CN109145994B - 一种基于改进颜色方差算法的图像相似判定方法 - Google Patents
一种基于改进颜色方差算法的图像相似判定方法 Download PDFInfo
- Publication number
- CN109145994B CN109145994B CN201810984174.4A CN201810984174A CN109145994B CN 109145994 B CN109145994 B CN 109145994B CN 201810984174 A CN201810984174 A CN 201810984174A CN 109145994 B CN109145994 B CN 109145994B
- Authority
- CN
- China
- Prior art keywords
- image
- variance
- images
- algorithm
- color variance
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于改进颜色方差算法的图像相似判定方法,属于图像处理技术领域。本发明首先通过基准图及考察图对图像进行全方位旋转操作,生成上、下、左、右、左上、左下、右上、右下等8张剪裁旋转图,其后通过颜色方差算法对图像进行方差计算,两两计算剪裁旋转图之间基于颜色方差算法的方差差值,并取其最小值作为图像之间基于颜色方差算法的方差差值;基于颜色方差算法的方差差值小于相似阈值,则判定为图像相似;若基于颜色方差算法的方差差值大于相似阈值,则判定为图像不相似。本发明解决了现有技术在对图像相似判定时存在的未考虑图像旋转、灵活性不足、准确度低等现象,提高了利用颜色方差算法对图像相似判定的灵活性和准确度。
Description
技术领域
本发明涉及一种基于改进颜色方差算法的图像相似判定方法,属于图像处理技术领域。
背景技术
图像相似判定是图像处理领域的一项基本研究,指对两张或多张图像的内容相似程度进行分析、比较,广泛应用于图像检索、目标检测、照片过滤等领域。
目前,有多种图像相似判定的方法,就颜色方差算法而言,其准确率及效率并不尽人意,一个主要原因就是颜色方差算法没有考虑到图像旋转的情况,若对图像进行上下或左右反转后再比对,其结果较不理想。
发明内容
本发明要解决的技术问题是针对现有技术的局限和不足,提供一种基于改进颜色方差算法的图像相似判定方法,以解决现有技术在对图像相似判定时存在的未考虑图像旋转、灵活性不足、准确度低等现象,致力于提高利用颜色方差算法对图像相似判定的灵活性和准确度。
本发明的技术方案是:一种基于改进颜色方差算法的图像相似判定方法,首先通过基准图及考察图对图像进行全方位旋转操作,生成上、下、左、右、左上、左下、右上、右下8张剪裁旋转图,其后通过颜色方差算法对图像进行方差计算,两两计算剪裁旋转图之间基于颜色方差算法的方差差值,并取其最小值作为图像之间基于颜色方差算法的方差差值;基于颜色方差算法的方差差值小于相似阈值,则判定为图像相似;若基于颜色方差算法的方差差值大于相似阈值,则判定为图像不相似;
具体步骤为:
Step1:获取图像A和图像B;
Step3:对图像A、B按照Setp3.1~Step3.4的规则进行方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];Step3.1:记考察图的大小为M×N,其中心位置坐标为(x,y);
Step3.2:以中心位置坐标(x,y)作为基准图像A、B的中心,重新在基准图上截取大小为M′×N′的截取后的图像A′、B′,其中M′≥M,N′≥N;
Step3.3:对截取后的图像A′、B′进行45°t,t∈[1,8]方向旋转变化,得到旋转后的图像A′m,m∈[1,8]和B′n,n∈[1,8];
Step3.4:对图像A′m,m∈[1,8]和B′n,n∈[1,8]以中心位置坐标(x,y)为中心,截取大小为M×N的图像,得到最终的旋转图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step4:通过颜色方差算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行方差计算,得到图像A″m、B″n之间基于颜色方差算法的方差差值DVar(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.5所示;
Step4.1:将图像A″m、B″n的大小压缩至8×8;
Step4.5:通过公式(3)计算图像A″m、B″n之间基于颜色方差算法的方差差值DVar(A″m,B″n),m∈[1,8],n∈[1,8],其中δ为归一化参数;
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个方差差值,根据公式(4)选出其中最小值作为图像A、B之间基于颜色方差算法的方差差值DVar(A,B);
DVar(A,B)=Min(DVar(A″m,B″n)),m∈[1,8],n∈[1,8] (4)
进一步地,所述步骤Step1中,图像A和图像B可以为任意大小的图像,且图像格式任意。
进一步地,所述步骤Step3.2中,截取的图像的大小要大于考察图像的大小,即满足M′≥M,N′≥N的要求,作用是为了保证旋转后得到的图像在区域内没有空白区域。
进一步地,所述步骤Step5中为了降低处理速度,去除重复后可简化计算至1+2+…+Max(m,n)=36个方差差值。
本发明的有益效果是:主要解决了现有技术在对图像相似判定时存在的未考虑图像旋转、灵活性不足、准确度低等现象,提高了利用颜色方差算法对图像相似判定的灵活性和准确度。
附图说明
图1是本发明步骤流程图;
图2是本发明对图像进行旋转过程示意图。
具体实施方式
下面结合附图和具体实施方式,对本发明作进一步说明。
实施例1:如图1-2所示,一种基于改进颜色方差算法的图像相似判定方法,首先通过基准图及考察图对图像进行全方位旋转操作,生成上、下、左、右、左上、左下、右上、右下8张剪裁旋转图,其后通过颜色方差算法对图像进行方差计算,两两计算剪裁旋转图之间基于颜色方差算法的方差差值,并取其最小值作为图像之间基于颜色方差算法的方差差值;基于颜色方差算法的方差差值小于相似阈值,则判定为图像相似;若基于颜色方差算法的方差差值大于相似阈值,则判定为图像不相似;
具体步骤为:
Step1:获取图像A和图像B;
Step3:对图像A、B按照Step3.1~Step3.4的规则进行方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step3.2:以中心位置坐标(x,y)作为基准图像A、B的中心,重新在基准图上截取大小为M′×N′的截取后的图像A′、B′,其中M′≥M,N′≥N;
Step3.3:对截取后的图像A′、B′进行45°t,t∈[1,8]方向旋转变化,得到旋转后的图像A′m,m∈[1,8]和B′n,n∈[1,8];
Step3.4:对图像A′m,m∈[1,8]和B′n,n∈[1,8]以中心位置坐标(x,y)为中心,截取大小为M×N的图像,得到最终的旋转图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step4:通过颜色方差算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行方差计算,得到图像A″m、B″n之间基于颜色方差算法的方差差值DVar(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.5所示;
Step4.1:将图像A″m、B″n的大小压缩至8×8;
Step4.5:通过公式(3)计算图像A″m、B″n之间基于颜色方差算法的方差差值DVar(A″m,B″n),m∈[1,8],n∈[1,8],其中δ为归一化参数;
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个方差差值,根据公式(4)选出其中最小值作为图像A、B之间基于颜色方差算法的方差差值DVar(A,B);
DVar(A,B)=Min(DVar(A″m,B″n)),m∈[1,8],n∈[1,8] (4)
进一步地,所述步骤Step1中,图像A和图像B可以为任意大小的图像,且图像格式任意。
进一步地,所述步骤Step3.2中,截取的图像的大小要大于考察图像的大小,即满足M′≥M,N′≥N的要求,作用是为了保证旋转后得到的图像在区域内没有空白区域。
进一步地,所述步骤Step5中为了降低处理速度,去除重复后可简化计算至1+2+…+Max(m,n)=36个方差差值。
实施例2:在实施例1的基础上,若步骤Step4.5中图像A″m、B″n之间基于颜色方差算法的方差差值DVar(A″m,B″n),m∈[1,8],n∈[1,8]分别为12/14/5/7/4/21/18/26/42/7/···/6/32/21,则步骤Step5中由公式(4)选出其中最小值作为图像A、B之间基于颜色方差算法的方差差值DVar(A,B),其值为DVar(A,B)=Min(DVar(A″m,B″n)),m∈[1,8],n∈[1,8]=4。
实施例3:在实施例1的基础上,取相似阈值若步骤Step5中图像A、B之间基于颜色方差算法的方差差值DVar(A,B)=4,则判定图像A和图像B相似;若步骤Step5中图像A、B之间基于颜色方差算法的方差差值DVar(A,B)=12,则判定图像A和图像B不相似。
以上结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (5)
1.一种基于改进颜色方差算法的图像相似判定方法,其特征在于:首先通过基准图及考察图对图像进行全方位旋转操作,生成上、下、左、右、左上、左下、右上、右下8张剪裁旋转图,其后通过颜色方差算法对图像进行方差计算,两两计算剪裁旋转图之间基于颜色方差算法的方差差值,并取其最小值作为图像之间基于颜色方差算法的方差差值;基于颜色方差算法的方差差值小于相似阈值,则判定为图像相似;若基于颜色方差算法的方差差值大于相似阈值,则判定为图像不相似;
具体步骤为:
Step1:获取图像A和图像B;
Step3:对图像A、B按照Step3.1~Step3.4的规则进行方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step3.2:以中心位置坐标(x,y)作为基准图像A、B的中心,重新在基准图上截取大小为M′×N′的截取后的图像A′、B′,其中M′≥M,N′≥N;
Step3.3:对截取后的图像A′、B′进行45°t,t∈[1,8]方向旋转变化,得到旋转后的图像A′m,m∈[1,8]和B′n,n∈[1,8];
Step3.4:对图像A′m,m∈[1,8]和B′n,n∈[1,8]以中心位置坐标(x,y)为中心,截取大小为M×N的图像,得到最终的旋转图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step4:通过颜色方差算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行方差计算,得到图像A″m、B″n之间基于颜色方差算法的方差差值DVar(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.5所示;
Step4.1:将图像A″m、B″n的大小压缩至8×8;
Step4.5:通过公式(3)计算图像A″m、B″n之间基于颜色方差算法的方差差值DVar(A″m,B″n),m∈[1,8],n∈[1,8],其中δ为归一化参数;
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个方差差值,根据公式(4)选出其中最小值作为图像A、B之间基于颜色方差算法的方差差值DVar(A,B);
DVar(A,B)=Min(DVar(A″m,B″n)),m∈[1,8],n∈[1,8] (4)
2.根据权利要求1所述的基于改进颜色方差算法的图像相似判定方法,其特征在于:所述步骤Step1中,图像A和图像B可以为任意大小的图像,且图像格式任意。
3.根据权利要求1所述的基于改进颜色方差算法的图像相似判定方法,其特征在于:所述步骤Step3.2中,截取的图像的大小要大于考察图像的大小,即满足M′≥M,N′≥N的要求,作用是为了保证旋转后得到的图像在区域内没有空白区域。
4.根据权利要求1所述的基于改进颜色方差算法的图像相似判定方法,其特征在于:所述步骤Step4.5中,归一化参数δ取正整数,通常取δ=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984174.4A CN109145994B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进颜色方差算法的图像相似判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984174.4A CN109145994B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进颜色方差算法的图像相似判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109145994A CN109145994A (zh) | 2019-01-04 |
CN109145994B true CN109145994B (zh) | 2021-01-05 |
Family
ID=64828510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810984174.4A Active CN109145994B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进颜色方差算法的图像相似判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145994B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544216A (zh) * | 2013-09-23 | 2014-01-29 | Tcl集团股份有限公司 | 一种结合图像内容和关键字的信息推荐方法及系统 |
CN103903244A (zh) * | 2012-12-25 | 2014-07-02 | 腾讯科技(深圳)有限公司 | 一种图像相似区块搜索方法及装置 |
CN107392968A (zh) * | 2017-07-17 | 2017-11-24 | 杭州电子科技大学 | 融合颜色对比图和颜色空间分布图的图像显著性检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10051274B2 (en) * | 2013-10-25 | 2018-08-14 | Canon Kabushiki Kaisha | Image processing apparatus, method of calculating information according to motion of frame, and storage medium |
-
2018
- 2018-08-28 CN CN201810984174.4A patent/CN109145994B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903244A (zh) * | 2012-12-25 | 2014-07-02 | 腾讯科技(深圳)有限公司 | 一种图像相似区块搜索方法及装置 |
CN103544216A (zh) * | 2013-09-23 | 2014-01-29 | Tcl集团股份有限公司 | 一种结合图像内容和关键字的信息推荐方法及系统 |
CN107392968A (zh) * | 2017-07-17 | 2017-11-24 | 杭州电子科技大学 | 融合颜色对比图和颜色空间分布图的图像显著性检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109145994A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103440645B (zh) | 一种基于自适应粒子滤波和稀疏表示的目标跟踪算法 | |
CN102708370B (zh) | 一种多视角图像前景目标提取方法及装置 | |
CN111723721A (zh) | 基于rgb-d的三维目标检测方法、系统及装置 | |
CN104463199A (zh) | 基于多特征及分割再校正的矿岩块度分类方法 | |
TW201516969A (zh) | 視訊物件追蹤方法 | |
CN102831604A (zh) | 一种灰度图像的二维Renyi熵阈值分割方法 | |
CN103778436B (zh) | 一种基于图像处理的行人姿态检测方法 | |
CN102360503B (zh) | 基于空间贴近度和像素相似性的sar图像变化检测方法 | |
CN104239862A (zh) | 一种人脸识别方法 | |
CN117197140B (zh) | 基于机器视觉的不规则金属扣成型检测方法 | |
CN107123130A (zh) | 一种基于超像素和混合哈希的核相关滤波目标跟踪方法 | |
CN108229247A (zh) | 一种移动车辆检测方法 | |
CN107808391B (zh) | 一种基于特征选择与光滑表示聚类的视频动态目标提取方法 | |
CN114612450B (zh) | 基于数据增广机器视觉的图像检测分割方法、系统、电子设备 | |
CN108345835A (zh) | 一种基于仿复眼感知的目标识别方法 | |
CN109829459B (zh) | 基于改进ransac的视觉定位方法 | |
CN106023184A (zh) | 一种基于各向异性中心环绕差异的深度显著性检测方法 | |
CN107564045B (zh) | 基于梯度域引导滤波的立体匹配方法 | |
CN104573703B (zh) | 基于偏导分布与边界策略的输电线快速识别方法 | |
CN109145994B (zh) | 一种基于改进颜色方差算法的图像相似判定方法 | |
WO2019041447A1 (zh) | 一种3d视频帧特征点提取的方法及系统 | |
CN102592125A (zh) | 基于标准差特征的运动目标检测方法 | |
CN102708379B (zh) | 一种立体视觉的遮挡像素分类算法 | |
CN109389148B (zh) | 一种基于改进DHash算法的图像相似判定方法 | |
CN109389147B (zh) | 一种基于改进PHash算法的图像相似判定方法 |
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 |