基于HSV的图像相似度识别方法技术

本发明专利技术涉及一种基于HSV的图像相似度识别方法，包括：进行图像分块，图像分块采用椭圆方式划分图像方法；设置各个分块权重，对椭圆区域和椭圆外背景区域设置影响因子；对图像进行HSV直方图计算，并将计算结果存储到数据库；使用改进后的卡方距离算法进行相似图像检索。本发明专利技术采用椭圆方式划分图像，扩大了图像之间的相似距离，通过对图像的HSV直方图计算，方便进行颜色之间的对比，改进后的卡方距离算法结合了不同区域的影响因子情况，能够实现人为控制两部分对最后相似度影响程度，对比结果更加真实可靠，本发明专利技术的方法对遮挡、叠加后的相似图像有很好的识别效果，尤其可以很好的识别变形、扭曲、旋转后的相似图像。

Image similarity identification method based on HSV

The invention relates to an image similarity recognition method based on HSV, including: image block, image block using the image method of ellipse divided; each block set weight, background of elliptic region and elliptic outer region setting factor; HSV image histogram is calculated, and the results stored in the database; a similar image retrieval using the improved chi square distance algorithm. The invention adopts divided image ellipse, expanding the similarity distance between the images, the HSV histogram of the image is calculated, comparison between convenient color, chi square distance improved algorithm combines the influence factor of different regions, can realize the artificial control of the two part of the final similarity degree of influence, the results are more reliable and the method of the invention of occlusion, after the superposition of similar image recognition has a very good effect, especially can well identify deformation, distortion and rotation after similar image.

【技术实现步骤摘要】

本专利技术涉及图像识别
，尤其涉及一种基于HSV的图像相似度识别方法。
技术介绍
随着数字媒体技术的发展，图像的质量以及数量不断提高，由于图像本身可以传达比文本所能表达的更多的信息，在文本搜索已经成熟的今天，图像搜索渐渐崛起，展现其特有的搜索能力。原始图像变形、旋转、扭曲、遮挡、叠加后形成的“再造”图像充斥着多媒体信息世界，给图像检索带来大大的不确定性。在现有技术中，图像相似度识别的方法主要以下几种：一是直接对图像进行转化，由于不同的图像可能含有相近的特征信息，很容易出现图像相似误判，随着数据量的增加，误判的概率大幅增加；二是将需要检索的图像划分成多部分，分块对比，对遮挡、叠加后的相似图像有很好的识别效果，但是对于变形、扭曲尤其是旋转后的相似图像的识别效果很差，由于图像分块后需要分块计算，计算的时间复杂度给计算机图像处理带来了一定的负担。因此，现有技术需要改进。
技术实现思路
本专利技术公开了一种基于HSV的图像相似度识别方法，用以解决现有技术存在的问题。一种基于HSV的图像相似度识别方法，包括：进行图像分块，图像分块是为了计算图像与对比图像之间的相似距离，图像分块采用椭圆方式划分图像方法，椭圆方式划分图像方法为将图像分为椭圆区域和椭圆外背景区域，图像分块需要保证椭圆区域和椭圆外背景区域面积近似一致；设置各个分块权重，对椭圆区域和椭圆外背景区域设置影响因子，影响因子自由设定，椭圆区域影响因子impactA和椭圆外背景区域影响因子impactB之和为1；对图像进行HSV直方图计算，并将计算结果存储到数据库；使用改进后的卡方距离算法进行相似图像检索，按照各个特征量之间的相对距离的变化，计算两张图像之间直方图特征点的相似距离，通过遍历计算与数据库中的已有图像的卡方距离，找出最相似的图像，卡方距离越小，两幅图像越相似。在基于上述基于HSV的图像相似度识别方法的另一个实施例中，所述图像分块的椭圆区域长轴的长度为图像长度的0.7倍，短轴的长度为图像高度的0.7倍。在基于上述基于HSV的图像相似度识别方法的另一个实施例中，所述设置各个分块权重包括：预先设置影响因子数值，预先设置的影响因子数值为：impactA＝0.5，impactB＝0.5；调整影响因子数值，根据图像信息集中位置调整影响因子的数值，如果椭圆区域的图像信息较多，则增大椭圆区域的影响因子，相应减小椭圆外背景区域的影响因子，影响因子的取值范围为：0≤impactA≤1；0≤impactB≤1；impactA+impact＝1impactA＝0表示图像的椭圆区域内没有任何图像信息，任意两张图像的椭圆外背景区域相似，则两幅图像是相似的。在基于上述基于HSV的图像相似度识别方法的另一个实施例中，所述对图像进行HSV直方图计算，并将计算结果存储到数据库包括：设定色调H的通道表示方式，色调H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°，中间的补色是：黄色为60°，青色为180°,品红为300°，十二色相分别为：红、橙、黄、黄绿、绿、青绿、青、靛、蓝、紫、品红、紫红，考虑到色相之间的差别，色相用10个通道表示；设定饱和度S的通道表示方式，饱和度S表示颜色接近光谱色的程度，一种颜色，可以看成是某种光谱色与白色混合的结果，其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高，饱和度高，颜色则深而艳，饱和度用10个通道表示；设定亮度V的通道表示方式，亮度表示颜色明亮的程度，对于光源色，亮度值与发光体的光亮度有关，通常取值范围是黑色的0％到白色的100％，明度用3个通道表示；对于椭圆区域内的图像特征点的数量为：10×10×3个；由于椭圆背景区域的图像特征点的数量与椭圆区域内的图像特征点数量一致，因此，图像特征点的总数为：2×10×10×3个。在基于上述基于HSV的图像相似度识别方法的另一个实施例中，所述使用改进后的卡方距离算法进行相似图像检索包括：定义需要对比的图像x和数据库中的对比图像y；设定需要对比图像的第n个特征点xn，和数据库中对比图像的第n个特征点yn；计算xn和yn的卡方距离公式为：由于椭圆区域和椭圆外背景区域的影响因子不同，则，改进卡方距离公式为：表示要比较的两张图像之间的相似距离；xn表示需要对比的图像x的第n个特征点；yn表示数据库中的对比图像y的第n个特征点；的计算值越小，则图像的相似度越高。与现有技术相比较，本专利技术具有以下优点：本专利技术采用椭圆方式划分图像，将图像分成两部分进行计算，节省了计算机图像处理的时间，扩大了图像之间的相似距离，通过对图像的HSV直方图计算，将相似距离的计算转化到色彩的明暗，色调以及亮度的相似距离，方便进行颜色之间的对比，改进后的卡方距离算法结合了不同区域的影响因子情况，能够实现人为控制两部分对最后相似度影响程度，对比结果更加真实可靠，本专利技术的方法对遮挡、叠加后的相似图像有很好的识别效果，尤其可以很好的识别变形、扭曲、旋转后的相似图像。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所使用的附图做一简单地介绍。图1是本专利技术的一种基于HSV的图像相似度识别方法的一个实施例的流程图。图2是本专利技术的一种基于HSV的图像相似度识别方法的对图像进行椭圆方式划分的原理图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是本专利技术的一种基于HSV的图像相似度识别方法的一个实施例的流程图，如图1所示，所述基于HSV的图像相似度识别方法包括：10，进行图像分块，图像分块是为了计算图像与对比图像之间的相似距离，图像分块采用椭圆方式划分图像方法，椭圆方式划分图像方法为将图像分为椭圆区域和椭圆外背景区域，图像分块需要保证椭圆区域和椭圆外背景区域面积近似一致；20，设置各个分块权重，对椭圆区域和椭圆外背景区域设置影响因子，影响因子自由设定，椭圆区域影响因子impactA和椭圆外背景区域影响因子impactB之和为1；30，对图像进行HSV直方图计算，并将计算结果存储到数据库；40，使用改进后的卡方距离算法进行相似图像检索，按照各个特征量之间的相对距离的变化，计算两张图像之间直方图特征点的相似距离，通过遍历计算与数据库中的已有图像的卡方距离，找出最相似的图像，卡方距离越小，两幅图像越相似。图2是本专利技术的一种基于HSV的图像相似度识别方法的对图像进行椭圆方式划分的原理图，如图2所示，所述图像分块的椭圆区域长轴的长度为图像长度的0.7倍，短轴的长度为图像高度的0.7倍。使用椭圆方式划分图像的好处是：(1)由于椭圆具有旋转不变性，图像经过旋转操作，处于椭圆区域内的图像同样会随着图像进行旋转，不会有像素的增减；(2)对于不同的图像来说，将图像进行椭圆方式划分，扩大了图像之间的相似距离，假设图像分块之前两本文档来自技高网...

【技术保护点】
一种基于HSV的图像相似度识别方法，其特征在于，包括：进行图像分块，图像分块是为了计算图像与对比图像之间的相似距离，图像分块采用椭圆方式划分图像方法，椭圆方式划分图像方法为将图像分为椭圆区域和椭圆外背景区域，图像分块需要保证椭圆区域和椭圆外背景区域面积近似一致；设置各个分块权重，对椭圆区域和椭圆外背景区域设置影响因子，影响因子自由设定，椭圆区域影响因子impactA和椭圆外背景区域影响因子impactB之和为1；对图像进行HSV直方图计算，并将计算结果存储到数据库；使用改进后的卡方距离算法进行相似图像检索，按照各个特征量之间的相对距离的变化，计算两张图像之间直方图特征点的相似距离，通过遍历计算与数据库中的已有图像的卡方距离，找出最相似的图像，卡方距离越小，两幅图像越相似。

【技术特征摘要】
1.一种基于HSV的图像相似度识别方法，其特征在于，包括：进行图像分块，图像分块是为了计算图像与对比图像之间的相似距离，图像分块采用椭圆方式划分图像方法，椭圆方式划分图像方法为将图像分为椭圆区域和椭圆外背景区域，图像分块需要保证椭圆区域和椭圆外背景区域面积近似一致；设置各个分块权重，对椭圆区域和椭圆外背景区域设置影响因子，影响因子自由设定，椭圆区域影响因子impactA和椭圆外背景区域影响因子impactB之和为1；对图像进行HSV直方图计算，并将计算结果存储到数据库；使用改进后的卡方距离算法进行相似图像检索，按照各个特征量之间的相对距离的变化，计算两张图像之间直方图特征点的相似距离，通过遍历计算与数据库中的已有图像的卡方距离，找出最相似的图像，卡方距离越小，两幅图像越相似。2.根据权利要求1所述的方法，其特征在于，所述图像分块的椭圆区域长轴的长度为图像长度的0.7倍，短轴的长度为图像高度的0.7倍。3.根据权利要求1所述的方法，其特征在于，所述设置各个分块权重包括：预先设置影响因子数值，预先设置的影响因子数值为：impactA＝0.5，impactB＝0.5；调整影响因子数值，根据图像信息集中位置调整影响因子的数值，如果椭圆区域的图像信息较多，则增大椭圆区域的影响因子，相应减小椭圆外背景区域的影响因子，影响因子的取值范围为：0≤impactA≤1；0≤impactB≤1；impactA+impact＝1impactA＝0表示图像的椭圆区域内没有任何图像信息，任意两张图像的椭圆外背景区域相似，则两幅图像是相似的。4.根据权利要求1所述的装置，其特征在于，所述对图像进行HSV直方图计算，并将计算结果存储到数据库包括：设定色调H的通道表示方式，色调H用角度度量，取值范围为0°～360°，从红...

【专利技术属性】
技术研发人员：黄永军，
申请(专利权)人：北京微智信业科技有限公司，
类型：发明
国别省市：北京;11