CN106650829A

CN106650829A - 一种图片相似度计算方法

Info

Publication number: CN106650829A
Application number: CN201710003657.7A
Authority: CN
Inventors: 胡丹; 李楚怡; 余卫宇
Original assignee: South China University of Technology SCUT
Current assignee: South China University of Technology SCUT
Priority date: 2017-01-04
Filing date: 2017-01-04
Publication date: 2017-05-10
Anticipated expiration: 2037-01-04
Also published as: CN106650829B

Abstract

本发明公开了一种图片相似度计算方法，包括：(1)用基于DCT的hash方法分别计算待比较的两个图片的hash值；(2)计算两个hash值之间的汉明距离dis_h；(3)若汉明距离不在设定范围内，直接通过公式计算两图片的相似度；(4)若汉明距离在设定范围内，再用基于径向投影的hash方法计算hash值；(5)计算上一步得到的hash值的皮尔逊相关系数，并结合第二步得到的汉明距离计算两图片的相似度。本发明对图像旋转有一定的鲁棒性、避免伽马校正或颜色直方图被调整带来的影响，提高了图片相似度结果的准确率。

Description

一种图片相似度计算方法

技术领域

本发明涉及计算机算法领域，具体涉及一种图片相似度计算方法，可应用于相似图片检索、视频关键帧相似度的计算。

背景技术

目前，图片相似度计算广泛应用于相似图片搜索、视频相似度计算等领域，pHash方法作为图片相似度计算的主要方法之一，主要有基于DCT的hash方法和基于径向投影的hash方法。两种方法是从不同角度来表达图像，最后通过计算两图片hash值的汉明距离来计算相似度。

方法一基于DCT的hash方法的思路是使用离散余弦变换(DCT)提取图片的低频成分，先将图片转换成标准大小的灰度图，然后对灰度图做DCT变换，再从系数矩阵中提取出64位的hash值作为指纹，只要图片的整体结构保持不变，指纹就不变，能够避免伽马校正或颜色直方图被调整带来的影响，最后通过计算两图片指纹的汉明距离来得到相似度。

方法二基于径向投影的hash方法的思路是首先会过灰度图中心计算朝等角度间隔的180个方向上像素值的方差，然后计算由这180个方差构成的特征向量的DCT，并从DCT系数矩阵中提取出64位的hash值作为指纹，最后通过计算两指纹间的皮尔逊相关系数来得到两图片间的相似度。此方法可以保留图像中的几何特征，且对图像旋转有一定的鲁棒性，但由于需要计算皮尔逊相关系数，计算速度比方法一慢。

但是这两种方法均是通过单一的pHash算法计算图片相似度，经常会出现内容截然不同的图片间计算得到的相似度非常高的情况，极有可能产生误判，不能保证结果的准确性。

发明内容

本发明的目的是针对上述现有技术的不足，提供了一种图片相似度计算方法，该方法将基于DCT的hash方法和基于径向投影的hash方法融合来计算图片的相似度，解决了相似图片搜索、视频关键帧相似度计算领域中单一pHash方法算得不同内容图片的相似度非常高、图片相似度结果不够准确的问题。

本发明的目的可以通过如下技术方案实现：

一种图片相似度计算方法，所述方法包括以下步骤：

1)用基于DCT的hash方法分别计算待比较的两张图片的hash值h_a与h_b；

2)计算步骤1)中两张图片的hash值h_a与h_b之间的汉明距离dis_h；

3)若汉明距离dis_h不在设定范围10<dis_h<25内，直接通过公式计算两张图片的相似度P，所述公式为：

4)若汉明距离dis_h在设定范围10<dis_h<25内，再用基于径向投影的hash方法分别计算两张图片的hash值h2_a与h2_b；

5)计算步骤4)得到的两张图片的hash值h2_a与h2_b之间的皮尔逊相关系数pcc，并结合步骤2)得到的汉明距离dis_h计算两张图片的相似度P。

优选的，步骤1)中，所述基于DCT的hash方法使用离散余弦变换提取图片的低频成分，先将图片转换成标准大小的灰度图，然后对灰度图做DCT变换，再从系数矩阵中提取出64位的hash值作为指纹，所述基于DCT的hash方法包括以下具体步骤：

一、将图片缩小到32*32并灰度化得到灰度图，以减小计算量；

二、计算步骤一得到的灰度图的DCT变换，得到32*32的系数矩阵，所述DCT变换公式为：

其中，F(u,v)是灰度图的DCT系数矩阵，u、v分别是灰度图在频域中水平方向和竖直方向的频率，f(i,j)为灰度图中坐标(i,j)处的像素值，N是灰度图的边长，此处N＝32；

三、取步骤二得到的32*32的系数矩阵左上角的8*8矩阵，计算该8*8矩阵的均值avg；

四、对步骤三得到的8*8矩阵的每一个元素，大于等于avg的置1，小于avg的置0；

五、按固定顺序将步骤四得到的8*8矩阵拉伸成1*64的hash值。

优选的，步骤2)中两张图片的hash值h_a与h_b之间的汉明距离dis_h取值范围在0～64之间。

优选的，步骤4)中，所述基于径向投影的hash方法首先会过灰度图中心计算朝等角度间隔的180个方向上像素值的方差，然后计算由这180个方差构成的特征向量的DCT，并从DCT系数矩阵中提取出64位的hash值作为指纹，所述基于径向投影的hash方法包括以下具体步骤：

(1)将图片转化为灰度图；

(2)过步骤(1)得到的灰度图中心等角度取180条直线，计算每条直线上像素点的方差，180个方差构成一个特征向量；

(3)计算上述特征向量的DCT变换，得到DCT系数向量；

(4)取前64个DCT系数向量构成新向量，计算新向量的均值avg2；

(5)对新向量中的每个元素，大于等于avg2的置1，小于avg2的置0，得到的新向量即hash值。

优选的，步骤5)中，所述计算两张图片的hash值h2_a与h2_b的皮尔逊相关系数pcc的具体公式如下：

其中，X、Y分别代指两张图片的hash值h2_a与h2_b，ρ_X,Y是h2_a与h2_b的皮尔逊相关系数；

通过以下公式结合汉明距离dis_h和皮尔逊相关系数pcc，得到图片相似度P：

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明采用了将“基于DCT的hash方法”和“基于径向投影的hash方法”融合后进行图片相似度计算的方案，该方案通过使用两种不同方法计算图片的hash值并计算不同方案下的图片相似度dis_h、pcc，然后综合dis_h、pcc计算出图像的相似度，结合了两种方法的优点，从而在不降低计算速度的同时，极大的提高了图片相似度结果的准确率。

2、本发明从多角度提取图像特征并计算图像相似度，鲁棒性强，可用于各类图像。

附图说明

图1为本发明实施例的一种图片相似度计算方法的具体流程图。

图2为本发明实施例的一种图片相似度计算方法中步骤1)的方法流程图。

图3为本发明实施例的一种图片相似度计算方法中步骤4)的方法流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例：

本实施例提供了一种图片相似度计算方法，如图1所示，为该方法的具体流程图，该方法包括以下步骤：

本步骤中，所述基于DCT的hash方法使用离散余弦变换提取图片的低频成分，先将图片转换成标准大小的灰度图，然后对灰度图做DCT变换，再从系数矩阵中提取出64位的hash值作为指纹，所述基于DCT的hash方法流程图如图2所示，包括以下具体步骤：

五、按固定顺序将步骤四得到的8*8矩阵拉伸成1*64的hash值。

2)计算步骤1)中两张图片的hash值h_a与h_b之间的汉明距离dis_h；

本步骤中两张图片的hash值h_a与h_b之间的汉明距离dis_h取值范围在0～64之间。

本步骤中，所述基于径向投影的hash方法首先会过灰度图中心计算朝等角度间隔的180个方向上像素值的方差，然后计算由这180个方差构成的特征向量的DCT，并从DCT系数矩阵中提取出64位的hash值作为指纹，所述基于径向投影的hash方法流程图如图3所示，包括以下具体步骤：

(1)将图片转化为灰度图；

(3)计算上述特征向量的DCT变换，得到DCT系数向量；

(4)取前64个DCT系数向量构成新向量，计算新向量的均值avg2；

5)计算步骤4)得到的两张图片的hash值h2_a与h2_b之间的皮尔逊相关系数pcc，并结合步骤2)得到的汉明距离dis_h计算两张图片的相似度P；

本步骤中，所述计算两张图片的hash值h2_a与h2_b的皮尔逊相关系数pcc的具体公式如下：

以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims

1.一种图片相似度计算方法，其特征在于：所述方法包括以下步骤：

2)计算步骤1)中两张图片的hash值h_a与h_b之间的汉明距离dis_h；

P = \{\begin{matrix} 1 - \frac{d i s_h}{100}, d i s_h \leq 10 \\ \frac{4}{195} * (64 - d i s_h), d i s_h &GreaterEqual; 25 \end{matrix};

2.根据权利要求1所述的一种图片相似度计算方法，其特征在于：步骤1)中，所述基于DCT的hash方法使用离散余弦变换提取图片的低频成分，先将图片转换成标准大小的灰度图，然后对灰度图做DCT变换，再从系数矩阵中提取出64位的hash值作为指纹，所述基于DCT的hash方法包括以下具体步骤：

F (u, v) = c (u) c (v) Σ_{i = 0}^{N - 1} Σ_{j = 0}^{N - 1} f (i, j) c o s [\frac{(i + 0.5) π}{N} u] c o s [\frac{(j + 0.5) π}{N} v]

c (u) = \{\begin{matrix} \sqrt{\frac{1}{N}}, & u = 0 \\ \sqrt{\frac{2}{N}}, & u &NotEqual; 0 \end{matrix}

五、按固定顺序将步骤四得到的8*8矩阵拉伸成1*64的hash值。

3.根据权利要求1所述的一种图片相似度计算方法，其特征在于：步骤2)中两张图片的hash值h_a与h_b之间的汉明距离dis_h取值范围在0～64之间。

4.根据权利要求1所述的一种图片相似度计算方法，其特征在于：步骤4)中，所述基于径向投影的hash方法首先会过灰度图中心计算朝等角度间隔的180个方向上像素值的方差，然后计算由这180个方差构成的特征向量的DCT，并从DCT系数矩阵中提取出64位的hash值作为指纹，所述基于径向投影的hash方法包括以下具体步骤：

(1)将图片转化为灰度图；

(3)计算上述特征向量的DCT变换，得到DCT系数向量；

(4)取前64个DCT系数向量构成新向量，计算新向量的均值avg2；

5.根据权利要求1所述的一种图片相似度计算方法，其特征在于：步骤5)中，所述计算两张图片的hash值h2_a与h2_b的皮尔逊相关系数pcc的具体公式如下：

p c c = ρ_{X, Y} = \frac{E (X Y) - E (X) E (Y)}{\sqrt{E (X^{2}) - E^{2} (X)} \sqrt{E (Y^{2}) - E^{2} (Y)}}

P = [\frac{1}{150} * (25 - d i s_h) + 0.8] * 0.5 + p c c * 0.5.