CN109389148B - 一种基于改进DHash算法的图像相似判定方法 - Google Patents
一种基于改进DHash算法的图像相似判定方法 Download PDFInfo
- Publication number
- CN109389148B CN109389148B CN201810984247.XA CN201810984247A CN109389148B CN 109389148 B CN109389148 B CN 109389148B CN 201810984247 A CN201810984247 A CN 201810984247A CN 109389148 B CN109389148 B CN 109389148B
- Authority
- CN
- China
- Prior art keywords
- image
- dhash
- images
- hamming distance
- algorithm
- 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DHash算法的图像相似判定方法,属于图像处理技术领域。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DHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于DHash的汉明距离,并取其最小值作为图像之间基于DHash的汉明距离;若基于DHash的汉明距离小于阈值,则判定为图像相似;若基于DHash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DHash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DHash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,就差异哈希算法(DHash)而言,其准确率及效率并不尽人意,一个主要原因就是差异哈希算法(DHash)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DHash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DHash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DHash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DHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于DHash的汉明距离,并取其最小值作为图像之间基于DHash的汉明距离;若基于DHash的汉明距离小于阈值,则判定为图像相似;若基于DHash的汉明距离大于阈值,则判定为图像不相似。
具体包括以下步骤:
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DHash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DHash的汉明距离Dis(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8×9;
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(3)选出其中最小值作为图像A、B之间基于DHash的汉明距离Dis(A,B);
Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8] (3)
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DHash算法对图像相似判定的灵活性和准确度。
附图说明
图1是本发明总流程示意图;
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DHash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DHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于DHash的汉明距离,并取其最小值作为图像之间基于DHash的汉明距离;若基于DHash 的汉明距离小于阈值,则判定为图像相似;若基于DHash的汉明距离大于阈值,则判定为图像不相似。
该方法具体包括以下步骤:
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DHash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DHash的汉明距离Dis(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8×9;
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(3)选出其中最小值作为图像A、B之间基于DHash的汉明距离Dis(A,B);
Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8] (3)
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Step4.5中图像A″m、B″n之间基于DHash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(3)选出其中最小值作为图像A、B之间基于DHash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DHash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DHash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 (4)
1.一种基于改进DHash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DHash算法对图像进行Hash化,两两计算剪裁旋转图之间基于DHash的汉明距离,并取其最小值作为图像之间基于DHash的汉明距离;若基于DHash的汉明距离小于阈值,则判定为图像相似;若基于DHash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Bn′,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Bn″,n∈[1,8];
Step4:通过DHash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DHash的汉明距离Dis(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8×9;
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(3)选出其中最小值作为图像A、B之间基于DHash的汉明距离Dis(A,B);
Dis(A,B)=Min(Dis(A″m,B″n)),m∈[1,8],n∈[1,8] (3)
2.根据权利要求1所述的基于改进DHash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。
3.根据权利要求1所述的基于改进DHash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+…+8=36个汉明距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984247.XA CN109389148B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进DHash算法的图像相似判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984247.XA CN109389148B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进DHash算法的图像相似判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109389148A CN109389148A (zh) | 2019-02-26 |
CN109389148B true CN109389148B (zh) | 2021-11-23 |
Family
ID=65418411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810984247.XA Active CN109389148B (zh) | 2018-08-28 | 2018-08-28 | 一种基于改进DHash算法的图像相似判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109389148B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1342300A (zh) * | 1999-12-03 | 2002-03-27 | 三星电子株式会社 | 用频域中的伽柏滤波器的纹理描述方法和基于纹理的图像检索方法 |
US6895104B2 (en) * | 2001-02-16 | 2005-05-17 | Sac Technologies, Inc. | Image identification system |
CN1710596A (zh) * | 2005-06-16 | 2005-12-21 | 上海交通大学 | 基于机器视觉的计算机拼图自动识别方法 |
CN101052971A (zh) * | 2004-11-05 | 2007-10-10 | 惠普开发有限公司 | 利用图像的旋转变体进行对象检测 |
CN101789076A (zh) * | 2010-01-27 | 2010-07-28 | 哈尔滨工程大学 | 一种提取相位及方向特征的手指静脉识别方法 |
CN102136063A (zh) * | 2011-03-15 | 2011-07-27 | 西安电子科技大学 | 基于泽尼克矩的快速图像比对方法 |
CN105205820A (zh) * | 2015-09-21 | 2015-12-30 | 昆明理工大学 | 一种改进的特征相似性图像质量评估方法 |
CN105868816A (zh) * | 2016-04-08 | 2016-08-17 | 江苏木盟智能科技有限公司 | 标签图像生成方法和装置 |
CN105975950A (zh) * | 2016-05-27 | 2016-09-28 | 国创科视科技股份有限公司 | 一种三维手指静脉相似性快速比对方法 |
CN107103270A (zh) * | 2016-02-23 | 2017-08-29 | 云智视像科技(上海)有限公司 | 一种基于idf的动态计算分块加权系数的人脸识别系统 |
CN108241645A (zh) * | 2016-12-23 | 2018-07-03 | 腾讯科技(深圳)有限公司 | 图像处理方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101536035B (zh) * | 2006-08-31 | 2012-09-26 | 公立大学法人大阪府立大学 | 图像识别方法、以及图像识别装置 |
-
2018
- 2018-08-28 CN CN201810984247.XA patent/CN109389148B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1342300A (zh) * | 1999-12-03 | 2002-03-27 | 三星电子株式会社 | 用频域中的伽柏滤波器的纹理描述方法和基于纹理的图像检索方法 |
US6895104B2 (en) * | 2001-02-16 | 2005-05-17 | Sac Technologies, Inc. | Image identification system |
CN101052971A (zh) * | 2004-11-05 | 2007-10-10 | 惠普开发有限公司 | 利用图像的旋转变体进行对象检测 |
CN1710596A (zh) * | 2005-06-16 | 2005-12-21 | 上海交通大学 | 基于机器视觉的计算机拼图自动识别方法 |
CN101789076A (zh) * | 2010-01-27 | 2010-07-28 | 哈尔滨工程大学 | 一种提取相位及方向特征的手指静脉识别方法 |
CN102136063A (zh) * | 2011-03-15 | 2011-07-27 | 西安电子科技大学 | 基于泽尼克矩的快速图像比对方法 |
CN105205820A (zh) * | 2015-09-21 | 2015-12-30 | 昆明理工大学 | 一种改进的特征相似性图像质量评估方法 |
CN107103270A (zh) * | 2016-02-23 | 2017-08-29 | 云智视像科技(上海)有限公司 | 一种基于idf的动态计算分块加权系数的人脸识别系统 |
CN105868816A (zh) * | 2016-04-08 | 2016-08-17 | 江苏木盟智能科技有限公司 | 标签图像生成方法和装置 |
CN105975950A (zh) * | 2016-05-27 | 2016-09-28 | 国创科视科技股份有限公司 | 一种三维手指静脉相似性快速比对方法 |
CN108241645A (zh) * | 2016-12-23 | 2018-07-03 | 腾讯科技(深圳)有限公司 | 图像处理方法及装置 |
Non-Patent Citations (5)
Title |
---|
Image similarity for rotation invariants image retrieval system;Kavutse Vianney Augustine 等;《2009 International Conference on Multimedia Computing and Systems》;20090922;第133-137页 * |
基于哈希的图像相似度算法比较研究;黄嘉恒 等;《大理大学学报》;20171231;第2卷(第12期);第32-37页 * |
基于图像哈希的大规模图像检索方法研究;付海燕;《万方数据库》;20141028;第1-109页 * |
基于纹理合成的数字图像修复技术研究;黄淑兵;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130115;第2013年卷(第1期);I138-1459 * |
抗旋转变换的图像哈希算法;黄丽艳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20141015;第2014年卷(第10期);I138-1115 * |
Also Published As
Publication number | Publication date |
---|---|
CN109389148A (zh) | 2019-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793712B (zh) | 一种基于边缘几何特征的图像识别方法及系统 | |
TWI497450B (zh) | 視訊物件追蹤方法 | |
CN105809651B (zh) | 基于边缘非相似性对比的图像显著性检测方法 | |
Cui et al. | Efficient large-scale structure from motion by fusing auxiliary imaging information | |
CN111160291B (zh) | 基于深度信息与cnn的人眼检测方法 | |
CN113269094B (zh) | 基于特征提取算法和关键帧的激光slam系统及方法 | |
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 | |
CN104463199A (zh) | 基于多特征及分割再校正的矿岩块度分类方法 | |
JP5833507B2 (ja) | 画像処理装置 | |
CN103337077A (zh) | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 | |
CN110580705B (zh) | 一种基于双域图信号滤波检测建筑物边缘点的方法 | |
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 | |
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 | |
WO2023226654A1 (zh) | 一种目标物单体化方法、装置、设备及存储介质 | |
CN106886988B (zh) | 一种基于无人机遥感的线性目标检测方法及系统 | |
CN107292899B (zh) | 一种针对二维激光扫描仪的角点特征提取方法 | |
CN113538474B (zh) | 基于边缘特征融合的3d点云分割目标检测系统 | |
CN109389148B (zh) | 一种基于改进DHash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 | |
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 | |
CN109389147B (zh) | 一种基于改进PHash算法的图像相似判定方法 | |
CN117351078A (zh) | 基于形状先验的目标尺寸与6d姿态估计方法 | |
CN104050673A (zh) | 一种基于K-means图像分割的深度图提取方法 | |
CN109145994B (zh) | 一种基于改进颜色方差算法的图像相似判定方法 |
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 |