图像相似性的度量方法和装置制造方法及图纸

本申请公开了图像相似性的度量方法和装置，包括：A、提取待对比图像的边界，确定图像边界的相似性，选出边界相同或边界在指定范围内相似的待对比图像；B、针对所选出的待对比图像，采用结构相似性和感知哈希算法计算所述图像之间的相似性。本发明专利技术可以提高度量精度、降低计算量。

Method and Device for Measuring Image Similarity

This application discloses the measurement methods and devices of image similarity, including: A. extracting the boundary of the image to be compared, determining the similarity of the image boundary, selecting the image to be compared with the same boundary or similar boundary within a specified range; B. computing the selected image to be compared using structural similarity and perceptual hash algorithm Similarity between the images. The invention can improve the quantity precision and reduce the calculation amount.

【技术实现步骤摘要】
图像相似性的度量方法和装置
本申请涉及数据处理
，尤其涉及一种图像相似性的度量方法和装置。
技术介绍
目前，主流的图像相似性度量方法有基于颜色和纹理特征的相似性度量、基于峰值信噪比(PSNR)的相似性度量方法、结构相似性(SSIM)度量方法、感知哈希算法(P-Hash)、计算特征点(FAST、SURF、SIFT、ORB等)度量方法。在所述现有的图像相似性度量方法中，基于PSNR的相似性度量方法是最普遍和使用最为广泛的一种图像客观评价方法，然而该方法是基于对应像素点间的误差，即基于误差敏感的图像质量进行相似性度量。由于并未考虑到人眼的视觉特性，例如人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个区域的感知结果会受到其周围邻近区域的影响等。由于人眼的这种视觉特性，则经常出现所述基于PSNR的相似性度量方法的度量结果与人的主观感觉不一致的情况。所述现有的基于SSIM的度量方法能取得优于PSNR度量方法的结果，但SSIM度量方法不能完全解决上述PSNR度量方法存在的问题。所述现有的P-Hash算法由于将图像压缩并灰度化，丢失了大部分图像信息，因此其精确度不高。因此，现有技术整体上存在如下缺点：图像相似性的度量精度不高，计算量都比较大。
技术实现思路
有鉴于此，本专利技术的主要目的是提供一种图像相似性的度量方法和装置，以提高度量精度、降低计算量。本专利技术的技术方案是这样实现的：一种图像相似性的度量方法，包括：A、提取待对比图像的边界，确定图像边界的相似性，选出边界相同或边界在指定范围内相似的待对比图像；B、针对所选出的待对比图像，采用结构相似性和感知哈希算法计算所述图像之间的相似性。在本专利技术所述方法的一种优选实施例中，所述步骤A具体包括：对待对比图像的图像边缘进行边缘检测，提取图像边界，并得到边界灰度图；根据图像大小将图像划分为网络结构；取得所述图像中每一个网格的灰度值，得到边界灰度图的指纹字符串；统计每两个待对比的图像的指纹字符串中，所述网格灰度值不相同的数据位数；如果不相同的数据位数与指纹字符串中的总数据位数的比值低于指定比值，则判定待对比的两张图像相似，对该两张图像执行步骤B；如果不相同的数据位数与指纹字符串中的总数据位数的比值等于或高于所述指定比值，则判定待对比的两张图像是不同的图像，对该两张图像不执行步骤B。在本专利技术所述方法的一种优选实施例中，所述对图像边缘进行边缘检测具体包括：利用Canny边缘检测器进行边缘检测。在本专利技术所述方法的一种优选实施例中，所述步骤B具体包括：将所选出的待对比图像缩小到n×n的尺寸；将所述缩小后的图像转为n2级灰度；根据所述两个待对比图像的n2级灰度，计算两个图像各自的像素均值和标准差，以及计算两个图像之间的像素均方差和协方差；根据所述两个图像各自的均值和标准差，以及计算两个图像之间的均方差和协方差，计算所述两个图像的亮度比较函数，对比度比较函数，结构比较函数、和峰值信噪比PSNR值；根据以下公式计算所述两个待对比图像之间的相似性SSIM(x,y)：SSIM(x,y)＝[l(x,y)]α·[c(x,y)]β·[s(x,y)]γ·[PSNR]λ其中，所述x，y分别代表所述两个待对比的图像，l(x,y)为所述两个图像的亮度比较函数，α为l(x,y)的权值；c(x,y)为所述两个图像的对比度比较函数，β为c(x,y)的权值；s(x,y)为所述两个图像的结构比较函数，γ为s(x,y)的权值；PSNR为峰值信噪比PSNR值，λ为PSNR的权值；α,β,γ,λ＞0。在本专利技术所述方法的一种优选实施例中，根据下述公式计算所述两个图像各自的像素均值和标准差，以及计算两个图像之间的像素均方差和协方差，其中x，y分别代表所述两个待对比的图像；两个图像各自的像素均值计算公式为：其中，μx为图像x的像素均值，μy为图像y的像素均值；xi,j为图像x的n2级灰度图像中，第i行第j列的像素值；yi,j为图像y的n2级灰度图像中，第i行第j列的像素值；两个图像各自的像素标准差计算公式为：其中，为图像x的像素标准差，为图像y的像素标准差；两个图像之间的像素均方差MSE的计算公式为：两个图像之间的协方差σxy计算公式为：在本专利技术所述方法的一种优选实施例中，根据下述公式计算所述两个图像的亮度比较函数，对比度比较函数，结构比较函数、和峰值信噪比PSNR值，其中x，y分别代表所述两个待对比的图像；两个图像的亮度比较函数l(x,y)的计算公式为：两个图像的对比度比较函数c(x,y)的计算公式为：两个图像的结构比较函数s(x,y)的计算公式为：两个图像的PSNR值的计算公式为：其中，所述C1C2C3是为了避免分母为零而设的相对小的常数；amax＝2K-1，K是表示一个像素点用的二进制位数，L为像素的动态范围，K1,K2为常数，K1＜＜1,K2＜＜1。在本专利技术所述方法的一种优选实施例中，该方法进一步包括：利用滑动窗将所述待对比的图像分块，令分块总数为M，采用高斯加权计算每一窗口的均值、方差以及协方差，然后计算对应块的结构相似性，最后将两个图像的各个块的结构相似性的平均值作为两图像的结构相似性。在本专利技术所述方法的一种优选实施例中，所述n＝8。一种图像相似性的度量装置，包括：图像分类模块，用于提取待对比图像的边界，确定图像边界的相似性，选出边界相同或边界在指定范围内相似的待对比图像。相似性计算模块，用于针对所选出的待对比图像，采用结构相似性和感知哈希算法计算所述图像之间的相似性。与现有技术相比，本专利技术针对待对比的图像，先提取待对比图像的边界，确定图像边界的相似性，选出边界相同或边界在指定范围内相似的待对比图像；这一步骤相当于将图像进行了分类，在面对大量图像的相似性比较时，采用这一步骤可以将那些明显不相似的图像对排除掉，筛选出相似性较高的图像对，然后再针对选出的待对比图像，利用峰值信噪比和结构相似性计算所述图像之间的相似性。本专利技术最大限度地利用了图像信息、边界信息、结构信息等，其中虽然增加了图像分类步骤，看似增加了计算量，但由于首先对图像进行分类，反而减小了需要计算相似性的图片数量，因此在整体上降低了计算量。同时，本专利技术又利用峰值信噪比和结构相似性挖掘图像结构、对比信息后计算所述图像之间的相似性，提高了图像相似性的度量精度。附图说明图1为本专利技术一种实施例中所述图像相似性的度量方法的流程图；图2为本专利技术一种实施例中进行图像分类的流程图；图3为本专利技术一种实施例中针对所选出的待对比图像，采用结构相似性和感知哈希算法计算所述图像之间的相似性的流程图；图4为本专利技术一种实施例中所述图像相似性的度量装置的组成示意图。具体实施方式下面结合附图及具体实施例对本专利技术再作进一步详细的说明。图1为本专利技术一种实施例中所述图像相似性的度量方法的流程图。参见图1，本专利技术所述方法主要分为两大步骤，即步骤10和步骤20。步骤10、提取待对比图像的边界，确定图像边界的相似性，选出边界相同或边界在指定范围内相似的待对比图像。本步骤10相当于将待对比的图像(即图像对)进行了分类，只选出边界相同或边界在指定范围内相似的图像对来执行下一步骤20，而其它图像对则不必再执行下一步骤20。步骤20、针对所选出的待对比图像，采用结本文档来自技高网...

【技术保护点】
1.一种图像相似性的度量方法，其特征在于，包括：A、提取待对比图像的边界，确定图像边界的相似性，选出边界相同或边界在指定范围内相似的待对比图像；B、针对所选出的待对比图像，采用结构相似性和感知哈希算法计算所述图像之间的相似性。

【技术特征摘要】
1.一种图像相似性的度量方法，其特征在于，包括：A、提取待对比图像的边界，确定图像边界的相似性，选出边界相同或边界在指定范围内相似的待对比图像；B、针对所选出的待对比图像，采用结构相似性和感知哈希算法计算所述图像之间的相似性。2.根据权利要求1所述的方法，其特征在于，所述步骤A具体包括：对待对比图像的图像边缘进行边缘检测，提取图像边界，并得到边界灰度图；根据图像大小将图像划分为网络结构；取得所述图像中每一个网格的灰度值，得到边界灰度图的指纹字符串；统计每两个待对比的图像的指纹字符串中，所述网格灰度值不相同的数据位数；如果不相同的数据位数与指纹字符串中的总数据位数的比值低于指定比值，则判定待对比的两张图像相似，对该两张图像执行步骤B；如果不相同的数据位数与指纹字符串中的总数据位数的比值等于或高于所述指定比值，则判定待对比的两张图像是不同的图像，对该两张图像不执行步骤B。3.根据权利要求2所述的方法，其特征在于，所述对图像边缘进行边缘检测具体包括：利用Canny边缘检测器进行边缘检测。4.根据权利要求1所述的方法，其特征在于，所述步骤B具体包括：将所选出的待对比图像缩小到n×n的尺寸；将所述缩小后的图像转为n2级灰度；根据所述两个待对比图像的n2级灰度，计算两个图像各自的像素均值和标准差，以及计算两个图像之间的像素均方差和协方差；根据所述两个图像各自的均值和标准差，以及计算两个图像之间的均方差和协方差，计算所述两个图像的亮度比较函数，对比度比较函数，结构比较函数、和峰值信噪比PSNR值；根据以下公式计算所述两个待对比图像之间的相似性SSIM(x,y)：SSIM(x,y)＝[l(x,y)]α·[c(x,y)]β·[s(x,y)]γ·[PSNR]λ其中，所述x，y分别代表所述两个待对比的图像，l(x,y)为所述两个图像的亮度比较函数，α为l(x,y)的权值；c(x,y)为所述两个图像的对比度比较函数，β为c(x,y)的权值；s(x,y)为所述两个图像的结构比较函数，γ为s(x,y)的权值；PSNR...

【专利技术属性】
技术研发人员：闫继东，
申请(专利权)人：普天信息技术有限公司，
类型：发明
国别省市：北京,11