图像相似度计算方法技术

本发明专利技术公开了一种图像相似度计算方法，包括：(1)分别提取待比较两幅图像的纹理特征，并计算两者的纹理特征相似度；(2)计算待比较两幅图像的黎曼流形的特征相似度；(3)利用步骤(1)、步骤(2)的结果加权计算待比较两幅图像的综合相似度。本发明专利技术利用Shearlet小波变换提取图像的纹理特征，再用黎曼流行相似度和纹理之间的差异来衡量图像的相似度，实现图像相似度综合度量，有效提高了图像检索的准确率和查全率。

【技术实现步骤摘要】

本专利技术涉及图像检索
，，尤其涉及一种图像相似度的度量方法。
技术介绍
图像比较已经得到图像处理和计算机视觉领域的大量的关注，因为它是多种应用的核心成份，比如对象识别、立体视觉、图像插值，图像去噪，和exemplar-based图像修复等。一种常见方法是定义一个全局的两幅图像之间的相似度计算，也就是比较从两幅图像中得到点对附近邻居形成的包。我们认为一般在黎曼流形上定义的图像。这样的流行的出现，例如，定义在RN的图像，赋予一个合适的定义在图像上的度量。纹理特征是图像的重要特征之一，它能够反映邻域像素灰度的分布规律，其中小波分析是一种全新的时、频分析，是信号的时间尺度分析方法。近年来越来越多的研究集中于如何借助小波变换进行图像纹理分析。黎曼流行的特征相似度：将两幅图像分别定义在黎曼流行上，然后两幅图像的相似度其实就是比较图像中以某一点为中心的子图像的黎曼流行的欧几里得距离。纹理特征相似度：纹理特征是图像的重要特征之一,它能够反映邻域像素灰度的分布规律,其中小波分析是一种全新的时、频分析,是信号的时间尺度分析方法。近年来越来越多的研究集中于如何借助小波变换进行图像纹理分析，利用纹理特征分析的纹理特征向量来计算纹理特征相似度具有较好的效果。但现有技术中基于两种相似度计算的图像检索的准确率并不高。
技术实现思路
本专利技术提出了一种基于黎曼流行并结合纹理特征的图形相似度计算>方法，利用加权来进行综合相似性描述，进而获得图形相似度。一种图像相似度计算方法，其特征在于，包括：(1)分别提取待比较两幅图像的纹理特征，并计算两者的纹理特征相似度；(2)计算待比较两幅图像的黎曼流形的特征相似度；(3)利用步骤(1)、步骤(2)的结果加权计算待比较两幅图像的综合相似度。图像纹理反映的是图像的一种局部结构化特征，基于频域的能量分布能够鉴别纹理的基本假设，步骤(1)中采用小波变换提取纹理特征。本专利技术采用小波变换方法通过滤波器或滤波器组将图像纹理转到变换域，然后应用能量准则提取纹理特征[MukundanR；RamakrishnanKRMomentFunctionsinImageAnalysis-TheoryandApplications1998]。采用小波变换提取纹理特征，其原因是纹理是窄带信号，不同纹理一般具有不同的中心频率及带宽。滤波器将输入纹理图像I(x，y)与shearlet小波进行卷积，可得到不同方向和尺度的子带。待比较两幅图像的纹理特征相似度：Stexture=norm((Σi=1n|fQi-fIi|2)1/2]]>其中fQ和fI分别是待比较两幅图像(图像Q和图像I)的纹理特征向量；i为特征向量个数。基于黎曼流行的相似度计算是给定两个图像u，v中定义各自的图像域(假设R2为简单起见)，想分别比较点(x，y∈R2)的邻居最简单的方法进行比较是使用欧氏距离比较点x，y两个邻居。这个公式给出了一个明确的比较，假设图像域是欧几里得平面，这个方法泛化了应用在很多文献中的基于包的比较方法。而最终的综合相似度计算是设Q为待查询图像，I为图像库中的一副图像，使用加权特征距离度量它们内容的相似度。所述综合相似度S(Q，I)＝ωzSmanifold(Q，I)+ωtStexture(Q，I)；其中用Slmanifold和Stexture分别表示待比较两幅图像即图像Q和图像I的黎曼流行的特征相似度和纹理特征相似度；ωz和ωt是两个可调整的权值，且满足ωz+ωt＝1。所述综合相似度可表示为两个相似度的加权和，S的值越小，则视为越相似。ωz和ωt的选择是依据相应组成部分的贡献度决定的，可利用基于权系数调整，又称之为相似度计算更新的方法，它是根据反馈信息适当调整距离公式中的权系数来达到优化匹配结果的目的。为方便起见，初始状态时，所述ωz＝ωt＝0.5。作为优选，ωz和ωt被设置成预设值，通过计算出的检索结果，分析纹理特征相似度以及黎曼流形的特征相似度的各个量，并通过反馈迭代优化ωz和ωt。本专利技术采用Gabor小波变换提取纹理特征、利用定义在黎曼流行来计算两幅图像的相似度，同时将纹理特征计算出来的相似度和黎曼流行上计算的相似度进行加权得到最终的综合相似度。实验结果表明,文中算法复杂度小,检索准确度高,具有较好的检索性能。具体实施方式下面将结合具体实施例对本专利技术进行详细说明。本实施例图像相似度计算方法，包括如下步骤：(1)针对待比较的两幅图像，分别进行纹理特征提取，计算纹理特征相似度。本实施例采用小波变换提取纹理特征，其原因是纹理是窄带信号，不同纹理一般具有不同的中心频率及带宽。滤波器将输入纹理图像I(x，y)与shearlet小波进行卷积，可得到不同方向和尺度的子带。设I(x，y)的大小为M×N，则经Shearlet小波分解输出的图像为Imn(x，y)＝I(x，y)*ψmn(x，y)(1)其中，ψmn(x，y)是对Shearlet小波基函数ψ(x，y)进行尺度伸缩和旋转变换后形成的小波族，可表示为ψmn(x，y)＝a-mψ(x′，y′)，a>1，m，n∈Z(2)其中，x′＝a-m(xcosθ+ysinθ)，y′＝a-m(ycosθ-xsinθ)，θ＝nπ/k，k是方向数，a-m是尺度因子。则二维Shearlet波的基函数可定义为ψ(x,y)=12πσxσyexp[-12(x2σx2+y2σy2)+2πωx---(3)]]>其中，ψ(x，y)是经过复数正弦函数调制的Gaussian函数；σx和σy分别为Shearlet波基函数沿x轴和y轴方向的方差；ω为中心频率。这里，Shearlet小波基函数是以(ω，0)为中心频率的带通滤波器。由式(1)计算出的均值μmn和标准方差σmn可以作为图像的纹理特征，其表达式为μmn=Σx=1MΣy=1N|Imn(x,y)|/(MN)---(4)]]>σmn=[Σx=1MΣy=1N(|Imn(x,y)-μmn|)2/(MN)]1/2---(5)]]>特征向量可表示为:f(μ00,σ00；μ01,σ01；…；).方向数和尺度数取值分别为6和4时显著性最高。待比较的两幅图像分别是图像Q和图像I本文档来自技高网...

【技术保护点】
一种图像相似度计算方法，其特征在于，包括：(1)分别提取待比较两幅图像的纹理特征，并计算两者的纹理特征相似度；(2)计算待比较两幅图像的黎曼流形的特征相似度；(3)利用步骤(1)、步骤(2)的结果加权计算待比较两幅图像的综合相似度。

【技术特征摘要】
1.一种图像相似度计算方法，其特征在于，包括：
(1)分别提取待比较两幅图像的纹理特征，并计算两者的纹理特征
相似度；
(2)计算待比较两幅图像的黎曼流形的特征相似度；
(3)利用步骤(1)、步骤(2)的结果加权计算待比较两幅图像的综
合相似度。
2.如权利要求1所述的图像相似度计算方法，其特征在于，待比较
两幅图像的纹理特征相似度：
Stexture=norm((Σi=1n|fQi-fIi|2)1/2]]>其中fQ和fI分别是待比较两幅图像的纹理特征向量；i为特征向量
个数。
3.如权利要求2所述的图像相似度计算方法，其特征在于，所述综
合相似度S(Q，I)＝ωzSm...

【专利技术属性】
技术研发人员：厉晓华，赵磊，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33