【技术实现步骤摘要】
图像相似度检测方法、装置、存储介质与电子设备
本公开涉及图像处理
，尤其涉及一种图像相似度检测方法、图像相似度检测装置、计算机可读存储介质与电子设备。
技术介绍
图像相似度检测是指通过特定的算法计算两张图像相似的程度，在图像检索、视觉跟踪、视频处理等场景中都有广泛应用。相关技术中，通常利用CNN(ConvolutionalNeuralNetworks，卷积神经网络)等深度学习模型从图像中提取特征，再通过特征的对比，确定图像之间的相似度。然而，该方法存在以下两方面缺陷：1、利用CNN等提取特征时，通常会从图像的各个区域提取内容特征，导致特征的针对性较低，无法体现出图像的重点内容，从而影响相似度检测的准确性。例如对于背景部分相似、前景部分差别较大的两张图像，按照上述方法可能得到较高的相似度，但是前景部分才是图像中重点呈现的内容，前景部分差别较大意味着两张图像不相似，因此相似度检测结果无法反映真实情况。2、深度学习模型往往涉及复杂的数据处理，计算量较高，因此对硬件性能的要求较高，不利于应用在移动终端等轻量化场...
【技术保护点】
1.一种图像相似度检测方法，其特征在于，包括：/n获取根据样本图像集所确定的采样位置序列和所述采样位置序列对应的阈值序列；/n通过所述采样位置序列从第一图像中提取第一特征点序列，以及从第二图像中提取第二特征点序列；/n对比所述第一特征点序列和所述阈值序列，得到所述第一特征点序列对应的第一编码，以及对比所述第二特征点序列和所述阈值序列，得到所述第二特征点序列对应的第二编码；/n确定所述第一编码与所述第二编码之间的相似度，以作为所述第一图像与所述第二图像之间的相似度。/n
【技术特征摘要】
1.一种图像相似度检测方法，其特征在于，包括：
获取根据样本图像集所确定的采样位置序列和所述采样位置序列对应的阈值序列；
通过所述采样位置序列从第一图像中提取第一特征点序列，以及从第二图像中提取第二特征点序列；
对比所述第一特征点序列和所述阈值序列，得到所述第一特征点序列对应的第一编码，以及对比所述第二特征点序列和所述阈值序列，得到所述第二特征点序列对应的第二编码；
确定所述第一编码与所述第二编码之间的相似度，以作为所述第一图像与所述第二图像之间的相似度。
2.根据权利要求1所述的方法，其特征在于，所述采样位置序列通过以下方式确定：
获取样本图像集；
计算所述样本图像集的至少两张样本图像中相同位置的像素值之间的方差，以得到方差图像；所述至少两张样本图像的尺寸相同，所述方差图像与所述样本图像的尺寸也相同；
根据所述方差图像确定所述采样位置序列。
3.根据权利要求2所述的方法，其特征在于，所述根据所述方差图像确定所述采样位置序列，包括：
利用滑窗遍历所述方差图像，每次移动所述滑窗后，将框选区域内的像素值均转变为该框选区域内的最大像素值；
在遍历所述方差图像后，得到极大值图像；
对比所述方差图像与所述极大值图像，根据所述方差图像与所述极大值图像中像素值相同的位置，确定所述采样位置序列。
4.根据权利要求1所述的方法，其特征在于，所述阈值序列通过以下方式确定：
通过所述采样位置序列从所述样本图像集的至少两张样本图像中提取样本特征点序列；
根据各所述样本特征点序列中的数值分布，确定所述阈值序列。
5.根据权利要求4所述的方法，其特征在于，所述根据各所述样本特征点序列中的数值分布，确定所述阈值序列，包括：
对于所述采样位置序列中的第i采样位置，从样本图像S对应的样本特征点序列FS中提取第i采样位置的像素值Pi(S)；
将像素值Pi(S)代入以下损失函数，通过优化所述损失函数的最小值，求解第i采样位置对应的阈值Ti；
排列每个所述采样位置对应的阈值，得到所述阈值序列；
其中，G表示所述样本图像集，G包括k个类别的样本图像，k≥2，j表示其中的第j类别，Gj表示第j类别的样本图像子集；λ1和λ2为权重参数。
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：谭皓，
申请(专利权)人：OPPO重庆智能科技有限公司，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。