(jù)權(quán)利要求4所述的圖像處理方法，其中，計(jì)算每一層的N幅 圖像的平均相似度的步驟進(jìn)一步包括根據(jù)每幅圖像的平均預(yù)測(cè)誤差，計(jì)算每幅圖像的預(yù)測(cè)準(zhǔn)確性概率；根據(jù)每幅圖像與其他N-l幅圖像的兩兩圖像間的相似度，利用每幅圖 像的預(yù)測(cè)準(zhǔn)確性概率來計(jì)算每幅圖像的相似度；以及根據(jù)每幅圖像的相似度，計(jì)算N幅圖像的平均相似度。
6. 根據(jù)權(quán)利要求1至5中的任意一項(xiàng)權(quán)利要求所述的圖像處理方法， 其中，進(jìn)行圖像特征提取并根據(jù)特征提取的結(jié)果將N幅圖像分為C層的 步驟進(jìn)一步包括使用邊緣險(xiǎn)測(cè)算子提取N幅圖像中的所有邊緣； 計(jì)算每個(gè)邊緣點(diǎn)的邊緣強(qiáng)度大??；以及根據(jù)所計(jì)算的邊緣強(qiáng)度的大小，將N幅圖像分為C層。
7. 根據(jù)權(quán)利要求6所述的圖像處理方法，其中，所述N幅待處理圖 像為灰度圖像，并且所述邊緣檢測(cè)算子是CANNY算子。
8. 根據(jù)權(quán)利要求6所述的圖像處理方法，其中，所述N幅待處理圖 像為彩色圖像，并且所述邊泉險(xiǎn)測(cè)算子適合于直接從彩色圖像中提取邊緣 信息。
9. 根據(jù)權(quán)利要求6所述的圖像處理方法，其中，所述N幅待處理圖 4象為彩色圖〗象，在圖像特征提取前利用彩色-AJL轉(zhuǎn)換得到N幅A;變圖 像，并且所述邊緣險(xiǎn)測(cè)算子是CANNY算子。
10. 根據(jù)權(quán)利要求6所述的圖像處理方法，其中，合成圖像是通過下 述處理獲得的將該層中的其他N-l幅圖像與基準(zhǔn)圖^Mt準(zhǔn)；以及將對(duì)準(zhǔn)后的N幅圖像^^象素點(diǎn)進(jìn)行累加，每個(gè)像素點(diǎn)上的數(shù)值是該 點(diǎn)上所有重合的邊緣點(diǎn)的總個(gè)數(shù)，從而得到合成后的邊緣圖像。
11. 根據(jù)權(quán)利要求1至5中的任意一項(xiàng)權(quán)利要求所述的圖像處理方法， 還包括對(duì)合成圖像進(jìn)行去除噪聲處理的步驟，其中，去除噪聲后的合成圖 ^m確定為包含共有圖案的圖像。
12. 根據(jù)權(quán)利要求1至5中的任意一項(xiàng)權(quán)利要求所述的圖像處理方法， 其中，所述N幅待處理圖像為文檔圖像，共有圖案為嵌入在文檔圖像中 的水印。
13. 根據(jù)權(quán)利要求4或5所述的圖像處理方法，其中，兩兩圖《象之間 的匹配^lt包括平移、旋轉(zhuǎn)和/或伸縮變換匹配^。
14. 一種圖像處理裝置，用于從N幅待處理圖像中找出或者確定這N 幅圖像中的共有圖案，其中N為自然數(shù)且大于等于3，該圖像處理裝置包 括圖像特征提取單元，用于對(duì)N幅圖像進(jìn)行圖像特征提取，并根據(jù)特 征提取的結(jié)果將N幅圖像分為C層，使得共有圖案的圖像基本上聚集在 C層中的某一層中，其中C為自然數(shù)且大于等于2;基準(zhǔn)圖像確定單元，用于從一層中的N幅圖像中確定一幅與其余N-1 幅圖像的匹配優(yōu)選的圖像，作為基準(zhǔn)圖像；平均相似度計(jì)算單元，用于計(jì)算一層的N幅圖像的平均相似度；以及圖像合成單元，用于以一層的基準(zhǔn)圖像為^ftb,將該層中的N幅圖 像進(jìn)行合成，從而得到該層的合成圖像，其中，平均相似度最大的那一層的合成圖像被確定為包含共有圖案的 圖像。
15. 根據(jù)權(quán)利要求14所述的圖像處理裝置，其中，基準(zhǔn)圖像是一層 的N幅圖像中的一幅與其余N-1幅圖像的匹配最優(yōu)的圖像。
16. 根據(jù)權(quán)利要求15所述的圖像處理裝置，其中，基準(zhǔn)圖像是一層 的N幅閨像中的平均預(yù)測(cè)誤差最小的一幅圖像。
17. 根據(jù)權(quán)利要求16所述的圖像處理裝置，其中，基準(zhǔn)圖像確定單 元進(jìn)一步包括根據(jù)一層的N幅圖像中的每幅圖像與其他N-l幅圖像的兩兩圖像間 的匹配桐l計(jì)算針對(duì)每幅圖像的其他N-l幅圖像兩兩之間的預(yù)測(cè)匹配參 數(shù)，從而得到針對(duì)每幅圖像的預(yù)測(cè)匹配參數(shù)矩陣的裝置；以及用于根據(jù)針對(duì)每幅圖像的預(yù)測(cè)匹配參數(shù)矩陣，計(jì)算每幅圖像的平均預(yù) 測(cè)誤差的裝置。
18. 根據(jù)權(quán)利要求17所述的圖像處理裝置，其中，平均相似度計(jì)算 單元進(jìn)一步包括用于根據(jù)N幅圖像中的每幅圖像的平均預(yù)測(cè)誤差，計(jì)算每幅圖像的 預(yù)測(cè)準(zhǔn)確性概率的裝置；用于根據(jù)N幅圖像中的每幅圖像與其他N-l幅圖像的兩兩圖像間的 相似度，利用每幅圖像的預(yù)測(cè)準(zhǔn)確性概率來計(jì)算每幅圖像的相似度的裝 置；以及用于根據(jù)N幅圖像中的每幅圖像的相似度，計(jì)算N幅圖像的平均相似度的裝置。
19. 根據(jù)權(quán)利要求14至18中的任意一項(xiàng)權(quán)利要求所述的圖像處理裝 置，其中，圖像特征提取單元進(jìn)一步包括用于使用邊緣險(xiǎn)測(cè)算子提取N幅圖像中的所有邊緣的裝置； 用于計(jì)算每個(gè)邊緣點(diǎn)的邊緣強(qiáng)度大小的裝置；以及用于根據(jù)所計(jì)算的邊緣強(qiáng)度的大小將N幅圖像分為C層的裝置。
20. 根據(jù)權(quán)利要求19所述的圖像處理裝置，其中，所述N幅待處理 圖像為支變圖像，并且所述邊緣險(xiǎn)測(cè)算子是CANNY算子。
21. 根據(jù)權(quán)利要求19所述的圖像處理裝置，其中，所述N幅待處理 圖像為彩色圖4象，并且所述邊緣險(xiǎn)測(cè)算子適合于直接從彩色圖《象中^1取邊 緣信息。
22. 根據(jù)權(quán)利要求19所述的圖像處理裝置，其中，所述N幅待處理 圖像為彩色圖像，所述圖像處理裝置進(jìn)一步包括用于利用彩色-灰度轉(zhuǎn)換 將N幅彩色圖傳游換為N幅灰度圖像的彩色-^JL轉(zhuǎn)換單元，并且所述 邊緣險(xiǎn)測(cè)算子是CANNY算子。
23. 根據(jù)權(quán)利要求19所述的圖像處理裝置，其中，圖像合成單元將 該層中的其他N-l幅圖像和基準(zhǔn)圖像對(duì)準(zhǔn)，并將對(duì)準(zhǔn)后的N幅圖像^f象 素點(diǎn)進(jìn)行累加，每個(gè)像素點(diǎn)上的數(shù)值是該點(diǎn)上所有重合的邊緣點(diǎn)的總個(gè) 數(shù)，從而得到合成后的邊緣圖像。
24. 根據(jù)權(quán)利要求14至18中的任意一項(xiàng)權(quán)利要求所述的圖像處理裝 置，還包括去噪單元，用于對(duì)圖像合成單元所合成的合成圖像進(jìn)行去除 噪聲處理，并且其中，去除噪聲后的合成圖像被確定為包含共有圖案的圖 像。
25. 根據(jù)權(quán)利要求14至18中的任意一項(xiàng)權(quán)利要求所述的圖像處理裝 置，其中，所述N幅待處理圖像為文檔圖像，共有圖案為嵌入在文檔圖 像中的水印。
26. 根據(jù)權(quán)利要求17或18所述的圖像處理裝置，其中，兩兩圖像之 間的匹配^包括平移、旋轉(zhuǎn)和/或伸縮變換匹配參數(shù)。
27. —種水印檢測(cè)系統(tǒng)，包括根據(jù)權(quán)利要求14至26中的任意一項(xiàng)權(quán) 利要求所述的圖像處理裝置，其中，N幅待處理圖像為文檔圖像，共有圖 案為嵌入在文檔圖像中的水印。
28.根據(jù)權(quán)利要求27所述的水印檢測(cè)系統(tǒng)，該系統(tǒng)被集成在掃描儀、 復(fù)印機(jī)或多功能一體機(jī)中。
全文摘要
本發(fā)明提供了一種圖像處理方法及裝置，用于從三幅或三幅以上的多幅圖像中找出共有圖案。該方法包括對(duì)N幅圖像進(jìn)行圖像特征提取，根據(jù)特征提取的結(jié)果將N幅圖像分為C層，使得共有圖案的圖像基本上聚集在C層中的某一層中，其中C為自然數(shù)且大于等于2；計(jì)算每一層的N幅圖像的平均相似度；以及將平均相似度最大的那一層的合成圖像確定為包含共有圖案的圖像，其中，合成圖像是以該層的基準(zhǔn)圖像為基礎(chǔ)，將N幅圖像進(jìn)行合成而得到的，而基準(zhǔn)圖像是該層的N幅圖像中的一幅與其余N-1幅圖像的匹配優(yōu)選的圖像。本發(fā)明還提供了一種包含上述圖像處理裝置的水印檢測(cè)系統(tǒng)。本發(fā)明可以應(yīng)用于從多幅文檔圖像中檢測(cè)水印。
文檔編號(hào)G06T5/00GK101546424SQ200810087720
公開日2009年9月30日 申請(qǐng)日期2008年3月24日 優(yōu)先權(quán)日2008年3月24日
發(fā)明者俊 孫, 武部浩明, 直井聰, 藤井勇作, 藤本克仁 申請(qǐng)人:富士通株式會(huì)社