CN109299746A - 一种图块和弦类似度计算方法 - Google Patents

一种图块和弦类似度计算方法 Download PDF

Info

Publication number
CN109299746A
CN109299746A CN201811228485.4A CN201811228485A CN109299746A CN 109299746 A CN109299746 A CN 109299746A CN 201811228485 A CN201811228485 A CN 201811228485A CN 109299746 A CN109299746 A CN 109299746A
Authority
CN
China
Prior art keywords
segment
level
frame
inner product
similar degree
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.)
Pending
Application number
CN201811228485.4A
Other languages
English (en)
Inventor
李明
方胜鑫
黄双莲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGZHOU XINGWEI INFO-TECHNOLOGY Co Ltd
Original Assignee
GUANGZHOU XINGWEI INFO-TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GUANGZHOU XINGWEI INFO-TECHNOLOGY Co Ltd filed Critical GUANGZHOU XINGWEI INFO-TECHNOLOGY Co Ltd
Priority to CN201811228485.4A priority Critical patent/CN109299746A/zh
Publication of CN109299746A publication Critical patent/CN109299746A/zh
Pending legal-status Critical Current

Links

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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/48—Matching video sequences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于图块计算领域，具体是一种图块和弦类似度计算方法，包括1)视频帧图像两级分割：将当前帧与下一帧的图像进行两级分隔，每帧分成8*8的一级图块，每块一级图块再次分隔成16*16的二级图块，并通过图形分析软件将其YUV值记录；2)二级图块YUV值求和：对一级图块中的二级图块进行求和，得到每块一级图块的和；3)一级图块余弦法内积计算：分别计算出当前帧一级图块的内积、下一帧同一图块的内积以及连续两帧同一图块的内积；4)相邻帧图块类似度计算：通过计算内积的数学关系，得到相邻两帧的类似度。

Description

一种图块和弦类似度计算方法
技术领域
本发明属于图块计算领域，具体是一种图块和弦类似度计算方法。
背景技术
图块的相似分析在很多方面有着重要的作用，例如对视频的压缩，当整个视频中出现大量的相似图块时，只保存一个图块的数据可有效的压缩整个视频的容量，另一方面则是分析当前是否存在运动物体，在监控方面快速分析有重要作用。
目前对于图块类似度的分析，一般有以下三种技术
1、逐像素分析
通过分析当前帧与下一帧的每一个像素点进行对比，通过对比其RGB值或YUV值，得到每一像素的区别，分析出图块的类似度，此方法判断准确，但计算量较大。
2、图像模板匹配
通过建立一个模板，通过对视频的每一帧分析，逐渐形成新的图像模板，通过用模板对当前帧进行比对，得到其大概的类似度，此方法计算较为简单，但精确度较差。
3、PSNR峰值信噪比
PSNR是最普遍和使用最为广泛的一种图像客观评价指标，然而它是基于对应像素点间的误差，即基于误差敏感的图像质量评价。由于并未考虑到人眼的视觉特性(人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个区域的感知结果会受到其周围邻近区域的影响等)，因而经常出现评价结果与人的主观感觉不一致的情况。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种计算量少，分析效率高的图块类似度计算方法。
为解决上述技术问题，本发明一种图块和弦类似度计算方法采用的技术方案是：
一种图块和弦类似度计算方法，步骤如下：1)视频帧图像两级分割：将当前帧与下一帧的图像进行两级分隔，每帧分成8*8的一级图块，每块一级图块再次分隔成16*16的二级图块，并通过图形分析软件将其YUV值记录；2)二级图块YUV值求和：对一级图块中的二级图块进行求和，得到每块一级图块的和；3)一级图块余弦法内积计算：分别计算出当前帧一级图块的内积、下一帧同一图块的内积以及连续两帧同一图块的内积；4)相邻帧图块类似度计算：通过计算内积的数学关系，得到相邻两帧的类似度。
和现有技术相比，本发明一种图块和弦类似度计算方法的有益效果是：采用视频帧图像两级分割、二级图块YUV值求和、一级图块余弦法内积计算、相邻帧图块类似度计算；利用上述图块类似度计算方法，使得在图块类似度上，相比现有的对图块类似度的分析和计算上，步骤简单，具有效率高，计算量少的优点。
以下将结合附图对本发明的构思、具体结构及产生的效果作进一步说明，以充分地理解本发明的目的、特征和效果。
附图说明
图1是本发明图块类似度计算方法的步骤图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下以空调系统为例，结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处说描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
如图1所示，图块类似度计算方法，如图1所示，本发明包括如下步骤：
1)视频帧图像两级分割；
2)二级图块YUV值求和；
3)一级图块余弦法内积计算；
4)相邻帧图块类似度计算；
利用上述图块类似度计算方法，使得在图块类似度上，相比现有的对图块类似度的分析和计算上，具有效率高，计算量少的优点。
下面对每一步骤进行详细的描述：
步骤一：视频帧图像两级分割
将一张图像的当前帧与下一帧的图像进行两级分隔，每帧分成8*8的一级图块，每块一级图块再次分隔成16*16的二级图块，并通过图形分析软件将其YUV值记录。
步骤二：二级图块YUV值求和
选出图像中的第一区块，将当前帧的第一区块记为A，并通过对A区块的二级图块的YUV值进行求和计算，得到A区块颜色之和，记为A
A＝A1+A2+A3+…+A16
同理根据另一图像进行分割，得到B区块颜色之和，记为B
B＝B1+B2+B3+…+B16
步骤三：一级图块余弦法内积计算
分别计算出当前帧一级图块A的内积，记为AA
AA＝A1A1+A2A2+A3A3+…+A16A16
后帧一级图块B的内积，记为AA
BB＝B1B1+B2B2+B3B3+…+B16B16
以及图块A以及图块B的内积
AB＝A1B1+A2B2+A3B3+…+A16B16
步骤四：相邻帧图块类似度计算
通过对AA、AB、BB相关内积，通过计算其相关度，得到相邻帧的一级图块类似度Δ。
附图中给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本说明书所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。

Claims (1)

1.一种图块和弦类似度计算方法，其特征在于，步骤如下：1)视频帧图像两级分割：将当前帧与下一帧的图像进行两级分隔，每帧分成8*8的一级图块，每块一级图块再次分隔成16*16的二级图块，并通过图形分析软件将其YUV值记录；2)二级图块YUV值求和：对一级图块中的二级图块进行求和，得到每块一级图块的和；3)一级图块余弦法内积计算：分别计算出当前帧一级图块的内积、下一帧同一图块的内积以及连续两帧同一图块的内积；4)相邻帧图块类似度计算：通过计算内积的数学关系，得到相邻两帧的类似度。
CN201811228485.4A 2018-10-22 2018-10-22 一种图块和弦类似度计算方法 Pending CN109299746A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811228485.4A CN109299746A (zh) 2018-10-22 2018-10-22 一种图块和弦类似度计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811228485.4A CN109299746A (zh) 2018-10-22 2018-10-22 一种图块和弦类似度计算方法

Publications (1)

Publication Number Publication Date
CN109299746A true CN109299746A (zh) 2019-02-01

Family

ID=65157433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811228485.4A Pending CN109299746A (zh) 2018-10-22 2018-10-22 一种图块和弦类似度计算方法

Country Status (1)

Country Link
CN (1) CN109299746A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101034442A (zh) * 2006-03-08 2007-09-12 刘欣融 基于图像识别技术的商品的外观设计相同和相近似判断系统
CN101136015A (zh) * 2006-09-01 2008-03-05 北大方正集团有限公司 一种计算图像之间相似度的方法
CN101510257A (zh) * 2009-03-31 2009-08-19 华为技术有限公司 一种人脸相似度匹配方法及装置
CN104298791A (zh) * 2014-11-19 2015-01-21 中国石油大学(华东) 一种基于集成哈希编码的快速图像检索方法
CN104408405A (zh) * 2014-11-03 2015-03-11 北京畅景立达软件技术有限公司 人脸表示和相似度计算方法
CN104537624A (zh) * 2015-01-05 2015-04-22 西安电子科技大学 基于ssim校正聚类稀疏表示的sar图像降斑方法
US9454524B1 (en) * 2015-12-04 2016-09-27 Adobe Systems Incorporated Determining quality of a summary of multimedia content
CN106326868A (zh) * 2016-08-26 2017-01-11 江苏华通晟云科技有限公司 基于余弦相似度度量学习的人脸识别方法
CN107220660A (zh) * 2017-05-12 2017-09-29 深圳市美好幸福生活安全系统有限公司 一种基于加权局部余弦相似度的目标跟踪算法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101034442A (zh) * 2006-03-08 2007-09-12 刘欣融 基于图像识别技术的商品的外观设计相同和相近似判断系统
CN101136015A (zh) * 2006-09-01 2008-03-05 北大方正集团有限公司 一种计算图像之间相似度的方法
CN101510257A (zh) * 2009-03-31 2009-08-19 华为技术有限公司 一种人脸相似度匹配方法及装置
CN104408405A (zh) * 2014-11-03 2015-03-11 北京畅景立达软件技术有限公司 人脸表示和相似度计算方法
CN104298791A (zh) * 2014-11-19 2015-01-21 中国石油大学(华东) 一种基于集成哈希编码的快速图像检索方法
CN104537624A (zh) * 2015-01-05 2015-04-22 西安电子科技大学 基于ssim校正聚类稀疏表示的sar图像降斑方法
US9454524B1 (en) * 2015-12-04 2016-09-27 Adobe Systems Incorporated Determining quality of a summary of multimedia content
CN106326868A (zh) * 2016-08-26 2017-01-11 江苏华通晟云科技有限公司 基于余弦相似度度量学习的人脸识别方法
CN107220660A (zh) * 2017-05-12 2017-09-29 深圳市美好幸福生活安全系统有限公司 一种基于加权局部余弦相似度的目标跟踪算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
QQ_23100787: "【matlab】：matlab实现计算两张图片的相似度", 《HTTPS://WWW.IT610.COM/ARTICLE/5106760.HTM》 *

Similar Documents

Publication Publication Date Title
Ma et al. Objective quality assessment for color-to-gray image conversion
CN105678700B (zh) 基于预测梯度的图像插值方法及系统
Winkler Visual fidelity and perceived quality: Toward comprehensive metrics
CN110505472B (zh) 一种h.265超高清视频质量评价方法
CN103824059A (zh) 一种基于视频图像序列的人脸表情识别方法
CN102622420A (zh) 基于颜色特征和形状上下文的商标图像检索方法
CN101146226A (zh) 一种基于自适应st区的高清视频图像质量评价方法及装置
CN106600597A (zh) 一种基于局部二值模式的无参考彩色图像质量评价方法
CN101527786B (zh) 一种增强网络视频中视觉重要区域清晰度的方法
CN110443800A (zh) 视频图像质量的评价方法
CN106373096A (zh) 一种多特征权值自适应的阴影消除方法
CN102984540A (zh) 一种基于宏块域失真度估计的视频质量评价方法
CN109829905A (zh) 一种面部美化感知质量的无参考评价方法
Yang et al. EHNQ: Subjective and objective quality evaluation of enhanced night-time images
CN100548030C (zh) 一种基于时空条带模式分析的新闻主播镜头检测方法
Pessoa et al. Video quality assessment using objective parameters based on image segmentation
CN101739678B (zh) 物体阴影的检测方法
CN109299746A (zh) 一种图块和弦类似度计算方法
CN112446879A (zh) 一种基于图像熵的对比度失真图像质量评价方法
CN102542304B (zh) 识别wap手机色情图像的区域分割肤色算法
CN103871084B (zh) 蓝印花布图案识别方法
Hu et al. No reference quality assessment for Thangka color image based on superpixel
CN104185022A (zh) 基于视觉信息失真分解的全参考视频质量评估方法
CN102685547A (zh) 一种基于块效应和噪声的低码率视频质量检测方法
CN109587474A (zh) 基于失真恢复度的无参考视频质量评价方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190201

RJ01 Rejection of invention patent application after publication