图像相似度计算方法和装置、相似图像检索方法和系统制造方法及图纸

本发明专利技术公开一种图像相似度计算方法和装置、相似图像检索方法和系统。该图像相似度计算方法包括：分别对查询图像和参考图像进行自适应分块；针对查询图像的每一小块，确定参考图像的一个小块作为其匹配小块；根据查询图像的每一小块与其匹配小块的相似度，确定查询图像和参考图像的相似度。本发明专利技术不需要提前对数据库中的图像进行训练，且准确率高，本发明专利技术能兼顾图像相似性检索的准确性和即时性，非常适用于如实时视频内容匹配等图像相似性检索场景。

Image similarity calculation method and device, similar image retrieval method and system

The invention discloses an image similarity calculation method and a device, a similar image retrieval method and a system. The image similarity calculation method includes: the query image and the reference image adaptive segmentation; for each piece of the query image, determining a small reference image as matching pieces; according to the query image every block matching pieces of similarity, determine the similarity query and reference images. The invention does not need to train the images in the database ahead of time, and has high accuracy. The invention can take account of the accuracy and immediacy of image similarity retrieval, and is very suitable for image similarity retrieval scene, such as real-time video content matching.

【技术实现步骤摘要】
图像相似度计算方法和装置、相似图像检索方法和系统
本专利技术涉及图像检索领域，特别涉及一种图像相似度计算方法和装置、相似图像检索方法和系统。
技术介绍
目前传统的图像相似度计算方法一般有两种，一是通过在图像中找出sift(Scale-invariantfeaturetransform，尺度不变特征变换)、brief(BinaryRobustIndependentElementaryFeatures，双鲁棒独立基本特征)等关键点后，直接与目标图像中的相应关键点匹配，二是用bow(bagofwords，词袋)、vlad(vectoroflocallyaggregateddescriptors，本地聚合描述符向量)等方法将图中的所有关键点信息转化为一个向量再进行匹配。直接进行关键点匹配往往会因为物体尺度、图片亮度等因素导致图像匹配不准确，利用bow、vlad等算法加上关键点信息虽然匹配度提高，但需要提前用较长的时间对数据库中的图像进行训练。且这两种方法都存在关键点太少甚至找不到关键点的情况。
技术实现思路
鉴于以上技术问题，本专利技术提供了一种图像相似度计算方法和装置、相似图像检索方法和系统，能兼顾图像相似性检索的准确性和即时性。根据本专利技术的一个方面，提供一种图像相似度计算方法，包括：分别对查询图像和参考图像进行自适应分块；针对查询图像的每一小块，确定参考图像的一个小块作为其匹配小块；根据查询图像的每一小块与其匹配小块的相似度，确定查询图像和参考图像的相似度。在本专利技术的一个实施例中，对一张图像进行自适应分块的步骤包括：确定一张图像的分块阶数n；根据一张图像的分块阶数n，将图像分成n×n块；其中，一张图像为查询图像或参考图像。在本专利技术的一个实施例中，确定一张图像的分块阶数n的步骤包括：确定一张图像的所有sift特征点，其中每个sift特征点对应一个尺度参数；根据一张图像中所有sift特征点的尺度参数，确定该张图像的尺度参数平均值；根据该张图像的尺度参数平均值，查询尺度参数平均值与分块阶数n的对应关系表，确定该张图像的分块阶数n。在本专利技术的一个实施例中，针对查询图像的每一小块，确定参考图像的一个小块作为其匹配小块的步骤包括：针对查询图像的每一小块，计算其与参考图像的每一小块的相似度；将与查询图像每一小块的相似度最大的参考图像的一个小块作为查询图像该小块的匹配小块。在本专利技术的一个实施例中，根据查询图像的每一小块与其匹配小块的相似度，确定查询图像和参考图像的相似度的步骤包括：将查询图像的每一小块与其匹配小块的相似度进行排序；从查询图像的每一小块与其匹配小块的相似度排序中选取最大的N个相似度求平均值，将该平均值作为查询图像和参考图像的相似度，其中，N为对查询图像块数的一半向下取整的结果。根据本专利技术的另一方面，提供一种相似图像检索方法，包括：接收查询图像；采用基于自适应分块和局部匹配的图像相似度计算方法，计算查询图像与数据库中每一参考图像的相似度；对查询图像与数据库中每一参考图像的相似度进行排序；将与查询图像相似度最高的查询图像作为与查询图像最相似的图像。在本专利技术的一个实施例中，所述基于自适应分块和局部匹配的图像相似度计算方法为如上述任一实施例所述的图像相似度计算方法。根据本专利技术的另一方面，提供一种图像相似度计算装置，包括自适应分块模块、局部匹配模块和相似度计算模块，其中：自适应分块模块，用于分别对查询图像和参考图像进行自适应分块；局部匹配模块，用于针对查询图像的每一小块，确定参考图像的一个小块作为其匹配小块；相似度计算模块，用于根据查询图像的每一小块与其匹配小块的相似度，确定查询图像和参考图像的相似度。在本专利技术的一个实施例中，自适应分块模块包括分块阶数确定单元和分块单元，其中：分块阶数确定单元，用于确定一张图像的分块阶数n，其中，一张图像为查询图像或参考图像；分块单元，根据该张图像的分块阶数n，将该图像分成n×n块。在本专利技术的一个实施例中，分块阶数确定单元包括特征点确定子模块、尺度平均值确定子模块和分块阶数确定子模块，其中：特征点确定子模块，用于确定一张图像的所有sift特征点，其中每个sift特征点对应一个尺度参数；尺度平均值确定子模块，用于根据一张图像中所有sift特征点的尺度参数，确定该张图像的尺度参数平均值；分块阶数确定子模块，用于根据该张图像的尺度参数平均值，查询尺度参数平均值与分块阶数n的对应关系表，确定该张图像的分块阶数n。在本专利技术的一个实施例中，局部匹配模块包括局部相似度确定单元和匹配小块确定单元，其中：局部相似度确定单元，用于针对查询图像的每一小块，计算其与参考图像的每一小块的相似度；匹配小块确定单元，用于将与查询图像每一小块的相似度最大的参考图像的一个小块作为查询图像该小块的匹配小块。在本专利技术的一个实施例中，相似度计算模块包括局部相似度排序模块和图像相似度确定模块，其中：局部相似度排序模块，用于将查询图像的每一小块与其匹配小块的相似度进行排序；图像相似度确定模块，用于从查询图像的每一小块与其匹配小块的相似度排序中选取最大的N个相似度求平均值，将该平均值作为查询图像和参考图像的相似度，其中，N为对查询图像块数的一半向下取整的结果。根据本专利技术的另一方面，提供一种相似图像检索系统，包括查询图像接收装置、图像相似度计算装置、图像相似度排序装置和最相似图像确定装置，其中：查询图像接收装置，用于接收查询图像；图像相似度计算装置，用于采用基于自适应分块和局部匹配的图像相似度计算方法，计算查询图像与数据库中每一参考图像的相似度；图像相似度排序装置，用于对查询图像与数据库中每一参考图像的相似度进行排序；最相似图像确定装置，用于将与查询图像相似度最高的查询图像作为与查询图像最相似的图像。在本专利技术的一个实施例中，所述图像相似度计算装置为上述任一实施例所述的图像相似度计算装置。本专利技术不需要提前对数据库中的图像进行训练，且准确率高，本专利技术能兼顾图像相似性检索的准确性和即时性，非常适用于如实时视频内容匹配等图像相似性检索场景。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需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术图像相似度计算方法一个实施例的示意图。图2为本专利技术一个实施例中确定一张图像的分块阶数的示意图。图3为本专利技术一个实施例中查询图像和一张参考图像的对比示意图。图4为本专利技术相似图像检索方法一个实施例的示意图。图5为本专利技术图像相似度计算装置一个实施例的示意图。图6为本专利技术一个实施例中自适应分块模块的示意图。图7为本专利技术一个实施例中分块阶数确定单元的示意图。图8为本专利技术一个实施例中局部匹配模块的示意图。图9为本专利技术一个实施例中相似度计算模块的示意图。图10为本专利技术相似图像检索系统一个实施例的示意图。具体实施方式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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任本文档来自技高网...

【技术保护点】
一种图像相似度计算方法，其特征在于，包括：分别对查询图像和参考图像进行自适应分块；针对查询图像的每一小块，确定参考图像的一个小块作为其匹配小块；根据查询图像的每一小块与其匹配小块的相似度，确定查询图像和参考图像的相似度。

【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：分别对查询图像和参考图像进行自适应分块；针对查询图像的每一小块，确定参考图像的一个小块作为其匹配小块；根据查询图像的每一小块与其匹配小块的相似度，确定查询图像和参考图像的相似度。2.根据权利要求1所述的方法，其特征在于，对一张图像进行自适应分块的步骤包括：确定一张图像的分块阶数n；根据一张图像的分块阶数n，将图像分成n×n块；其中，一张图像为查询图像或参考图像。3.根据权利要求2所述的方法，其特征在于，确定一张图像的分块阶数n的步骤包括：确定一张图像的所有sift特征点，其中每个sift特征点对应一个尺度参数；根据一张图像中所有sift特征点的尺度参数，确定该张图像的尺度参数平均值；根据该张图像的尺度参数平均值，查询尺度参数平均值与分块阶数n的对应关系表，确定该张图像的分块阶数n。4.根据权利要求1-3中任一项所述的方法，其特征在于，针对查询图像的每一小块，确定参考图像的一个小块作为其匹配小块的步骤包括：针对查询图像的每一小块，计算其与参考图像的每一小块的相似度；将与查询图像每一小块的相似度最大的参考图像的一个小块作为查询图像该小块的匹配小块。5.根据权利要求1-3中任一项所述的方法，其特征在于，根据查询图像的每一小块与其匹配小块的相似度，确定查询图像和参考图像的相似度的步骤包括：将查询图像的每一小块与其匹配小块的相似度进行排序；从查询图像的每一小块与其匹配小块的相似度排序中选取最大的N个相似度求平均值，将该平均值作为查询图像和参考图像的相似度，其中，N为对查询图像块数的一半向下取整的结果。6.一种相似图像检索方法，其特征在于，包括：接收查询图像；采用基于自适应分块和局部匹配的图像相似度计算方法，计算查询图像与数据库中每一参考图像的相似度；对查询图像与数据库中每一参考图像的相似度进行排序；将与查询图像相似度最高的查询图像作为与查询图像最相似的图像。7.根据权利要求6所述的方法，其特征在于，所述基于自适应分块和局部匹配的图像相似度计算方法为如权利要求1-5中任一项所述的图像相似度计算方法。8.一种图像相似度计算装置，其特征在于，包括自适应分块模块、局部匹配模块和相似度计算模块，其中：自适应分块模块，用于分别对查询图像和参考图像进行自适应分块；局部匹配模块，用于针对查询图像的每一小块，确定参考图像的一个小块作为其匹配小块；相似度计算模块，用...

【专利技术属性】
技术研发人员：罗传飞，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：北京,11