CN109389147B - 一种基于改进PHash算法的图像相似判定方法 - Google Patents
一种基于改进PHash算法的图像相似判定方法 Download PDFInfo
- Publication number
- CN109389147B CN109389147B CN201810984201.8A CN201810984201A CN109389147B CN 109389147 B CN109389147 B CN 109389147B CN 201810984201 A CN201810984201 A CN 201810984201A CN 109389147 B CN109389147 B CN 109389147B
- Authority
- CN
- China
- Prior art keywords
- image
- phash
- images
- hamming distance
- matrix
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于改进PHash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PHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于PHash的汉明距离,并取其最小值作为图像之间基于PHash的汉明距离;若基于PHash的汉明距离小于阈值,则判定为图像相似;若基于PHash的汉明距离大于阈值,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PHash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PHash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,就感知哈希算法(PHash)而言,其准确率及效率并不尽人意,一个主要原因就是感知哈希算法(PHash)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PHash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PHash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PHash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、右下等8张剪裁旋转图,其后通过PHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于PHash的汉明距离,并取其最小值作为图像之间基于PHash的汉明距离;若基于PHash的汉明距离小于阈值,则判定为图像相似;若基于PHash的汉明距离大于阈值,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分别进行一定规则的方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];具体如Step3.1~Step3.4所示;
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PHash算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行Hash化,得到图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.6所示;
Step4.1:将图像A″m、B″n的大小压缩至32×32;
Step4.5:计算矩阵的平均值将矩阵按照从上至下(i=1→8)、从左至右(j=1→8)的规则,根据公式(1)进行值优化,并对其连接生成图像A″m、B″n的PHash值其中T(i,j)代表适用于u代表适用于
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个汉明距离,根据公式(2)选出其中最小值作为图像A、B之间基于PHash的汉明距离Dis(A,B);
Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8] (2)
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Step4.5中,汉明距离指两串Hash值进行异或运算后,结果为“1”的个数。
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个汉明距离。
本发明的有益效果是: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PHash算法对图像相似判定的灵活性和准确度。
附图说明
图1是本发明流程示意图;
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PHash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、右下等8张剪裁旋转图,其后通过PHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于PHash的汉明距离,并取其最小值作为图像之间基于PHash的汉明距离;若基于PHash的汉明距离小于阈值,则判定为图像相似;若基于PHash的汉明距离大于阈值,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分别进行一定规则的方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];具体如Step3.1~Step3.4所示;
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PHash算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行Hash化,得到图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.6所示;
Step4.1:将图像A″m、B″n的大小压缩至32×32;
Step4.5:计算矩阵的平均值将矩阵按照从上至下(i=1→8)、从左至右(j=1→8)的规则,根据公式(1)进行值优化,并对其连接生成图像A″m、B″n的PHash值其中T(i,j)代表适用于u代表适用于
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个汉明距离,根据公式(2)选出其中最小值作为图像A、B之间基于PHash的汉明距离Dis(A,B);
Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8] (2)
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Step4.5中,汉明距离指两串Hash值进行异或运算后,结果为“1”的个数。
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个汉明距离。
实施例2:在实施例1的基础上,若步骤Step4.6中图像A″m、B″n之间基于PHash的汉明距离Dis(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(2)选出其中最小值作为图像A、B之间基于PHash的汉明距离Dis(A,B),其值为Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8]=4。
实施例3:在实施例1的基础上,取汉明距离阈值若步骤Step5中图像A、B之间基于PHash的汉明距离Dis(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PHash的汉明距离Dis(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PHash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、右下等8张剪裁旋转图,其后通过PHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于PHash的汉明距离,并取其最小值作为图像之间基于PHash的汉明距离;若基于PHash的汉明距离小于阈值,则判定为图像相似;若基于PHash的汉明距离大于阈值,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分别进行一定规则的方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];具体如Step3.1~Step3.4所示;
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PHash算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行Hash化,得到图像A″m、B″n之间基于PHash的汉明距离Dis(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.6所示;
Step4.1:将图像A″m、B″n的大小压缩至32×32;
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个汉明距离,根据公式(2)选出其中最小值作为图像A、B之间基于PHash的汉明距离Dis(A,B);
Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8] (2)
3.根据权利要求1所述的基于改进PHash算法的图像相似判定方法,其特征在于:所述步骤Step4.5中,汉明距离指两串Hash值进行异或运算后,结果为“1”的个数。
4.根据权利要求1所述的基于改进PHash算法的图像相似判定方法,其特征在于: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个汉明距离,其中m∈[1,8],n∈[1,8]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984201.8A CN109389147B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进PHash算法的图像相似判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984201.8A CN109389147B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进PHash算法的图像相似判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109389147A CN109389147A (zh) | 2019-02-26 |
CN109389147B true CN109389147B (zh) | 2022-02-08 |
Family
ID=65417582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810984201.8A Active CN109389147B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进PHash算法的图像相似判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109389147B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008105343A1 (ja) * | 2007-02-28 | 2008-09-04 | Nec Corporation | メッセージ認証装置 |
CN101710334A (zh) * | 2009-12-04 | 2010-05-19 | 大连理工大学 | 基于图像哈希的大规模图像库检索方法 |
CN102651074A (zh) * | 2012-02-22 | 2012-08-29 | 大连理工大学 | 一种基于纹理特征的打印纸张同一认定方法 |
US8676725B1 (en) * | 2009-06-05 | 2014-03-18 | Google Inc. | Method and system for entropy-based semantic hashing |
CN103699691A (zh) * | 2014-01-10 | 2014-04-02 | 五八同城信息技术有限公司 | 生成图像指纹及基于此进行相似图像检索的方法 |
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 |
CN104317902A (zh) * | 2014-10-24 | 2015-01-28 | 西安电子科技大学 | 基于局部保持迭代量化哈希的图像检索方法 |
CN104504120A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇艺世纪科技有限公司 | 一种相似图片检测方法及装置 |
CN107911601A (zh) * | 2017-11-21 | 2018-04-13 | 深圳市欧信计算机通信科技有限公司 | 一种拍照时智能推荐拍照表情和拍照姿势的方法及其系统 |
CN108256082A (zh) * | 2018-01-22 | 2018-07-06 | 北京邮电大学 | 一种基于深度多相似度哈希的多标签图像检索方法 |
CN108389259A (zh) * | 2018-03-13 | 2018-08-10 | 武汉大学 | 一种随机中心聚集图像网目调方法和系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6996273B2 (en) * | 2001-04-24 | 2006-02-07 | Microsoft Corporation | Robust recognizer of perceptually similar content |
US9094715B2 (en) * | 2009-05-29 | 2015-07-28 | Cognitive Networks, Inc. | Systems and methods for multi-broadcast differentiation |
US9009149B2 (en) * | 2011-12-06 | 2015-04-14 | The Trustees Of Columbia University In The City Of New York | Systems and methods for mobile search using Bag of Hash Bits and boundary reranking |
US9628805B2 (en) * | 2014-05-20 | 2017-04-18 | AVAST Software s.r.o. | Tunable multi-part perceptual image hashing |
CN106464921B (zh) * | 2014-06-19 | 2019-10-15 | Vid拓展公司 | 用于块内复制搜索增强的方法和系统 |
-
2018
- 2018-08-28 CN CN201810984201.8A patent/CN109389147B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008105343A1 (ja) * | 2007-02-28 | 2008-09-04 | Nec Corporation | メッセージ認証装置 |
US8676725B1 (en) * | 2009-06-05 | 2014-03-18 | Google Inc. | Method and system for entropy-based semantic hashing |
CN101710334A (zh) * | 2009-12-04 | 2010-05-19 | 大连理工大学 | 基于图像哈希的大规模图像库检索方法 |
CN102651074A (zh) * | 2012-02-22 | 2012-08-29 | 大连理工大学 | 一种基于纹理特征的打印纸张同一认定方法 |
CN103699691A (zh) * | 2014-01-10 | 2014-04-02 | 五八同城信息技术有限公司 | 生成图像指纹及基于此进行相似图像检索的方法 |
CN104317902A (zh) * | 2014-10-24 | 2015-01-28 | 西安电子科技大学 | 基于局部保持迭代量化哈希的图像检索方法 |
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 |
CN104504120A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇艺世纪科技有限公司 | 一种相似图片检测方法及装置 |
CN107911601A (zh) * | 2017-11-21 | 2018-04-13 | 深圳市欧信计算机通信科技有限公司 | 一种拍照时智能推荐拍照表情和拍照姿势的方法及其系统 |
CN108256082A (zh) * | 2018-01-22 | 2018-07-06 | 北京邮电大学 | 一种基于深度多相似度哈希的多标签图像检索方法 |
CN108389259A (zh) * | 2018-03-13 | 2018-08-10 | 武汉大学 | 一种随机中心聚集图像网目调方法和系统 |
Non-Patent Citations (1)
Title |
---|
基于离散监督哈希的相似性检索算法;曹路等;《科学技术与工程》;20170930;第17卷(第26期);第245-250页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109389147A (zh) | 2019-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6440303B2 (ja) | 対象認識装置、対象認識方法、およびプログラム | |
CN105809651B (zh) | 基于边缘非相似性对比的图像显著性检测方法 | |
CN111723721A (zh) | 基于rgb-d的三维目标检测方法、系统及装置 | |
CN110490913B (zh) | 基于角点与单线段编组的特征描述算子进行影像匹配方法 | |
CN111160291B (zh) | 基于深度信息与cnn的人眼检测方法 | |
CN109671110B (zh) | 一种局部几何结构约束的城区宽基线影像特征点匹配方法 | |
CN107862735B (zh) | 一种基于结构信息的rgbd三维场景重建方法 | |
Cui et al. | Efficient large-scale structure from motion by fusing auxiliary imaging information | |
CN110298227B (zh) | 一种基于深度学习的无人机航拍图像中的车辆检测方法 | |
CN112883850B (zh) | 一种基于卷积神经网络的多视角空天遥感图像匹配方法 | |
JP2013025799A (ja) | 画像検索方法、システム、及びプログラム | |
CN110443279B (zh) | 一种基于轻量级神经网络的无人机图像车辆检测方法 | |
CN110033514B (zh) | 一种基于点线特征快速融合的重建方法 | |
US11354883B2 (en) | Image processing method and apparatus, and electronic device | |
TW201516969A (zh) | 視訊物件追蹤方法 | |
CN109920050B (zh) | 一种基于深度学习和薄板样条的单视图三维火焰重建方法 | |
CN105184308B (zh) | 一种基于全局优化决策的遥感图像建筑物检测分类方法 | |
CN109191501B (zh) | 一种多源高空间分辨率影像的自动几何配准方法 | |
WO2019041447A1 (zh) | 一种3d视频帧特征点提取的方法及系统 | |
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 | |
CN110942102B (zh) | 一种概率松弛核线匹配方法及系统 | |
CN109389147B (zh) | 一种基于改进PHash算法的图像相似判定方法 | |
CN109314774B (zh) | 用于立体成像的系统和方法 | |
CN109389148B (zh) | 一种基于改进DHash算法的图像相似判定方法 | |
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 |
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 |