CN112836688B - 瓦片图像的特征提取方法、装置、电子设备及存储介质 - Google Patents
瓦片图像的特征提取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112836688B CN112836688B CN202110325674.9A CN202110325674A CN112836688B CN 112836688 B CN112836688 B CN 112836688B CN 202110325674 A CN202110325674 A CN 202110325674A CN 112836688 B CN112836688 B CN 112836688B
- Authority
- CN
- China
- Prior art keywords
- tile
- tile image
- similarity
- image
- images
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种瓦片图像的特征提取方法、装置、电子设备及存储介质,其方法包括:获取瓦片图像集;感知哈希算法,计算瓦片图像集中瓦片图像的哈希码;从瓦片图像集中选取参照瓦片图像;根据参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定待测瓦片图像的第一相似度;待测瓦片图像为瓦片图像集中,除参照瓦片图像外的瓦片图像;通过直方图相似度算法,分别计算待测瓦片图像相对于参考瓦片图像的第二相似度;基于第一相似度和第二相似度,结合相似度值计算公式,得到待测瓦片图像的目标相似度。从而准确确定待测瓦片图像与参照瓦片图像之间的相似度,进而确定待测瓦片图像中所包含的地形地貌类型及其占比。
Description
技术领域
本发明属于图像识别领域,尤其涉及一种瓦片图像的特征提取方法、装置、电子设备及存储介质。
背景技术
随着多媒体技术和互联网技术的迅速发展,使用图像作为信息载体在工作中进行交流的现象已经越来越普遍,从而图像资源的管理效率也越来越被重视,传统的图像资源管理方法一般通过手动标记和索引图像,从而达到对图像资源管理的目的。
进一步地,对于瓦片图像资源,虽然传统的图像资源管理方法可以提取瓦片图中的所有地形类型,但并不能确定各种存在的地形地貌的占比。而不同地形地貌的占比是确定瓦片图像对应区域的鸟害风险等级和火灾风险等级划分等的依据。
因此,建立一种可以提取瓦片图像中存在的地形地貌占比的方法,从而完善瓦片图像的数据信息,具有十分重大的意义。
发明内容
本发明提供了一种瓦片图像的特征提取方法、装置、电子设备及存储介质,用于确定待测瓦片图像与参照瓦片图像之间的相似度,进而准确确定待测瓦片图像中所包含的地形地貌类型及其占比。
第一方面,本发明提供的一种瓦片图像的特征提取方法,包括:
获取预先设定等级的瓦片图像集;
通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码;
从所述瓦片图像集中选取参照瓦片图像;所述参照瓦片图像为地形地貌图像;
根据所述参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定所有所述待测瓦片图像的第一相似度;所述待测瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;
通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参考瓦片图像的第二相似度;
基于所有所述第一相似度和所述第二相似度,结合预先设定的相似度计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于确定待测瓦片图像是否存在与所述参照瓦片图像相同的地形地貌。
可选地,在通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码,包括:
计算所述瓦片图像集中所有瓦片图像的DCT均值和哈希值;
根据所述DCT均值和所述哈希值的大小关系,依次确定所述瓦片图像集中所有图片图像的哈希码。
可选地,计算所述瓦片图像集中所有瓦片图像的DCT均值和哈希值,包括:
将所述瓦片图像集中所有瓦片图像缩小至预先设定的尺寸;
对所有缩小后的瓦片图像转为灰度瓦片图像;
计算所有所述灰度瓦片图像的所述DCT均值和所述哈希值。
可选地,根据所述参照瓦片图像的哈希值和待测瓦片图像的哈希码,确定所有待测瓦片图像和所述参照瓦片图像的第一相似度,包括:
基于所述参照瓦片图像的哈希值和所述待测瓦片图像的哈希码大小关系,结合汉明距离计算公式,得到所有所述待测瓦片图像的汉明距离;
根据所有所述汉明距离,确定所有所述待测瓦片图像的第一相似度。
可选地,所通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参考瓦片图像的第二相似度,包括:
分别根据所述参照瓦片图像的图像数据和所述待测瓦片图像的图像数据,生成所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图;
基于所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图,结合巴氏系数公式,得到所述待测瓦片图像相对于所述参照瓦片图像的第二相似度。
可选地,所述相似度值计算公式具体为:
S=ω1S1+ω2S2
其中,S为目标相似度,S1为第一相似度,S2为第二相似度,ω1为第一权重值,ω2为第二权重值,其中,ω1+ω2=1。
第二方面,本发明还提供了一种瓦片图像的特征提取装置,所述装置包括:
获取模块,用于获取预先设定等级的瓦片图像集;
计算模块,用于通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码;
选取模块,用于从所述瓦片图像集中选取参照瓦片图像;
第一相似度确定模块,用于根据所述参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定所有所述待测瓦片图像的第一相似度;所述参照瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;
第二相似度确定模块,用于通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参考瓦片图像的第二相似度;
目标相似度确定模块,用于基于所有所述第一相似度和所述第二相似度,结合预先设定的相似度值计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于构建所述瓦片图像集对应的数据信息。
可选地,所述计算模块包括:
计算子模块,用于计算所述瓦片图像集中所有瓦片图像的DCT均值和哈希值;
哈希码确定子模块,用于根据所述DCT均值和所述哈希值的大小关系,依次确定所述瓦片图像集中所有图片图像的哈希码。
第三方面,本发明提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的所述方法中的步骤。
第四方面,本发明提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
从以上技术方案可以看出,本发明具有以下优点:
本发明提供了一种瓦片图像的特征提取方法、装置、设备及存储介质,通过获取预先设定等级的瓦片图像集;通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码;从所述瓦片图像集中选取参照瓦片图像;所述参照瓦片图像为地形地貌图像;根据所述参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定所有所述待测瓦片图像的第一相似度;所述待测瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参考瓦片图像的第二相似度;基于所有所述第一相似度和所述第二相似度,结合预先设定的相似度值计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于确定待测瓦片图像是否存在与所述参照瓦片图像相同的地形地貌。从而准确确定待测瓦片图像与参照瓦片图像之间的相似度,进而确定待测瓦片图像中所包含的地形地貌类型及其占比。
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,下面将对实施例或现有技术描述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性的前提下,还可以根据这些附图获得其它的附图;
图1为本发明的一种瓦片图像的特征提取方法实施例一的步骤流程图;
图2为本发明的一种瓦片图像的特征提取方法实施例二的步骤流程图;
图3为本发明的一种瓦片图像的特征提取装置实施例的结构框图。
具体实施方式
本发明实施例提供了一种瓦片图像的特征提取方法、装置、电子设备及存储介质,用于确定待测瓦片图像与参照瓦片图像之间的相似度,进而准确确定待测瓦片图像中所包含的地形地貌类型及其占比。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
实施例一,请参阅图1,图1为本发明的一种瓦片图像的特征提取方法实施例一的步骤流程图,具体包括如下步骤:
S101,获取预先设定等级的瓦片图像集;
S102,通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码;
S103,从所述瓦片图像集中选取参照瓦片图像;所述参照瓦片图像为地形地貌图像;
S104,根据所述参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定所有所述待测瓦片图像的第一相似度;所述待测瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;
S105,通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参考瓦片图像的第二相似度;
S106,基于所有所述第一相似度和所述第二相似度,结合预先设定的相似度值计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于确定待测瓦片图像是否存在与所述参照瓦片图像相同的地形地貌。
本发明实施例提供了一种瓦片图像的特征提取方法,通过获取预先设定等级的瓦片图像集;通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码;从所述瓦片图像集中选取参照瓦片图像;所述参照瓦片图像为地形地貌图像;根据所述参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定所有所述待测瓦片图像的第一相似度;所述待测瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参考瓦片图像的第二相似度;基于所有所述第一相似度和所述第二相似度,结合预先设定的相似度值计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于确定待测瓦片图像是否存在与所述参照瓦片图像相同的地形地貌。从而准确确定待测瓦片图像与参照瓦片图像之间的相似度,进而确定待测瓦片图像中所包含的地形地貌类型及其占比。
实施例二,请参阅图2,图2为本发明的一种瓦片图像的特征提取方法实施例二的步骤流程图,具体包括如下步骤:
S201,获取预先设定等级的瓦片图像集;
需要说明的是,瓦片是指将一定范围内的地图按照一定的尺寸和格式,按缩放级别或者比例尺,切成若干行和列的正方形栅格图片。瓦片图像集即由大量瓦片的图像形成的集合。
在本发明实施例中,获得的瓦片图像集中的瓦片级别为17,17级瓦片的图像较为清晰,各种底薪的颜色区分也较为明显,可以为后续的数据处理提供方便。
S202,计算所述瓦片图像集中所有瓦片图像的DCT均值和哈希值;
在一个可选实施例中,计算所述瓦片图像集中所有瓦片图像的DCT均值和哈希值,包括:
将所述瓦片图像集中所有瓦片图像缩小至预先设定的尺寸;
对所有缩小后的瓦片图像转为灰度瓦片图像;
计算所有所述灰度瓦片图像的所述DCT均值和所述哈希值。
在具体实现中,首先将瓦片图像集中所有瓦片图像缩小为32*32,这样做的目的通过只保留瓦片图像的结构信息和明暗信息,从而简化DCT均值的计算过程,去除所有瓦片图像的图片尺寸差异和图片比例差异;然后对图片进行灰度化处理,进一步简化DCT均值的计算过程;继而计算图像的DCT变换,得到32*32变换系数矩阵,保留矩阵左上角8*8系数子矩阵,计算出8*8子矩阵中系数的均值,即DCT均值,其计算过程如下所示:
其中,f(i,j)为8*8像素值矩阵中的i行j列的像素值,(u,v)为8*8频率系数矩阵中的离散频率变量,f为8*8图像像素矩阵,F(u,v)为DCT均值,C为余弦系数矩阵。
最后,按照从左到右、从上到下顺序遍历8*8子矩阵,得到所有瓦片图像的哈希值。
S203,根据所述DCT均值和所述哈希值的大小关系,依次确定所述瓦片图像集中所有图片图像的哈希码;
在具体实现中,依据哈希规则,将其设置成0或1的64位哈希值,大于等于DCT均值的设为1,小于DCT均值的设为0。组合在一起构成64位整数,即为这张图片的哈希码。其中,哈希规则如下:
其中,x为DCT变换系数,h(x)为哈希码,m为哈希值。
S204,从所述瓦片图像集中选取参照瓦片图像;所述参照瓦片图像为地形地貌图像;
在本发明是实例中,从瓦片图像集中选取四个地形地貌相关的瓦片图作为参照瓦片图像,其中四个地形地貌包括:森林、河流、居住地和农田这四种地形地貌类型。
S205,基于所述参照瓦片图像的哈希值和所述待测瓦片图像的哈希码大小关系,结合汉明距离计算公式,得到所有待测瓦片图像的汉明距离;所述待测瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;
具体地,汉明距离公式如下所示:
其中,代表模2加运算,其中x=(x1,x2,…,xl),表示对象x,在本发明中表示参照瓦片图像,y=(y1,y2,…,yl),表示对象y,在本发明中表示待测瓦片图像,l为哈希码长度。D(x,y)为参照图片与待测图片的汉明距离,具体表示两字节码在相同位置上不同码符号的数目的总和,能够反映两码字之间的差异,进而提供码字之间的相似程度的客观依据,汉明距离越大,两码字的相似度越低。
S206,根据所有所述汉明距离,确定所有所述待测瓦片图像的第一相似度;
在具体实现中,使用汉明距离计算每张瓦片图与对比图片的相似度大小,作为第一相似度,第一相似度计算公式为:
其中,x为参照瓦片图像,y为待测瓦片图像,sim(x,y)∈[0,1],为m×n阶的x与y的相似度。
S207,分别根据所述参照瓦片图像的图像数据和所述待测瓦片图像的图像数据,生成所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图;
在具体实现中,对所有瓦片图像进行均衡化处理:根据瓦片图像的颜色数据生成颜色直方图,即RGB直方图,由于R、G、B每个颜色值的范围为0~255,将其分为16等份,则每一等份值范围为16。
S208,基于所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图,结合巴氏系数公式,得到所述待测瓦片图像相对于所述参照瓦片图像的第二相似度;
具体地,巴氏系统公式为:
其中,p、p’分别代表参照瓦片图像与待测瓦片图像的直方图数据,i代表颜色份数,范围为1~16,ρ(p,p’)为待测瓦片图像的第二相似度,范围在0到1之间,1代表完全相同,0代表完全不同。
S209,基于所有所述第一相似度所述第二相似度,结合预先设定的相似度计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于确定待测瓦片图像是否存在与所述参照瓦片图像相同的地形地貌;所述相似度计算公式具体为:
S=ω1S1+ω2S2
其中,S为目标相似度,S1为第一相似度,S2为第二相似度,ω1为第一权重值,ω2为第二权重值,其中,ω1+ω2=1。
在本发明实施例中,假设待测瓦片图像利用汉明距离公式计算出待测瓦片图像与分别包含四种地形地貌类型的四张参照瓦片图像计算,得到相似度为P1(A1,B1,C1,D1);假设RGB值为(14,68,221),进行16等分之后,它对应直方图索引值分别为:(0,4,13),运用巴氏系数算法,计算出待测瓦片图像与分别包含四种地形地貌类型的四张参照瓦片图像的相似度为P2(A2,B2,C2,D2);假设第一权重值为0.4,第二权重值为0.6,则可以获得所述待测瓦片图像的目标相似度,分别为:与森林地形相似度:0.4A1+0.6A2,与河流地形相似度:0.4A2+0.6A2,与居住地地形相似度:0.4A3+0.6A3,以及与农田地形相似度:0.4A4+0.6A4,从而明确待测瓦片图像所包含的地形地貌特征。
本发明实施例提供了一种瓦片图像的特征提取方法,通过获取预先设定等级的瓦片图像集;通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码;从所述瓦片图像集中选取参照瓦片图像;所述参照瓦片图像为地形地貌图像;根据所述参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定所有所述待测瓦片图像的第一相似度;所述待测瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参考瓦片图像的第二相似度;基于所有所述第一相似度和所述第二相似度,结合预先设定的相似度值计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于确定待测瓦片图像是否存在与所述参照瓦片图像相同的地形地貌。从而准确确定待测瓦片图像与参照瓦片图像之间的相似度,进而确定待测瓦片图像中所包含的地形地貌类型及其占比。
请参阅图3,示出了一种瓦片图像的特征提取装置实施例的结构框图,包括:
获取模块101,用于获取预先设定等级的瓦片图像集;
计算模块102,用于通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码;
选取模块103,用于从所述瓦片图像集中选取参照瓦片图像;
第一相似度确定模块104,用于根据所述参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定所有所述待测瓦片图像的第一相似度;所述参照瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;
第二相似度确定模块105,用于通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参考瓦片图像的第二相似度;
目标相似度确定模块106,用于基于所有所述第一相似度和所述第二相似度,结合预先设定的相似度值计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于构建所述瓦片图像集对应的数据信息。
在一个可选实施例中,所述计算模块102包括:
计算子模块,用于计算所述瓦片图像集中所有瓦片图像的DCT均值和哈希值;
哈希码确定子模块,用于根据所述DCT均值和所述哈希值的大小关系,依次确定所述瓦片图像集中所有图片图像的哈希码。
在一个可选实施例中,所述计算子模块包括:
缩小单元,用于将所述瓦片图像集中所有瓦片图像缩小至预先设定的尺寸;
转换单元,用于对所有缩小后的瓦片图像转为灰度瓦片图像;
计算单元,用于计算所有所述灰度瓦片图像的所述DCT均值和所述哈希值。
在一个可选实施例中,所述第一相似度确定模块104包括:
汉明距离确定子模块,用于基于所述参照瓦片图像的哈希值和所述待测瓦片图像的哈希码大小关系,结合汉明距离计算公式,得到所有所述待测瓦片图像的汉明距离;
第一相似度确定子模块,用于根据所有所述汉明距离,确定所有所述待测瓦片图像的第一相似度。
在一个可选实施例中,所述第二相似度确定模块105包括:
颜色直方图生成子模块,用于分别根据所述参照瓦片图像的图像数据和所述待测瓦片图像的图像数据,生成所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图;
第二相似度确定子模块,用于基于所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图,结合巴氏系数公式,得到所述待测瓦片图像相对于所述参照瓦片图像的第二相似度。
在一个可选实施例中,所述相似度值计算公式具体为:
S=ω1S1+ω2S2
其中,S为目标相似度,S1为第一相似度,S2为第二相似度,ω1为第一权重值,ω2为第二权重值,其中,ω1+ω2=1。
本发明实施例还提供了一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述任一实施例所述的瓦片图像的特征提取方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现如上述任一实施例所述的瓦片图像的特征提取方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (4)
1.一种瓦片图像的特征提取方法,其特征在于,包括:
获取预先设定等级的瓦片图像集;
通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码,具体的:
将所述瓦片图像集中所有瓦片图像缩小至预先设定的尺寸;
对所有缩小后的瓦片图像转为灰度瓦片图像;
计算所有所述灰度瓦片图像的DCT均值和哈希值;
根据所述DCT均值和所述哈希值的大小关系,依次确定所述瓦片图像集中所有图片图像的哈希码;
其中,所述DCT均值的计算方式如下:
将瓦片图像集中所有瓦片图像缩小为32*32,保留瓦片图像的结构信息和明暗信息,去除所有瓦片图像的图片尺寸差异和图片比例差异;对图片进行灰度化处理;计算图像的DCT变换,得到32*32变换系数矩阵,保留矩阵左上角8*8系数子矩阵,计算出8*8子矩阵中系数的DCT均值,计算公式具体为:
;
式中,为8*8像素值矩阵中的i行j列的像素值,/>为8*8频率系数矩阵中的离散频率变量,/>为8*8图像像素矩阵,/>为DCT均值,C为余弦系数矩阵;
从所述瓦片图像集中选取参照瓦片图像;所述参照瓦片图像为地形地貌图像;
根据所述参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定所有所述待测瓦片图像的第一相似度,具体的:
基于所述参照瓦片图像的哈希值和所述待测瓦片图像的哈希码大小关系,结合汉明距离计算公式,得到所有所述待测瓦片图像的汉明距离;
根据所有所述汉明距离,确定所有所述待测瓦片图像的第一相似度;
其中,所述待测瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;
通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参照瓦片图像的第二相似度,具体的:
分别根据所述参照瓦片图像的图像数据和所述待测瓦片图像的图像数据,生成所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图;
基于所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图,结合巴氏系数公式,得到所述待测瓦片图像相对于所述参照瓦片图像的第二相似度;
基于所有所述第一相似度和所述第二相似度,结合预先设定的相似度计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于确定待测瓦片图像是否存在与所述参照瓦片图像相同的地形地貌;
所述相似度计算公式具体为:
;
其中,S为目标相似度,S1为第一相似度,S2为第二相似度,为第一权重值,/>为第二权重值,其中,/>。
2.一种瓦片图像的特征提取装置,其特征在于,包括:
获取模块,用于获取预先设定等级的瓦片图像集;
计算模块,用于通过感知哈希算法,计算所述瓦片图像集中所有瓦片图像的哈希码;所述计算模块包括:计算子模块和哈希码确定子模块;
所述计算子模块,用于计算所述瓦片图像集中所有瓦片图像的DCT均值和哈希值,具体的:
将所述瓦片图像集中所有瓦片图像缩小至预先设定的尺寸;
对所有缩小后的瓦片图像转为灰度瓦片图像;
计算所有所述灰度瓦片图像的所述DCT均值和所述哈希值;
所述哈希码确定子模块,用于根据所述DCT均值和所述哈希值的大小关系,依次确定所述瓦片图像集中所有图片图像的哈希码;
其中,所述DCT均值的计算方式如下:
将瓦片图像集中所有瓦片图像缩小为32*32,保留瓦片图像的结构信息和明暗信息,去除所有瓦片图像的图片尺寸差异和图片比例差异;对图片进行灰度化处理;计算图像的DCT变换,得到32*32变换系数矩阵,保留矩阵左上角8*8系数子矩阵,计算出8*8子矩阵中系数的DCT均值,计算公式具体为:
;
式中,为8*8像素值矩阵中的i行j列的像素值,/>为8*8频率系数矩阵中的离散频率变量,/>为8*8图像像素矩阵,/>为DCT均值,C为余弦系数矩阵;
选取模块,用于从所述瓦片图像集中选取参照瓦片图像;
第一相似度确定模块,用于根据所述参照瓦片图像的哈希码和待测瓦片图像的哈希码大小关系,确定所有所述待测瓦片图像的第一相似度,具体的:
基于所述参照瓦片图像的哈希值和所述待测瓦片图像的哈希码大小关系,结合汉明距离计算公式,得到所有所述待测瓦片图像的汉明距离;
根据所有所述汉明距离,确定所有所述待测瓦片图像的第一相似度;
其中,所述参照瓦片图像为所述瓦片图像集中,除参照瓦片图像外的所有瓦片图像;
第二相似度确定模块,用于通过直方图相似度算法,分别计算所有所述待测瓦片图像相对于所述参照瓦片图像的第二相似度,具体的:
分别根据所述参照瓦片图像的图像数据和所述待测瓦片图像的图像数据,生成所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图;
基于所述参照瓦片图像的颜色直方图和每个所述待测瓦片图像对应的颜色直方图,结合巴氏系数公式,得到所述待测瓦片图像相对于所述参照瓦片图像的第二相似度;
目标相似度确定模块,用于基于所有所述第一相似度和第二相似度,结合预先设定的相似度计算公式,得到所有所述待测瓦片图像的目标相似度;所述目标相似度用于构建所述瓦片图像集对应的数据信息;
所述相似度计算公式具体为:
;
其中,S为目标相似度,S1为第一相似度,S2为第二相似度,为第一权重值,/>为第二权重值,其中,/>。
3.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1所述的方法。
4.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110325674.9A CN112836688B (zh) | 2021-03-26 | 2021-03-26 | 瓦片图像的特征提取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110325674.9A CN112836688B (zh) | 2021-03-26 | 2021-03-26 | 瓦片图像的特征提取方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836688A CN112836688A (zh) | 2021-05-25 |
CN112836688B true CN112836688B (zh) | 2023-09-26 |
Family
ID=75930574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110325674.9A Active CN112836688B (zh) | 2021-03-26 | 2021-03-26 | 瓦片图像的特征提取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836688B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241484B (zh) * | 2022-02-23 | 2022-07-08 | 北京嘉沐安科技有限公司 | 一种面向社交网络的图像大数据精准检索方法及系统 |
CN117812440B (zh) * | 2024-02-28 | 2024-06-04 | 南昌理工学院 | 一种监控视频摘要生成方法、系统、计算机及存储介质 |
CN117972010B (zh) * | 2024-04-01 | 2024-08-02 | 中国电子科技集团公司第十五研究所 | 基于影像识别的地貌自动量化方法、服务器及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650829A (zh) * | 2017-01-04 | 2017-05-10 | 华南理工大学 | 一种图片相似度计算方法 |
KR20200009887A (ko) * | 2018-07-20 | 2020-01-30 | 신수연 | 디바이스에서 실시간 이미지 유사성을 결정하는 방법 및 시스템 |
WO2020119144A1 (zh) * | 2018-12-10 | 2020-06-18 | 厦门市美亚柏科信息股份有限公司 | 一种图像相似度计算方法、装置、存储介质 |
CN111506750A (zh) * | 2020-06-15 | 2020-08-07 | 北京金山云网络技术有限公司 | 图片检索方法、装置及电子设备 |
CN111832484A (zh) * | 2020-07-14 | 2020-10-27 | 星际(重庆)智能装备技术研究院有限公司 | 一种基于卷积感知哈希算法的回环检测方法 |
-
2021
- 2021-03-26 CN CN202110325674.9A patent/CN112836688B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650829A (zh) * | 2017-01-04 | 2017-05-10 | 华南理工大学 | 一种图片相似度计算方法 |
KR20200009887A (ko) * | 2018-07-20 | 2020-01-30 | 신수연 | 디바이스에서 실시간 이미지 유사성을 결정하는 방법 및 시스템 |
WO2020119144A1 (zh) * | 2018-12-10 | 2020-06-18 | 厦门市美亚柏科信息股份有限公司 | 一种图像相似度计算方法、装置、存储介质 |
CN111506750A (zh) * | 2020-06-15 | 2020-08-07 | 北京金山云网络技术有限公司 | 图片检索方法、装置及电子设备 |
CN111832484A (zh) * | 2020-07-14 | 2020-10-27 | 星际(重庆)智能装备技术研究院有限公司 | 一种基于卷积感知哈希算法的回环检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112836688A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112836688B (zh) | 瓦片图像的特征提取方法、装置、电子设备及存储介质 | |
JP5261501B2 (ja) | 不変の視覚場面及び物体の認識 | |
CN102509099B (zh) | 一种图像显著区域检测方法 | |
CN110766708B (zh) | 基于轮廓相似度的图像比较方法 | |
JP2006338313A (ja) | 類似画像検索方法,類似画像検索システム,類似画像検索プログラム及び記録媒体 | |
Chen et al. | Difference-expansion based reversible and visible image watermarking scheme | |
CN108509564B (zh) | 基于印章印文扫描的电子档案归档和查询服务系统及方法 | |
CN113240111A (zh) | 基于离散余弦变换通道重要性得分的剪枝方法 | |
CN110209863B (zh) | 用于相似图片检索的方法与设备 | |
CN114943754A (zh) | 一种基于sift的图像配准方法、系统及存储介质 | |
CN105303538A (zh) | 一种基于nsct和pca的高斯噪声方差估计方法 | |
CN109145918B (zh) | 图像分割标注方法及设备 | |
Mosleh et al. | Texture image retrieval using contourlet transform | |
CN109657084A (zh) | 一种基于图像处理的图书检索方法 | |
CN112419407B (zh) | 基于云团边缘识别的云团位移矢量计算方法及装置 | |
JP2004318365A (ja) | 画像検索システム、画像検索方法およびそのプログラム | |
CN111105453A (zh) | 一种获取视差图的方法 | |
CN112861874B (zh) | 一种基于多滤波器去噪结果的专家场去噪方法及系统 | |
CN112270693B (zh) | 一种飞行时间深度相机运动伪差检测方法和装置 | |
CN109670072B (zh) | 一种基于间隔提取的商标相似度比较方法 | |
CN102495843A (zh) | 一种基于局部特征的显著区域检测算法 | |
WO2016014105A1 (en) | Systems and methods for selecting ink colors | |
Lee et al. | Image retrieval by region of interest motif co-occurence matrix | |
CN111723868B (zh) | 用于去除同源图片的方法、装置及服务器 | |
CN113222814B (zh) | 图像的分辨率处理方法、装置、设备及存储介质 |
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 |