CN108984601B - 一种基于概率直方图面积相似度的图像检索方法及系统 - Google Patents
一种基于概率直方图面积相似度的图像检索方法及系统 Download PDFInfo
- Publication number
- CN108984601B CN108984601B CN201810568341.7A CN201810568341A CN108984601B CN 108984601 B CN108984601 B CN 108984601B CN 201810568341 A CN201810568341 A CN 201810568341A CN 108984601 B CN108984601 B CN 108984601B
- Authority
- CN
- China
- Prior art keywords
- image
- retrieved
- target
- histogram
- gray scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000005192 partition Methods 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 35
- 241000209140 Triticum Species 0.000 description 13
- 235000021307 Triticum Nutrition 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 238000012360 testing method Methods 0.000 description 2
- 210000000476 body water Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于概率直方图面积相似度的图像检索方法及系统，该方法包括对遥感影像分区处理确定多个目标图像集合和待检索图像集合；对目标图像集合和待检索图像集合处理得到目标概率直方图集合和待检索概率直方图集合；计算待检索图像集合中的待检索灰阶概率直方图与每个目标概率直方图集合中每幅目标灰阶概率直方图的重合值，得到多个重合值集合，并将重合值集合中所有元素和的平均值确定为待检索灰阶概率直方图对应的待检索图像与目标概率直方图集合对应的目标图像集合的相似度，并将待检索图像归类到与待检索图像相似度最高的目标图像集合中。本发明提供的方法或系统定义了图像检索相似度指标，提高检索效率以及准确率。
Description
技术领域
本发明涉及图像检索技术领域，特别涉及一种基于概率直方图面积相似度的图像检索方法及系统。
背景技术
颜色作为目标的一个重要特征，常常和目标的身份有密切的关系，利用颜色信息进行图像检索也成了一个必然选择。利用图像的颜色检索是指给定一个查询图像，需要从图像库找到与之颜色分布类似的图像，即当两幅图像的相似程度大于设定阈值，则认为两幅图像为同一类图像。
颜色直方图图像检索方法是一种重要的基于颜色特征图像检索方法，具有特征提取和相似度计算简便，并且随图像尺度、旋转变化不敏感的特点。目前，John Zachary提出采用信息熵描述图像的颜色特征，将图像的颜色直方图特征由多维降到一维，有效的克服直方图维数过高问题，但该方法在进行图像检索时没有考虑熵的数学特性(主要是对称性问题)，即某一矢量熵函数的取值只与该矢量的概率分布有关，矢量中各分量的次序任意改变时，熵值不变。孙君顶等人针对信息熵方法进行了改进，在一定程度上克服了熵的对称性造成图像误检索的不足。窦建军、吴庆涛等对两种颜色空间(RGB和HSV)和四种直方图距离共八种图像检索方法进行了比较。金莲芳等利用结构量化直方图的图像检索对传统的直方图方法进行了改进。
虽然上述研究中，都对图像检索做了相应的改进，但是基于直方图的图像检索的相似度均以图像之间的距离进行表达，使图像相似度的定义较为混乱，鲁棒性差，影响检索效率与准确率。
发明内容
本发明的目的是提供一种基于概率直方图面积相似度的图像检索方法及系统，能够从颜色直方图图像检索的本质出发，将直方图之间灰阶概率的重合面积为图像之间的相似度，明确相似度含义，提高鲁棒性，进而提高检索效率以及准确率。
为实现上述目的，本发明提供了如下方案：
一种基于概率直方图面积相似度的图像检索方法，所述图像检索方法包括：
获取遥感影像；
对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；每个所述目标图像集合均包含多幅目标图像；所述待检索图像集合包含多幅待检索图像；
对所有所述目标图像集合中的目标图像进行处理，得到目标概率直方图集合；所述目标概率直方图集合中的每幅图像均为目标灰阶概率直方图；
对所述待检索图像集合中的待检索图像进行处理，得到待检索概率直方图集合；所述待检索概率直方图集合中的每幅图像均为待检索灰阶概率直方图；
采用概率直方图重合面积法，计算所述待检索灰阶概率直方图与每个所述目标概率直方图集合中每幅目标灰阶概率直方图的重合值，得到多个重合值集合；所述重合值集合的个数与所述目标图像集合的个数相同；所述重合值集合中的元素为所述待检索灰阶概率直方图与所述目标概率直方图集合中目标灰阶概率直方图的重合值；
计算每个所述重合值集合中所有元素和的平均值，并将所述平均值确定为所述待检索灰阶概率直方图对应的所述待检索图像与所述目标概率直方图集合对应的所述目标图像集合的相似度；
比较各个所述相似度，将所述待检索图像归类到与所述待检索图像相似度最高的所述目标图像集合中。
可选的，所述对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合，具体包括：
根据用户定义的分割约束条件，对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；所述分割约束条件为所述目标图像集合中的每幅图像的地物均为同类地物的约束条件。
可选的，所述对所有所述目标图像集合中的目标图像进行处理，得到目标概率直方图集合，具体包括：
根据所述目标图像绘制目标图像直方图；所述目标图像直方图的纵轴为灰阶个数总和；
将所述目标图像直方图的纵轴转换成灰阶出现概率，得到目标灰阶概率直方图。
可选的，所述对所述待检索图像集合中的待检索图像进行处理，得到待检索概率直方图集合，具体包括：
根据所述待检索图像绘制待检索图像直方图；所述待检索图像直方图的纵轴为灰阶个数总和；
将所述待检索图像直方图的纵轴转换成灰阶出现概率，得到待检索灰阶概率直方图。
可选的，所述采用概率直方图重合面积法，计算所述待检索灰阶概率直方图与每个所述目标概率直方图集合中每幅目标灰阶概率直方图的重合值，具体包括：
采用以下公式计算所述待检索灰阶概率直方图与所述目标灰阶概率直方图的重合值；所述公式为：
S为重合值，S的取值范围为[0，1]；NB为图像的波段数；N为灰阶个数总和；Hi为灰阶出现概率；
为目标图像第j波段的第i灰阶所对应的概率，
为待检索图像第j波段的第i灰阶所对应的概率。
本发明还提供了一种基于概率直方图面积相似度的图像检索系统，所述图像检索系统包括：
获取模块，用于获取遥感影像；
图像集合确定模块，用于对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；每个所述目标图像集合均包含多幅目标图像；所述待检索图像集合包含多幅待检索图像；
目标概率直方图集合得到模块，用于对所有所述目标图像集合中的目标图像进行处理，得到目标概率直方图集合；所述目标概率直方图集合中的每幅图像均为目标灰阶概率直方图；
待检索概率直方图集合得到模块，用于对所述待检索图像集合中的待检索图像进行处理，得到待检索概率直方图集合；所述待检索概率直方图集合中的每幅图像均为待检索灰阶概率直方图；
重合值集合得到模块，用于采用概率直方图重合面积法，计算所述待检索灰阶概率直方图与每个所述目标概率直方图集合中每幅目标灰阶概率直方图的重合值，得到多个重合值集合；所述重合值集合的个数与所述目标图像集合的个数相同；所述重合值集合中的元素为所述待检索灰阶概率直方图与所述目标概率直方图集合中目标灰阶概率直方图的重合值；
相似度计算模块，用于计算每个所述重合值集合中所有元素和的平均值，并将所述平均值确定为所述待检索灰阶概率直方图对应的所述待检索图像与所述目标概率直方图集合对应的所述目标图像集合的相似度；
归类模块，用于比较各个所述相似度，将所述待检索图像归类到与所述待检索图像相似度最高的所述目标图像集合中。
可选的，所述图像集合确定模块，具体包括：
图像集合确定单元，用于根据用户定义的分割约束条件，对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；所述分割约束条件为所述目标图像集合中的每幅图像的地物均为同类地物的约束条件。
可选的，所述目标概率直方图集合得到模块，具体包括：
目标图像直方图绘制单元，用于根据所述目标图像绘制目标图像直方图；所述目标图像直方图的纵轴为灰阶个数总和；
目标灰阶概率直方图得到单元，用于将所述目标图像直方图的纵轴转换成灰阶出现概率，得到目标灰阶概率直方图。
可选的，所述待检索概率直方图集合得到模块，具体包括：
待检索图像直方图绘制单元，用于根据所述待检索图像绘制待检索图像直方图；所述待检索图像直方图的纵轴为灰阶个数总和；
待检索灰阶概率直方图得到单元，用于将所述待检索图像直方图的纵轴转换成灰阶出现概率，得到待检索灰阶概率直方图。
可选的，所述重合值集合得到模块，具体包括：
重合值计算单元，用于采用
计算所述待检索灰阶概率直方图与所述目标灰阶概率直方图的重合值；NB为图像的波段数；N为灰阶个数总和；Hi为灰阶出现概率；
为目标图像第j波段的第i灰阶所对应的概率，
为待检索图像第j波段的第i灰阶所对应的概率；
重合值集合得到单元，用于根据所述重合值与所述目标概率直方图集合的关系，对所述重合值进行分类，得到多个重合值集合。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种基于概率直方图面积相似度的图像检索方法及系统，该方法包括对获取的遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；每个目标图像集合均包含多幅目标图像；待检索图像集合包含多幅待检索图像；对所有目标图像集合中的目标图像进行处理，得到目标概率直方图集合；目标概率直方图集合中的每幅图像均为目标灰阶概率直方图；对待检索图像集合中的待检索图像进行处理，得到待检索概率直方图集合；待检索概率直方图集合中的每幅图像均为待检索灰阶概率直方图；采用概率直方图重合面积法，计算待检索灰阶概率直方图与每个目标概率直方图集合中每幅目标灰阶概率直方图的重合值，得到多个重合值集合；重合值集合的个数与目标图像集合的个数相同；重合值集合中的元素为待检索灰阶概率直方图与目标概率直方图集合中目标灰阶概率直方图的重合值；计算每个重合值集合中所有元素和的平均值，并将平均值确定为待检索灰阶概率直方图对应的待检索图像与目标概率直方图集合对应的所述目标图像集合的相似度；比较各个相似度，将待检索图像归类到与待检索图像相似度最高的目标图像集合中。因此，本发明提供的方法或者系统能够从颜色直方图图像检索的本质出发，将直方图之间灰阶概率的重合面积为图像之间的相似度，明确相似度含义，鲁棒性更强，提高了检索效率以及准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，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为本发明实施例基于概率直方图面积相似度的图像检索方法的流程示意图；
图2为本发明图像直方图示意图；
图3为本发明概率直方图示意图；
图4为本发明概率直方图重合面积法原理示意图；
图5为本发明实施例基于概率直方图面积相似度的图像检索系统的结构示意图；
图6为本发明主要地物为山体的遥感影像；
图7为本发明主要地物为建筑物的遥感影像；
图8为本发明主要地物为水体的遥感影像；
图9为本发明主要地物为冬小麦的遥感影像；
图10为本发明主要地物为冬小麦和水体的遥感影像；
图11为本发明主要地物为水体-小麦、水体、城镇三组遥感影像处理后绘制的3波段灰度概率直方图；
图12为本发明主要地物为水体-小麦、水体、城镇三组遥感影像处理后绘制的4波段灰度概率直方图；
图13为本发明主要地物为水体-小麦、水体、城镇三组遥感影像处理后绘制的7波段灰度概率直方图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于概率直方图面积相似度的图像检索方法及系统，能够从颜色直方图图像检索的本质出发，将直方图之间灰阶概率的重合面积为图像之间的相似度，明确相似度含义，提高鲁棒性，进而提高检索效率以及准确率。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例基于概率直方图面积相似度的图像检索方法的流程示意图，如图1所示，本发明实施例提供的基于概率直方图面积相似度的图像检索方法具体包括以下几个步骤：
步骤101：获取遥感影像。
步骤102：对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；每个所述目标图像集合均包含多幅目标图像；所述待检索图像集合包含多幅待检索图像。
步骤103：对所有所述目标图像集合中的目标图像进行处理，得到目标概率直方图集合；所述目标概率直方图集合中的每幅图像均为目标灰阶概率直方图。
步骤104：对所述待检索图像集合中的待检索图像进行处理，得到待检索概率直方图集合；所述待检索概率直方图集合中的每幅图像均为待检索灰阶概率直方图。
步骤105：采用概率直方图重合面积法，计算所述待检索灰阶概率直方图与每个所述目标概率直方图集合中每幅目标灰阶概率直方图的重合值，得到多个重合值集合；所述重合值集合的个数与所述目标图像集合的个数相同；所述重合值集合中的元素为所述待检索灰阶概率直方图与所述目标概率直方图集合中目标灰阶概率直方图的重合值。
步骤106：计算每个所述重合值集合中所有元素和的平均值，并将所述平均值确定为所述待检索灰阶概率直方图对应的所述待检索图像与所述目标概率直方图集合对应的所述目标图像集合的相似度。
步骤107：比较各个所述相似度，将所述待检索图像归类到与所述待检索图像相似度最高的所述目标图像集合中。
步骤102具体包括：根据用户定义的分割约束条件，对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；所述分割约束条件为所述目标图像集合中的每幅图像的地物均为同类地物的约束条件。
步骤103具体包括：
根据所述目标图像绘制目标图像直方图；所述目标图像直方图的纵轴为灰阶个数总和。
将所述目标图像直方图的纵轴转换成灰阶出现概率，得到目标灰阶概率直方图。
步骤104具体包括：
根据所述待检索图像绘制待检索图像直方图；所述待检索图像直方图的纵轴为灰阶个数总和。
将所述待检索图像直方图的纵轴转换成灰阶出现概率，得到待检索灰阶概率直方图。
图2为本发明图像直方图示意图；图3为本发明概率直方图示意图。
从图2所示的图像直方图上来看，两幅图像是否相似，取决于图像之间灰阶的重合程度。可见，图像检索的本质是通过图像直方图之间灰阶的重合面积刻画出来，即两个图像直方图重合的面积越大，两个图像的相似度越大。同时，考虑到图像的大小直接影响图像直方图的面积，为了消除图像大小的影响，将图像直方图的纵轴以图像中灰阶出现频率来代替图像的灰阶个数总和，得到如图3所示的概率直方图。
图4为本发明概率直方图重合面积法原理示意图。
如图4所示，概率直方图重合面积法原理为：两个图像的概率直方图的面积之和都为1，当两个图像的概率直方图完全不重合时，两个直方图重合面积是0，则两幅图像是完全不相似的图像；当两个图像的概率直方图完全重合时，两个直方图的重合面积为1，则两幅图像是完全相同的图像。可见，概率直方图的重合面积有效地刻画出两幅图像的灰度相似程度。将概率直方图表示方式转化成图4的形式，各个灰阶出现概率之和为1，S为两幅图像的重合面积，SA和SB分别为两个图像未重合的面积，S的大小直接反映出两幅图像之间的相似程度。
那么，步骤105具体包括：
采用以下公式计算所述待检索灰阶概率直方图与所述目标灰阶概率直方图的重合值；所述公式为：
S为重合值，S的取值范围为[0，1]；NB为图像的波段数；N为灰阶个数总和；Hi为灰阶出现概率；
为目标图像第j波段的第i灰阶所对应的概率，
为待检索图像第j波段的第i灰阶所对应的概率。
根据所述重合值与所述目标概率直方图集合的关系，对所述重合值进行分类，得到多个重合值集合。
为实现上述目的，本发明一种基于概率直方图面积相似度的图像检索系统。
图5为本发明实施例基于概率直方图面积相似度的图像检索系统的结构示意图，如图5所示，本发明实施例提供的所述图像检索系统包括：
获取模块100，用于获取遥感影像。
图像集合确定模块200，用于对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；每个所述目标图像集合均包含多幅目标图像；所述待检索图像集合包含多幅待检索图像。
目标概率直方图集合得到模块300，用于对所有所述目标图像集合中的目标图像进行处理，得到目标概率直方图集合；所述目标概率直方图集合中的每幅图像均为目标灰阶概率直方图。
待检索概率直方图集合得到模块400，用于对所述待检索图像集合中的待检索图像进行处理，得到待检索概率直方图集合；所述待检索概率直方图集合中的每幅图像均为待检索灰阶概率直方图。
重合值集合得到模块500，用于采用概率直方图重合面积法，计算所述待检索灰阶概率直方图与每个所述目标概率直方图集合中每幅目标灰阶概率直方图的重合值，得到多个重合值集合；所述重合值集合的个数与所述目标图像集合的个数相同；所述重合值集合中的元素为所述待检索灰阶概率直方图与所述目标概率直方图集合中目标灰阶概率直方图的重合值。
相似度计算模块600，用于计算每个所述重合值集合中所有元素和的平均值，并将所述平均值确定为所述待检索灰阶概率直方图对应的所述待检索图像与所述目标概率直方图集合对应的所述目标图像集合的相似度。
归类模块700，用于比较各个所述相似度，将所述待检索图像归类到与所述待检索图像相似度最高的所述目标图像集合中。
其中，所述图像集合确定模块200，具体包括：
图像集合确定单元，用于根据用户定义的分割约束条件，对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；所述分割约束条件为所述目标图像集合中的每幅图像的地物均为同类地物的约束条件。
所述目标概率直方图集合得到模块300，具体包括：
目标图像直方图绘制单元，用于根据所述目标图像绘制目标图像直方图；所述目标图像直方图的纵轴为灰阶个数总和。
目标灰阶概率直方图得到单元，用于将所述目标图像直方图的纵轴转换成灰阶出现概率，得到目标灰阶概率直方图。
所述待检索概率直方图集合得到模块400，具体包括：
待检索图像直方图绘制单元，用于根据所述待检索图像绘制待检索图像直方图；所述待检索图像直方图的纵轴为灰阶个数总和。
待检索灰阶概率直方图得到单元，用于将所述待检索图像直方图的纵轴转换成灰阶出现概率，得到待检索灰阶概率直方图。
所述重合值集合得到模块500，具体包括：
重合值计算单元，用于采用
计算所述待检索灰阶概率直方图与所述目标灰阶概率直方图的重合值；NB为图像的波段数；N为灰阶个数总和；Hi为灰阶出现概率；
为目标图像第j波段的第i灰阶所对应的概率，
为待检索图像第j波段的第i灰阶所对应的概率。
重合值集合得到单元，用于根据所述重合值与所述目标概率直方图集合的关系，对所述重合值进行分类，得到多个重合值集合。
为验证本发明所提出的方法或者系统的适用性，将本发明与传统的信息熵方法进行对比分析，验证本发明的适用性。
首先，数据准备
本发明实施例中选用TM多光谱影像作为测试数据来检验本发明的适用性，影像的获取日期为2006年4月7日，位于河南，轨道号为124/37，无云质量较好，分辨率为30m，包含7个波段(蓝光：0.45-0.52um；绿光：0.52-0.60um；红光：0.62-0.69um；近红外：0.76-0.90um；中红外1.55-1.75um；热红外：10.40～12.50um，不参与运算；远红外：2.08-3.35um)。在遥感影像上切割出图像尺寸大小100像元×100像元的5组遥感影像，如图6-10所示，每组6幅图像，共30个分块影像。5组遥感影像的RGB波段组合分别为7、4、3波段。图6所示的遥感影像的主要地物为山体，山体上面生长着树木。图7所示的遥感影像的主要地物为建筑物，其中还包括少许林地和水塘。图8所示的遥感影像的主要地物是水体，由于水体不同的区域的反射率不同，显示的光谱信息有所不同，周边还有少许的堤岸。图9所示的遥感影像的主要地物为冬小麦，中间还有村庄、乡间小路和小水塘。图10所示的遥感影像的主要地物为冬小麦和水体，且所占比例各近一半，中间还有少许的裸地和道路。
其中，分割基本原则是能够覆盖每组影像地物丰富，同时每组内地物的景观特征相似。在每一组遥感影像中选择3个作为目标图像，剩余3个为待检索图像。
其次，图像相似度的计算
利用IDL8.5编程实现本发明提供的直方图面积和信息熵两种方法进行图像相似度计算，计算结果如表1、2。
其中，信息熵计算方法为：
计算出图像信息熵Ev后，利用L1-norm距离定量计算图像的相似度，见公式(4)。
Dl-norm(P,Q)＝|EP-EQ| (4)。
P和Q表示两个图像的灰度直方图，EP、EQ分别为两个图像对应的信息熵。可见，Dl-norm越低，两幅图像相似度越大。
表1基于直方图面积法的图像相似度
表2基于信息熵法的图像相似度
表1表明，对角线上表达的同类地物间的相似度高于0.7以上，明显高于其它地物之间的相似度。举例来看，山体-山体之间的相似度为0.79，最低的是山体-水体相似度为0.08，其他两种情况山体-城镇、山体-冬小麦的相似度也是0.3-0.4之间，可见直方图面积法能够非常准确的搜索到相近的图像。
表2表明，由于信息熵法是通过距离进行表达的，两个图像越相似，则取值越小，因此对角线上的值都偏小，说明信息熵法具有一定的适用性。但是，在某些类型检索上，其优势不够明显。比如，对于水体-小麦搜索的时候，水体/小麦-水体/小麦的相似度为0.54，比城镇-水体/小麦相似度0.80没有低太多，说明二者的区分度表达不够高，而直方图面积法优势明显。
再者，相似度对比分析
从表1、2看出直方图面积法和信息熵法都有效的刻画出地物之间的相似度，从数值比较来看，基于直方图面积法计算出的相似度比基于信息熵法计算出的相似度更能有效的区分开同类、不同类的图像。例如，表1中同类地物之间的相似度都高于0.7，且其它图像之间的相似度与这个值差别比较大，而基于信息熵方法计算出同类地物的相似度距离都低于非同类地物之间的距离，但有时候计算出的同类地物相似度距离要大于非同类地物相似度的距离。如水体-水体相似度距离为0.83，城镇-山体的相似度距离为0.79，同一类地物水体-水体的相似度要低于不同地物之间的相似度，可见利用信息熵法计算的相似度无法形成一个统一标准来计算图像之间的相似程度，然而利用本发明提供的方法能够有效区分开相似/非相似的图像。
另外，从表1、2中明确地看出，通过直方图面积法计算出的相似度比基于信息熵计算出的相似度更能准确反映两类地物之间的相似度。例如，比较水体与水体-小麦两者的相似度，基于直方图面积法计算出的相似度值为0.37，基于信息熵法计算出的相似距离为4.12。直观上看，水体-小麦图像中有一部分地物为水体，水体与水体-小麦两组图像的相似度较高，但通过信息熵法计算出的相似度距离为4.12，其相似度相对于其他两组不相关图像(城镇与小麦相似度距离为1.46，山体与小麦的相似度距离为1.03)的相似度明显偏低。
图11-图13中是从地物：水体-小麦、水体、城镇中选择出的一组图像，并对这组图像进行处理绘制的3、4、7波段的灰度直方图。
从图11-图13看出，水体-小麦图像有两个灰度波峰，其中有一个灰度波峰的图像与水体图像的单波峰相重合，水体-小麦与城镇的差别比较大，几乎没有灰度重合，可见这水体-小麦与城镇之间的相似性比较小。从基于信息熵方法计算的结果来看，城镇与水体-小麦之间相似度要(相似度距离为0.80)高于水体与水体-小麦之间的相似度(相似度距离为4.12)，可以看出这个结果是不合理的；通过基于直方图面积法计算出的城镇与小麦的相似度(0.18)比水体与水体-小麦的相似度(0.37)要低，这个结果更为合理些。
另外，从图11-图13还看出城镇在各个波段表现为平缓的单波峰，而水体-小麦的在不同波段中都有两个波峰，其波峰的宽度和高度与城镇比较相近，由于熵的对称性，所以基于信息熵法计算出的两者相似度比较高，从而造成了图像的误检索。
本发明提供的一种基于概率直方图面积相似度的图像检索方法及系统，用多波段的遥感影像作为数据源进行实验，验证检索合理性。实验结果证明，本发明提出的方法比以往的基于信息熵法的图像检索算法具有更强的鲁棒性，更能准确的反映图像之间的相似程度，避免了信息熵的图像检索方法由于对称性导致的图像相似度出现偏差，造成误检索。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于概率直方图面积相似度的图像检索方法，其特征在于，所述图像检索方法包括：
获取遥感影像；
对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；每个所述目标图像集合均包含多幅目标图像；所述待检索图像集合包含多幅待检索图像；
对所有所述目标图像集合中的目标图像进行处理，得到目标概率直方图集合；所述目标概率直方图集合中的每幅图像均为目标灰阶概率直方图；
对所述待检索图像集合中的待检索图像进行处理，得到待检索概率直方图集合；所述待检索概率直方图集合中的每幅图像均为待检索灰阶概率直方图；
采用概率直方图重合面积法，计算所述待检索灰阶概率直方图与每个所述目标概率直方图集合中每幅目标灰阶概率直方图的重合值，得到多个重合值集合；所述重合值集合的个数与所述目标图像集合的个数相同；所述重合值集合中的元素为所述待检索灰阶概率直方图与所述目标概率直方图集合中目标灰阶概率直方图的重合值；
计算每个所述重合值集合中所有元素和的平均值，并将所述平均值确定为所述待检索灰阶概率直方图对应的所述待检索图像与所述目标概率直方图集合对应的所述目标图像集合的相似度；
比较各个所述相似度，将所述待检索图像归类到与所述待检索图像相似度最高的所述目标图像集合中；
所述采用概率直方图重合面积法，计算所述待检索灰阶概率直方图与每个所述目标概率直方图集合中每幅目标灰阶概率直方图的重合值，具体包括：采用以下公式计算所述待检索灰阶概率直方图与所述目标灰阶概率直方图的重合值；所述公式为：
S为重合值，S的取值范围为[0，1]；NB为图像的波段数；N为灰阶个数总和；Hi为灰阶出现概率；
为目标图像第j波段的第i灰阶所对应的概率，
为待检索图像第j波段的第i灰阶所对应的概率。
2.根据权利要求1所述图像检索方法，其特征在于，所述对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合，具体包括：
根据用户定义的分割约束条件，对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；所述分割约束条件为所述目标图像集合中的每幅图像的地物均为同类地物的约束条件。
3.根据权利要求1所述图像检索方法，其特征在于，所述对所有所述目标图像集合中的目标图像进行处理，得到目标概率直方图集合，具体包括：
根据所述目标图像绘制目标图像直方图；所述目标图像直方图的纵轴为灰阶个数总和；
将所述目标图像直方图的纵轴转换成灰阶出现概率，得到目标灰阶概率直方图。
4.根据权利要求1所述图像检索方法，其特征在于，所述对所述待检索图像集合中的待检索图像进行处理，得到待检索概率直方图集合，具体包括：
根据所述待检索图像绘制待检索图像直方图；所述待检索图像直方图的纵轴为灰阶个数总和；
将所述待检索图像直方图的纵轴转换成灰阶出现概率，得到待检索灰阶概率直方图。
5.一种基于概率直方图面积相似度的图像检索系统，其特征在于，所述图像检索系统包括：
获取模块，用于获取遥感影像；
图像集合确定模块，用于对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；每个所述目标图像集合均包含多幅目标图像；所述待检索图像集合包含多幅待检索图像；
目标概率直方图集合得到模块，用于对所有所述目标图像集合中的目标图像进行处理，得到目标概率直方图集合；所述目标概率直方图集合中的每幅图像均为目标灰阶概率直方图；
待检索概率直方图集合得到模块，用于对所述待检索图像集合中的待检索图像进行处理，得到待检索概率直方图集合；所述待检索概率直方图集合中的每幅图像均为待检索灰阶概率直方图；
重合值集合得到模块，用于采用概率直方图重合面积法，计算所述待检索灰阶概率直方图与每个所述目标概率直方图集合中每幅目标灰阶概率直方图的重合值，得到多个重合值集合；所述重合值集合的个数与所述目标图像集合的个数相同；所述重合值集合中的元素为所述待检索灰阶概率直方图与所述目标概率直方图集合中目标灰阶概率直方图的重合值；
相似度计算模块，用于计算每个所述重合值集合中所有元素和的平均值，并将所述平均值确定为所述待检索灰阶概率直方图对应的所述待检索图像与所述目标概率直方图集合对应的所述目标图像集合的相似度；
归类模块，用于比较各个所述相似度，将所述待检索图像归类到与所述待检索图像相似度最高的所述目标图像集合中；
所述重合值集合得到模块，具体包括：重合值计算单元，用于采用
计算所述待检索灰阶概率直方图与所述目标灰阶概率直方图的重合值；NB为图像的波段数；N为灰阶个数总和；Hi为灰阶出现概率；
为目标图像第j波段的第i灰阶所对应的概率，
为待检索图像第j波段的第i灰阶所对应的概率；重合值集合得到单元，用于根据所述重合值与所述目标概率直方图集合的关系，对所述重合值进行分类，得到多个重合值集合。
6.根据权利要求5所述图像检索系统，其特征在于，所述图像集合确定模块，具体包括：
图像集合确定单元，用于根据用户定义的分割约束条件，对所述遥感影像进行分区处理，确定多个目标图像集合和待检索图像集合；所述分割约束条件为所述目标图像集合中的每幅图像的地物均为同类地物的约束条件。
7.根据权利要求5所述图像检索系统，其特征在于，所述目标概率直方图集合得到模块，具体包括：
目标图像直方图绘制单元，用于根据所述目标图像绘制目标图像直方图；所述目标图像直方图的纵轴为灰阶个数总和；
目标灰阶概率直方图得到单元，用于将所述目标图像直方图的纵轴转换成灰阶出现概率，得到目标灰阶概率直方图。
8.根据权利要求5所述图像检索系统，其特征在于，所述待检索概率直方图集合得到模块，具体包括：
待检索图像直方图绘制单元，用于根据所述待检索图像绘制待检索图像直方图；所述待检索图像直方图的纵轴为灰阶个数总和；
待检索灰阶概率直方图得到单元，用于将所述待检索图像直方图的纵轴转换成灰阶出现概率，得到待检索灰阶概率直方图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810568341.7A CN108984601B (zh) | 2018-06-05 | 2018-06-05 | 一种基于概率直方图面积相似度的图像检索方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810568341.7A CN108984601B (zh) | 2018-06-05 | 2018-06-05 | 一种基于概率直方图面积相似度的图像检索方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108984601A CN108984601A (zh) | 2018-12-11 |
| CN108984601B true CN108984601B (zh) | 2020-11-03 |
Family
ID=64540578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810568341.7A Active CN108984601B (zh) | 2018-06-05 | 2018-06-05 | 一种基于概率直方图面积相似度的图像检索方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108984601B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113450737B (zh) * | 2020-03-27 | 2022-11-01 | 京东方科技集团股份有限公司 | 一种图像绘制方法、显示装置及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101082987A (zh) * | 2007-06-28 | 2007-12-05 | 复旦大学 | 基于窗口间平均差异的直方图相似性度量方法 |
| CN102013097A (zh) * | 2010-09-25 | 2011-04-13 | 西北工业大学 | 基于光谱相似性与空间连续性的黄河主溜线检测方法 |
| CN103258330A (zh) * | 2013-05-24 | 2013-08-21 | 大连海事大学 | 一种高光谱图像端元丰度的估计方法 |
| CN104268905A (zh) * | 2014-09-30 | 2015-01-07 | 江苏大学 | 一种直方图相似性度量方法 |
-
2018
- 2018-06-05 CN CN201810568341.7A patent/CN108984601B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101082987A (zh) * | 2007-06-28 | 2007-12-05 | 复旦大学 | 基于窗口间平均差异的直方图相似性度量方法 |
| CN102013097A (zh) * | 2010-09-25 | 2011-04-13 | 西北工业大学 | 基于光谱相似性与空间连续性的黄河主溜线检测方法 |
| CN103258330A (zh) * | 2013-05-24 | 2013-08-21 | 大连海事大学 | 一种高光谱图像端元丰度的估计方法 |
| CN104268905A (zh) * | 2014-09-30 | 2015-01-07 | 江苏大学 | 一种直方图相似性度量方法 |
Non-Patent Citations (3)
| Title |
|---|
| "DEM尺度变换中直方图相似度计算与应用";牛亮 等;《水土保持研究》;20101231;第17卷(第3期);120-125 * |
| "基于颜色直方图的图像检索";陈晨;《哈尔滨师范大学自然科学学报》;20140415(第2期);31-35 * |
| "用直方图面积法进行图像相似度计算 ";朱爽;《测绘通报 》;20181231(第12期);96-100 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108984601A (zh) | 2018-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Martin et al. | Region-based spatial preprocessing for endmember extraction and spectral unmixing | |
| Chen et al. | A comprehensive approach to mode clustering | |
| CN108428220B (zh) | 静止轨道卫星序列遥感影像海岛礁区域自动几何校正方法 | |
| WO2018076138A1 (zh) | 基于大尺度高分辨率高光谱图像的目标探测方法及装置 | |
| CN107239781B (zh) | 一种基于rgb图像的超光谱反射率重建方法 | |
| CN103761295A (zh) | 基于图片自动分类的艺术类图片的定制化特征量提取算法 | |
| Lu et al. | Comparison between several feature extraction/classification methods for mapping complicated agricultural land use patches using airborne hyperspectral data | |
| Jayaswal et al. | A hybrid approach for image retrieval using visual descriptors | |
| Hasanlou et al. | A sub-pixel multiple change detection approach for hyperspectral imagery | |
| Lee et al. | A graph cut approach to 3D tree delineation, using integrated airborne LiDAR and hyperspectral imagery | |
| US20030187616A1 (en) | Efficient near neighbor search (ENN-search) method for high dimensional data sets with noise | |
| CN108984601B (zh) | 一种基于概率直方图面积相似度的图像检索方法及系统 | |
| Lu et al. | Spectral segmentation via midlevel cues integrating geodesic and intensity | |
| CN110751142B (zh) | 一种改进型的高光谱遥感影像波段选择方法 | |
| CN109801304B (zh) | 一种抑制裸地的建筑指数构建及建筑区域快速提取方法 | |
| Yousefi et al. | Water-body segmentation in satellite imagery applying modified kernel kmeans | |
| CN114821333B (zh) | 一种高分辨率遥感影像道路材质识别方法及装置 | |
| CN107103282B (zh) | 超高分辨率合成孔径雷达图像分类方法 | |
| CN116415210A (zh) | 图像侵权检测方法、装置及存储介质 | |
| Shedlovska et al. | Satellite imagery features for the image similarity estimation | |
| CN106033545B (zh) | 行列式点过程的波段选择方法 | |
| CN110070035B (zh) | 一种多光谱遥感影像分类方法和系统 | |
| Valero et al. | Hyperspectral image segmentation using binary partition trees | |
| Ko et al. | Adaptive growing and merging algorithm for image segmentation | |
| Fan et al. | Vegetation coverage detection from very high resolution satellite imagery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |