一种利用尺度不变特征和本征值计算图像哈希值的方法技术

本发明专利技术涉及一种利用尺度不变特征和本征值计算图像哈希值的方法，属于图像处理领域。本发明专利技术包括利用尺度不变特征变换算法，计算图像的特征点及相应的尺度不变特征；计算图像的全部尺度不变特征组成矩阵的本征值；对图像本征值进行正交变换，根据需要截取部分低频系数；计算截取的图像本征值变换系数的平均值，各系数与平均值比较后二值化，得到图像的哈希值。本发明专利技术提出的计算图像哈希值的方法，利用尺度不变特征作为图像哈希值的基础，使得缩放、旋转、平移后的图像具有相似的哈希值，符合人类视觉习惯，并能处理不同图像有不同数目特征点的情况，根据需要确定图像哈希值的长度，有助于图像大数据的快速检索。有助于图像大数据的快速检索。有助于图像大数据的快速检索。

【技术实现步骤摘要】
一种利用尺度不变特征和本征值计算图像哈希值的方法


[0001]本专利技术属于图像处理领域，涉及一种利用尺度不变特征和本征值计算图像哈希值的方法，确切说，涉及一种利用尺度不变特征和本征值的分类来计算图像的哈希值，有助于快速判断两幅图像间相似性的方法。

技术介绍

[0002]随着信息通信技术的发展，人们累计了大量的图像，形成了图像大数据。由于相当大一部分图像是相同或相似的，浪费了大量网络传输时间和存储空间。如果能够在海量的图像数据中，快速判断两幅图像的相似性，就可以减少网络传输和存储需求。
[0003]在图像大数据中，为快速进行图像相似性的判断，通常需要计算图像的哈希值作为图像的特征，利用图像哈希值的相似性来判断图像的相似性，可以减少计算量和减少图像特征的存储空间。
[0004]目前，已经有多种计算图像的哈希值的方法，例如谷歌提出的感知图像哈希方法，以及神经网络图像哈希方法。感知图像哈希方法不能处理图像的缩放、旋转、平移，经过缩放、旋转、平移后的图像尽管视觉上相似，但这些方法计算出的图像哈希值可能不相似。神经网络图像哈希方法虽然能处理图像的缩放、旋转、平移，但依赖于神经网络的训练数据，一旦应用于与训练数据差异较大的领域，就需要重新训练神经网络，应用不方便。在202110942325.1中公布的《一种利用尺度不变特征计算图像哈希值的方法》，虽然可以处理图像的缩放、旋转、平移，但哈希值的长度固定，而且难以处理不同图像有不同数目的特征点的问题，给应用带来不便。
[0005]因此，需要一种考虑图像的缩放、旋转、平移的哈希值计算方法，使得视觉相似的图像的哈希值也相似，而且根据需要可以获取需要长度的图像哈希值。本专利技术正是基于这种现实需求而产生的。

技术实现思路

[0006](一)要解决的技术问题
[0007]本专利技术要解决的技术问题是如何提供一种利用尺度不变特征和本征值计算图像哈希值的方法，以解决现有技术难以处理不同图像有不同数目的特征点的问题。
[0008](二)技术方案
[0009]为了解决上述技术问题，本专利技术提出一种利用尺度不变特征和本征值计算图像哈希值的方法，该方法包括如下步骤：
[0010]S1、图像特征计算步骤：利用尺度不变特征变换(SIFT)，计算图像的特征点及相应的尺度不变特征；
[0011]S2、图像本征值计算步骤：计算图像的全部尺度不变特征组成矩阵的本征值；
[0012]S3、图像本征值变换步骤：对图像本征值进行正交变换，根据需要截取部分低频系数；
[0013]S4、图像哈希值计算步骤：计算截取的图像本征值变换系数的平均值，各系数与平均值比较后二值化，得到图像的哈希值。
[0014]进一步地，所述步骤S1具体包括：利用尺度不变特征变换(SIFT)方法，计算每幅图像的特征点的尺度不变特征，记录各个特征点P
i
的尺度不变特征向量F
i
＝(f
i1
,(f
i2
,
…
,f
iN
)，N为尺度不变特征向量的维度。
[0015]进一步地，N为128。
[0016]进一步地，在获得尺度不变特征向量后还包括归一化的过程，即特征点P
i
的尺度不变特征向量的分量f
ij
的值采用f'
ij
＝f
ij
/(f
i1
+f
i2
+
…
+f
iN
)的方式规范化为0≤f'
ij
≤1，用规范化后的f'
ij
作为尺度不变特征向量F
i
的元素。
[0017]进一步地，所述步骤S2具体包括：
[0018]如果图像中有M个尺度不变特征向量F
i
，将这些尺度不变特征向量排列成一个M行N列的矩阵F：
[0019][0020]将矩阵F转置后，与F相乘，得到一个N行N列的矩阵A，A＝F
T
F；其中，F
T
是F的转置矩阵，有N行M列；
[0021]计算矩阵A本征值，λ1,λ2,
…
,λ
N
；将这些本征值按照从大到小的顺序排列：λ1≥λ2≥
…
≥λ
N
≥0；得到图像的本征值向量D＝(λ1,λ2,
…
,λ
N
)。
[0022]进一步地，采用雅可比方法计算矩阵A本征值。
[0023]进一步地，所述步骤S3具体包括：采取正交变换对图像本征值向量进行变换，将图像本征值向量D＝(λ1,λ2,
…
,λ
N
)变换为图像本征值系数向量C＝(c1,c2,
…
,c
N
)；截取图像本征值系数向量C前面K个低频系数，K≤N，得到图像本征值系数向量低频部分C'＝(c1,c2,
…
,c
K
)。
[0024]进一步地，N＝128，K＝64。
[0025]进一步地，所述步骤S4具体包括：
[0026]计算截取的图像本征值变换系数的平均值c'；
[0027][0028]将截取的低频系数C'二值化为图像的哈希值B＝(b1,b2,
…
,b
K
)。
[0029]进一步地，二值化方法为：如果c
i
≥c'，则b
i
＝1，否则，b
i
＝0。
[0030](三)有益效果
[0031]本专利技术提出一种利用尺度不变特征和本征值计算图像哈希值的方法，本专利技术提出的计算图像哈希值的方法，利用尺度不变特征作为图像哈希值的基础，缩放、旋转、平移后的图像具有相似的哈希值，符合人类视觉习惯，并能处理图像有不同数目特征点的情况，还可以根据需要确定图像哈希值的长度，有助于图像大数据的快速检索，在图像大数据应用中具有重要的应用价值。
附图说明
[0032]图1为本专利技术利用尺度不变特征和本征值计算图像哈希值的方法流程图。
具体实施方式
[0033]为使本专利技术的目的、内容和优点更加清楚，下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。
[0034]本专利技术公开了一种利用尺度不变特征和本征值计算图像哈希值的方法，该方法包括：(1)图像特征计算步骤。利用尺度不变特征变换算法，计算图像的特征点及相应的尺度不变特征。(2)图像本征值计算步骤。计算图像的全部尺度不变特征组成矩阵的本征值。(3)图像本征值变换步骤。对图像本征值进行正交变换，根据需要截取部分低频系数。(4)图像哈希值计算步骤。计算截取的图像本征值变换系数的平均值，各系数与平均值比较后二值化，得到图像的哈希值。本专利技术提出的计算图像哈希值的方法，利用尺度不变特征作为图像哈希值的基础，使得缩放、旋转、平移后的图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用尺度不变特征和本征值计算图像哈希值的方法，其特征在于，该方法包括如下步骤：S1、图像特征计算步骤：利用尺度不变特征变换(SIFT)，计算图像的特征点及相应的尺度不变特征；S2、图像本征值计算步骤：计算图像的全部尺度不变特征组成矩阵的本征值；S3、图像本征值变换步骤：对图像本征值进行正交变换，根据需要截取部分低频系数；S4、图像哈希值计算步骤：计算截取的图像本征值变换系数的平均值，各系数与平均值比较后二值化，得到图像的哈希值。2.如权利要求1所述的利用尺度不变特征和本征值计算图像哈希值的方法，其特征在于，所述步骤S1具体包括：利用尺度不变特征变换(SIFT)方法，计算每幅图像的特征点的尺度不变特征，记录各个特征点P
i
的尺度不变特征向量F
i
＝(f
i1
，f
i2
，
…
，f
iN
)，N为尺度不变特征向量的维度。3.如权利要求2所述的利用尺度不变特征和本征值计算图像哈希值的方法，其特征在于，N为128。4.如权利要求2所述的利用尺度不变特征和本征值计算图像哈希值的方法，其特征在于，在获得尺度不变特征向量后还包括归一化的过程，即特征点P
i
的尺度不变特征向量的分量f
ij
的值采用f
′
ij
＝f
ij
/(f
i1
+f
i2
+
…
+f
iN
)的方式规范化为0≤f
′
ij
≤1，用规范化后的f
′
ij
作为尺度不变特征向量Fi的元素。5.如权利要求2
‑
4任一项所述的利用尺度不变特征和本征值计算图像哈希值的方法，其特征在于，所述步骤S2具体包括：如果图像中有M个尺度不变特征向量F
i
，将这些尺度不变特征向量排列成一个M行N列...

【专利技术属性】
技术研发人员：蒋遂平，袁晓光，李智文，李平原，
申请(专利权)人：北京航天爱威电子技术有限公司，
类型：发明
国别省市：