图片相似度比对算法制造技术

本发明专利技术提供了一种图片相似度比对算法，根据灰度颜色直方图算法计算图像相似度；采用灰度共生矩阵提取图像纹理特征，然后计算图像的相似度；根据前两步计算出来的图像相似度，采用加权平均计算最终的图像相似度。通过灰度颜色直方图算法和灰度共生矩阵算法对图像进行相似性度量。算法并没有改变原来灰度颜色直方图算法，而是在它的基础上融合灰度共生矩阵算法来进行改进，尽可能多地保留了灰度颜色直方图算法快速、高效的特点，同时又通过图像的纹理特征进一步提高了算法的准确性。对于这两种算法的权重取值，可以根据自己的场景来进行调整，从而最大限度地提高算法的准确性。

【技术实现步骤摘要】
图片相似度比对算法
本专利技术属于图片检测
，具体涉及一种图片相似度比对算法。
技术介绍
随着移动互联网的高速发展，人们可以快速方便地获取图像资源，如何从这些海量的图像资源、里找到一些相似的图像显得非常重要。颜色直方图算法是进行图像检索的方法。该算法的优点是计算简单，而且对图像不需要做太多的预处理，对图像的尺寸也没有严格要求，但是由于图像的颜色直方图表示的是每种颜色出现的概率，它没有指明某一种颜色在图像中的具体位置，因此当计算两幅图像的相似度时，就会造成偏差；而且该算法对颜色比较单一的两幅图像也不能做出很好的判断。针对上面提到的问题，许多学者从各个不同的角度对该算法进行了改进。通过计算以同一颜色构成的最大联通区域及其边缘颜色粗糙度，获取了图像颜色的分布情况，但是这种方法计算量大、计算复杂。结合纹理和颜色这两个图像的低层特征来提高图像检索精度，但是其对复杂图像的纹理描述比较粗糙，从而导致对复杂图像的检索率不高。通过构造HSI空间颜色直方图，然后使用累加直方图方法进行匹配，这种方法能提高图像检索的准确率，但是使算法的执行效率较低。通过研究发现，从图像低层特征来研究图像相似度，仍然是一种非常有效的方法。通过这种方法，最大限度地提高图像检索的准确性，使得颜色直方图算法的鲁棒性更强，准确率更高。
技术实现思路
本专利技术的目的在于提供一种图片相似度比对算法，以提高图片相似性检测的准确度。具体技术方案如下：图片相似度比对算法，包括以下步骤：(1)根据灰度颜色直方图算法计算图像相似度，记为S1；(2)采用灰度共生矩阵提取图像纹理特征，然后计算图像的相似度，记为S2；(3)根据前两步计算出来的图像相似度，采用加权平均计算最终的图像相似度。进一步的，所述步骤(1)的具体操作方法为：(1)将待比对的两张图片图像进行灰度化处理，得到图像的灰度图像；(2)创建一维灰度直方图，使统计图像分布在[0，255]像素；(3)计算灰度图像的一维直方图；(4)对步骤(3)计算出来的一维直方图做归一化处理；(5)创建一张图用于显示各个像素的直方图，横坐标为灰度级，纵坐标为像素个数；(6)将每个直方图绘制到创建的图中；(7)度量两幅图像直方图的巴氏距离来计算图像的相似度，即为基于灰度颜色直方图计算图像相似度。进一步的，所述直方图的创建方法为：计算每一种像素在整幅数字图像中出现的频次，以像素出现的频次作为颜色直方图的纵坐标，以颜色值作为横坐标，绘制该图像的颜色直方图，如式(1)和式(2)表示：(1)其中，h[Ck]表示第k种像素在图像中出现的频次；(2)其中，M和N为图像的宽和高，w为图像的像素数。进一步的，所述灰度共生矩阵的构造过程为：假设灰度共生矩阵可以表示为从灰度值1的点经过距离d＝(a，b)到达灰度值为j的点的概率，灰度共生矩阵用户＝(i,j,d,θ)(i,j＝O,1,2,…,K-1)表示，i、j分别表示像素对的灰度值，d表示像素对之间的距离，θ的取值为：0°，45°，90°，135°。进一步的，采用灰度共生矩阵计算图像的相似度的方法为：选择4个最具代表性的纹理特征来计算两幅图像的相似度，即熵、工阶矩、对比度和逆差矩，其表达式为：熵G1的表达式为：二阶矩G2的表达式为：对比度G3的表达式为：逆差矩G4的表达式为：通过上式分别计算出图像的特征值，使得像素对在这4个方向(0°，45°，90°，135°)上移动，分别计算出4个特征值；最后把这4个方向上计算出来的特征值组合成一个大小为16的综合向量，这个综合向量可以定义为：G＝[G1k，G2k，G3k，G4k]，k∈(0°，45°，90°，135°)，再根据得到的两个综合特征向量计算两幅图像的相似度。进一步的，最终的图像相似度的计算方法为：其中k1、k2分别为两种相似度算法的权重。有益效果：本专利技术提供了一种图片相似度比对算法，结合图像的颜色和纹理特征，通过灰度颜色直方图算法和灰度共生矩阵算法对图像进行相似性度量。算法并没有改变原来灰度颜色直方图算法，而是在它的基础上融合灰度共生矩阵算法来进行改进，尽可能多地保留了灰度颜色直方图算法快速、高效的特点，同时又通过图像的纹理特征进一步提高了算法的准确性。对于这两种算法的权重取值，可以根据自己的场景来进行调整，从而最大限度地提高算法的准确性。具体实施方式下面结合具体实施例来进一步描述本专利技术，但实施例仅是范例性的，并不对本专利技术的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本专利技术的精神和范围下可以对本专利技术技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本专利技术的保护范围内。实施例1实验选取两张1920X2560像素的图像进行多次实验(最终数据取的是多次实验的平均值)，对改进后的算法、直方图算法和灰度共生矩阵算法分别进行比较。实验参数设定：颜色直方图采用的是256种颜色的灰度图像；采用k＝16，32，64大小的灰度共生矩阵，像素对之间的距离d＝3，5，7；像素对移动角度θ＝(0°，45°，90°，135°)；算法的权重为k1＝0.5，k2＝0.5。灰度颜色直方图记为算法1，灰度共生矩阵算法记为算法2，改进后的算法记为算法3。实验结果如表1所列。表1通过表1得出，根据灰度共生矩阵算法(特别是选取不同的灰度级、不同的距离)得出的图像相似度变化幅度比较大。由此，可以进一步说明灰度颜色直方图算法非常适合颜色比较丰富的图像，而灰度共生矩阵算法则适合于图像纹理比较丰富的图像。综合这两种算法，可以提高图像检索的准确率。下一步将研究如何结合这两种算法来提高大数据下图像检索的准确率。本文档来自技高网...

【技术保护点】
1.图片相似度比对算法，其特征在于，包括以下步骤：(1)根据灰度颜色直方图算法计算图像相似度，记为S1；(2)采用灰度共生矩阵提取图像纹理特征，然后计算图像的相似度，记为S2；(3)根据前两步计算出来的图像相似度，采用加权平均计算最终的图像相似度。

【技术特征摘要】
1.图片相似度比对算法，其特征在于，包括以下步骤：(1)根据灰度颜色直方图算法计算图像相似度，记为S1；(2)采用灰度共生矩阵提取图像纹理特征，然后计算图像的相似度，记为S2；(3)根据前两步计算出来的图像相似度，采用加权平均计算最终的图像相似度。2.根据权利要求1所述的图片相似度比对算法，其特征在于，所述步骤(1)的具体操作方法为：(1)将待比对的两张图片图像进行灰度化处理，得到图像的灰度图像；(2)创建一维灰度直方图，使统计图像分布在[0，255]像素；(3)计算灰度图像的一维直方图；(4)对步骤(3)计算出来的一维直方图做归一化处理；(5)创建一张图用于显示各个像素的直方图，横坐标为灰度级，纵坐标为像素个数；(6)将每个直方图绘制到创建的图中；(7)度量两幅图像直方图的巴氏距离来计算图像的相似度，即为基于灰度颜色直方图计算图像相似度。3.根据权利要求2所述的图片相似度比对算法，其特征在于，所述直方图的创建方法为：计算每一种像素在整幅数字图像中出现的频次，以像素出现的频次作为颜色直方图的纵坐标，以颜色值作为横坐标，绘制该图像的颜色直方图，如式(1)和式(2)表示：(1)其中，h[Ck]表示第k种像素在图像中出现的频次；(2)其中，M和N为图像的宽和高，w为图像的像素数。...

【专利技术属性】
技术研发人员：马峻，胡凯锋，
申请(专利权)人：苏州诺登德智能科技有限公司，
类型：发明
国别省市：江苏,32