CN114529742A - 图像相似度确定方法、装置、设备及计算机可读存储介质 - Google Patents
图像相似度确定方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114529742A CN114529742A CN202011324535.6A CN202011324535A CN114529742A CN 114529742 A CN114529742 A CN 114529742A CN 202011324535 A CN202011324535 A CN 202011324535A CN 114529742 A CN114529742 A CN 114529742A
- Authority
- CN
- China
- Prior art keywords
- compared
- image
- similarity
- images
- fingerprint
- 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
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)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例涉及图像处理技术领域,公开了一种图像相似度确定方法、装置、设备以及计算机可读存储介质,该方法包括:获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理;分别确定各个所述待对比图像的指纹特征和纹理特征;根据所述指纹特征计算所述待对比图像之间的指纹相似度;根据所述纹理特征计算所述待对比图像之间的纹理相似度;根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。通过上述方式,本发明实施例提高了确定图像相似度的准确率。
Description
技术领域
本发明实施例涉及图像处理技术领域,具体涉及一种图像相似度确定方法、装置、设备及计算机可读存储介质。
背景技术
目前在人脸识别、物体识别、图像内容检索、图像内容审查、目标检测跟踪等图像处理领域中,确定图像相似度都是很基础以及重要的步骤。
现有技术中对图像进行比较一般采用的是直方图、图像模板匹配、PSNR峰值信噪比、SSIM结构相似性或者感知哈希算法。
而上述现有方法分别存在以下的缺陷:直方图反应的是图像灰度值的概率分布,损失了图像的空间位置信息。图像模板匹配只能进行平行移动,若原图像中的匹配目标发生旋转或大小变化,该算法无效。PSNR峰值信噪比并未考虑到人眼的视觉特性,经常出现评价结果与人的主观感觉不一致的情况。SSIM结构相似性在影像出现位移、缩放、旋转等非结构性的失真时无法有效识别。感知哈希算法如果在图片上加一些文字等字符,汉明距离就会很大导致辨认出错。因此这些缺陷都导致现有技术在确定图像相似度时精确率不高。
发明内容
鉴于上述问题,本发明实施例提供了一种图像相似度确定方法,用于解决现有技术中存在的图像相似度的比较上存在精确率不高的问题。
根据本发明实施例的一个方面,提供了一种图像相似度确定方法,所述方法包括:
获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理;
分别确定各个所述待对比图像的指纹特征和纹理特征;
根据所述指纹特征计算所述待对比图像之间的指纹相似度;
根据所述纹理特征计算所述待对比图像之间的纹理相似度;
根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。
在一种可选的方式中,所述方法还包括:
分别将各个所述待对比图像缩放为第一预设尺寸;
分别对各个所述待对比图像进行离散余弦变换,分别确定各个所述待对比图像的离散余弦变换系数平均值;
分别获取各个所述待对比图像中的各个像素点的灰度值,分别将所述各个像素点的灰度值与所述离散余弦变换系数平均值进行比较,得到各个所述待对比图像对应的比较结果;
分别确定所述比较结果对应的字符串作为各个所述待对比图像的指纹特征。
在一种可选的方式中,所述方法还包括:
分别确定所述至少两个待对比图像的指纹特征对应的矩阵形式作为所述至少两个待对比图像的指纹特征矩阵;
计算所述至少两个待对比图像的指纹特征矩阵的第一相关性;
根据所述第一相关性确定所述待对比图像的指纹相似度。
在一种可选的方式中,所述方法还包括:
分别将各个所述待对比图像缩放为第二预设尺寸;
分别对各个所述待对比图像进行锐化处理;
根据圆形局部二值模式算法分别提取各个所述待对比图像的纹理特征。
在一种可选的方式中,所述方法还包括:
分别将各个所述待对比图像划分为多个子图像区域;
分别确定每一个所述子图像区域对应的纹理特征直方图;
分别根据每一个所述待对比图像的各个子图像区域的纹理特征直方图确定每一个所述待对比图像对应的局部二值模式纹理特征直方图;
计算所述至少两个待对比图像的局部二值模式纹理特征直方图之间的第二相关性;
根据所述第二相关性确定所述待对比图像的纹理相似度。
在一种可选的方式中,所述方法还包括:
分别获取各个所述待对比图像的原始尺寸信息;
根据所述至少两个待对比图像的原始尺寸信息确定尺寸比例系数;
分别获取各个所述待对比图像的比较权重系数;
根据所述尺寸比例系数、所述比较权重系数、所述指纹相似度和纹理相似度确定所述综合相似度。
在一种可选的方式中,所述原始尺寸信息包括所述待对比图像的原始长度、原始宽度,所述方法还包括:
根据所述原始尺寸信息确定所述至少两个待对比图像的原始长度比、原始宽度比;
根据所述原始长度比、原始宽度比的比值确定所述尺寸比例系数。
在一种可选的方式中,所述方法还包括:
将所述待对比图像中灰度值大于或等于所述离散余弦变换系数平均值的像素点对应的字符值确定为第一预设数值,将所述待对比图像中灰度值小于所述离散余弦变换系数平均值的像素点对应字符值确定为第二预设数值;
将所述各个像素点对应的字符值依次组合,得到所述比较结果对应的字符串。
根据本发明实施例的另一方面,提供了一种图像相似度确定装置,包括:
图像获取模块,用于获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理;
特征确定模块,用于分别确定各个所述待对比图像的指纹特征和纹理特征;
第一相似度计算模块,用于根据所述指纹特征计算所述待对比图像之间的指纹相似度;
第二相似度计算模块,用于根据所述纹理特征计算所述待对比图像之间的纹理相似度;
第三相似度计算模块,用于根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。
根据本发明实施例的另一方面,提供了一种图像相似度确定设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述的图像相似度确定方法的操作。根据本发明实施例的又一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使图像相似度确定设备执行以下操作:
获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理;
分别确定各个所述待对比图像的指纹特征和纹理特征;
根据所述指纹特征计算所述待对比图像之间的指纹相似度;
根据所述纹理特征计算所述待对比图像之间的纹理相似度;
根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。
本发明实施例通过获取至少两个待对比图像,分别对各个待对比图像进行灰度化处理;然后分别确定各个待对比图像的指纹特征和纹理特征,其中指纹特征根据感知哈希算法得到,纹理特征根据局部二值模式算法得到;根据指纹特征计算待对比图像之间的指纹相似度;根据纹理特征计算待对比图像之间的纹理相似度;最后根据指纹相似度、纹理相似度确定待对比图像之间的综合相似度。
从而区别于现有技术中采取单一特征来进行图像相似度的确定所导致的精确度较低并且使用场景受限大的缺陷,本发明通过将指纹特征相似度以及纹理特征相似度结合起来确定图像间的综合相似度,从而在相似度比较中综合考虑了图像结构以及图像纹理,提高了图像相似度确定的准确率。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的图像相似度确定方法的流程示意图;
图2示出了本发明实施例提供的图像相似度确定装置的结构示意图;
图3示出了本发明实施例提供的图像相似度确定设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
图1示出了本发明实施例提供的图像相似度确定方法的流程图,该方法由计算机处理设备执行。具体的计算机处理设备可以包括手机、笔记本电脑等。如图1所示,该方法包括以下步骤:
步骤110:获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理。
在本发明的一个实施例中,可以是同时获取多张待对比图像,将待对比图像分别两两进行对比。
步骤120:分别确定各个所述待对比图像的指纹特征和纹理特征。
在本发明的一个实施例中,此处的指纹特征用于表征图像的结构和灰度分布信息。纹理特征是一种反映图像中同质现象的视觉特征,用于表征物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。纹理特征具有三大特点:某种局部序列性不断重复、非随机排列、纹理区域内大致为均匀的统一体。
不同于灰度、颜色等图像特征,纹理特征是通过像素及其周围空间邻域的灰度分布来表现,即局部纹理信息。纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计。
在本发明实施例中,可以根据感知哈希算法得到待对比图像的指纹特征,即每张图像对应生成的指纹字符串。通过比较不同图像的指纹字符串之间的相似度来作为图像之间的指纹特征的相似度。具体的,本发明实施例中提取指纹特征采取的是感知哈希算法中的增强型pHash哈希算法。在本发明实施例中,具体的纹理特征可以通过圆形局部二值算法进行提取。
圆形局部二值模式算法是对局部二值模式算法的改进。局部二值模式算法是将各个像素与其附近的像素进行比较,并把结果保存为二进制数。
在局部二值模式算法中,将检测窗口切分为包含一定数量的像素点的区块,例如,每个区块中包含3*3个像素点。对区块中的每个像素点,将它的灰度值与它的八个邻域像素点进行比较(邻域包括左上、左中、左下、右上等区域)。
然后,对于中心位置的像素点的灰度值大于某个邻域像素点的灰度值,将该领域像素点设置为1,否则,设置为0。从而获得了一个8位的二进制数,作为该区块的特征字符串。对每一个区块计算直方图,然后将所有区块的直方图串联串联起来,就得到了当前检测窗口的特征向量即纹理特征。
由于基本的局部二值模式算法只覆盖了一个固定半径范围内的小区域,不能满足不同尺寸和频率纹理的需要。因此,为了适应不同尺度的纹理特征,并达到灰度和旋转不变性的要求,对局部二值模式算法进行了改进得到了圆形局部二值模式算法。
在圆形局部二值模式算法中,将3*3邻域扩展到任意邻域,并用圆形邻域代替了正方形邻域,改进后的局部二值模式算法允许在半径为R的圆形邻域内有任意多个像素点。从而得到了诸如半径为R的圆形区域内含有P个采样点的局部二值模式算法,其中R与P为正整数。这样,获取基于整个图像整体灰度分布的结构性的指纹特征,以及基于一定区域内像素点的相互关系的非结构性的纹理特征,结合起来就可以提取出图像的全部特征。
具体的确定指纹特征可以包括步骤1201-1204。
步骤1201:分别将各个所述待对比图像缩放为第一预设尺寸。
在本发明实施例中,第一预设尺寸可以是长宽各包含8个像素点,即缩放后的待对比图像中包含8*8=64个像素点。这样处理是为了后续计算离散余弦变化系数更为简便。
步骤1202:分别对各个所述待对比图像进行离散余弦变换,分别确定各个所述待对比图像的离散余弦变换系数平均值。
对待对比图像进行离散余弦系数的计算,得到一个8*8的离散余弦变换系数矩阵,计算所述矩阵中64个元素的平均值作为离散余弦变换系数平均值。
步骤1203:分别获取各个所述待对比图像中的各个像素点的灰度值,分别将所述各个像素点的灰度值与所述离散余弦变换系数平均值进行比较,得到各个所述待对比图像对应的比较结果。
步骤1204:分别确定所述比较结果对应的字符串作为各个所述待对比图像的指纹特征。
为了计算的简便,可以将灰度值大于离散余弦变化系数平均值的像素点记为第一预设值,将灰度值小于离散余弦变化系数平均值的像素点记为第二预设值。
具体的步骤1204还至少包括步骤12041-步骤12042。
步骤12041:将所述待对比图像中灰度值大于或等于所述离散余弦变换系数平均值的像素点对应的字符值确定为第一预设数值,将所述待对比图像中灰度值小于所述离散余弦变换系数平均值的像素点对应字符值确定为第二预设数值。
在本发明的一个实施例中,第一预设数值可以为1,第二预设数值可以为0。这样后期计算指纹特征之间的相似度更加简便。
步骤12042:将所述各个像素点对应的字符值依次组合,得到所述比较结果对应的字符串。
即每一个待对比图像的指纹特征为一个64位的字符串。在前述第一预设尺寸为n*n时,每一个待对比图像的指纹特征即对应为一个n*n位的字符串,其中,n为不为0的自然数。
具体的确定纹理特征可以包括步骤1211-1213。
步骤1211:分别将各个所述待对比图像缩放为第二预设尺寸。
具体的,第二预设尺寸可以是128*128。
步骤1212:分别对各个所述待对比图像进行锐化处理。
进行锐化处理是为了增强图像的边缘及灰度跳变的部分,使待对比图像变得清晰,方便后续步骤中纹理特征的提取。
本发明实施例中,还可以对待对比图像的直方图做均衡化处理,从而提高待对比图像的对比度,使得各个区域的明暗特征更明显。
步骤1213:根据圆形局部二值模式算法分别提取各个所述待对比图像的纹理特征。
在圆形局部二值模式算法中,将3*3邻域扩展到任意邻域,并用圆形邻域代替了正方形邻域,改进后的圆形局部二值模式算法允许在半径为R的圆形邻域内有任意多个像素点,诸如半径为R的圆形区域内含有P个采样点的局部二值模式算法,其中R与P为正整数。在本发明的一个实施例中,在应用圆形局部二值模式算法时,可以将半径R设置为1,将邻域像素点数P设置为8。
步骤130:根据所述指纹特征计算所述待对比图像之间的指纹相似度。
其中,指纹特征是一串字符串,而如果通过计算字符串之间的汉明距离作为指纹相似度,这样会使得原本相同的两幅图像,由于一副图像在原图像基础上仅仅添加了文字、水印这样具有保护性或示意性内容时,由于这些内容的添加使得图像的对比度变大,导致字符串之间的汉明距离由于个别位置的像素点的变化而变得很大,从而影响了指纹特征相似度的准确性。因此,本发明实施例将指纹特征字符串改写成矩阵形式,并且根据矩阵相关性的计算公式来计算指纹特征矩阵之间的相似度,作为待对比图像之间的指纹相似度。具体地,计算指纹相似度的步骤130可以包括步骤1301-步骤1303。
步骤1301:分别确定所述至少两个待对比图像的指纹特征对应的矩阵形式作为所述至少两个待对比图像的指纹特征矩阵。
在本发明的一个实施例中,分别将每一个待对比图像的指纹特征对应的字符串按照预设位数进行切分转换为多个向量矩阵,从而形成待对比图像的指纹特征矩阵。
例如,预设位数可以是64位,对于一个待对比图像,其指纹特征所对应的字符串为128位,则将其转换为2个1*64的行向量矩阵,并将两个行向量矩阵进行组合,得到2*64的指纹特征矩阵。
步骤1302:计算所述至少两个待对比图像的指纹特征矩阵的第一相关性。
在本发明的一个具体的实施例中,计算第一相关性的过程可以是:首先分别确定两个待对比图像的指纹特征矩阵的各个元素的方差分别作为第一方差、第二方差,再计算两个待对比图像的指纹特征矩阵之间各个元素的协方差作为第一协方差,最后获取第一方差与第二方差的乘积,将第一方差与第二方差的乘积与第一协方差的比值作为第一相关性。
在本发明的一个可选的实施例中,可以通过调用OpenCV中的函数compareHist来进行第一相关性的计算。第一相关性的计算采取的是函数compareHist中的Correlation度量标准。
步骤1303:根据所述第一相关性确定所述待对比图像的指纹相似度。
根据步骤1302中的方法进行计算后,第一相关性的计算结果范围为-1到1。1表示两张待对比图像完全一样,即相似度为1,0则表示完全不相关,即相似度为0,而-1是负相关,即对原图像做了反色处理,两张待对比图像的图像内容是完全一样的。
此处取第一相关性的绝对值作为两幅待对比图像的指纹相似度,取值范围0到1,指纹相似度的值越大代表两幅待对比图像的指纹特征上的相似度越高。
本发明实施例中,通过将待对比图像转化为矩阵形式,整体考虑整幅图像的各个元素的方差,从而计算至少两幅待对比图像之间的指纹特征矩阵的相似度,克服了因为少量水印等内容造成的误差。
步骤140:根据所述纹理特征计算所述待对比图像之间的纹理相似度。
考虑到纹理特征是通过像素及其周围空间邻域的灰度分布来表现,即局部纹理信息,是一种区域性特征,需要在包含多个像素点的区域中进行统计计算。因此可以针对待对比图像的各个区域分别进行纹理特征的提取,随后再进行全局纹理特征的合并。
具体的步骤140可以至少包括步骤1401-步骤1405:
步骤1401:分别将各个所述待对比图像划分为多个子图像区域。
具体的,针对处理为128*128的待对比图像,可以将提取纹理特征划分成8*8个16*16的子图像区域。
步骤1402:分别确定每一个所述子图像区域对应的纹理特征直方图。
按照前述的圆形局部二值模式算法,每一个子图像区域对应的纹理特征直方图可以改写为一个1*256的向量。
步骤1403:分别根据每一个所述待对比图像的各个子图像区域的纹理特征直方图确定每一个所述待对比图像对应的局部二值模式纹理特征直方图。
具体地,将每一个子图像区域的纹理特征直方图对应的向量依次拼接组合起来,即连接8*8个子图像区域对应的纹理特征直方图得到空间增强的特征向量,该特征向量大小为1*(*256*8*8),该1*(*256*8*8)的特征向量即该待对比图像的局部二值模式纹理特征直方图。
步骤1404:计算所述至少两个待对比图像的局部二值模式纹理特征直方图之间的第二相关性。
类似于前述第一相关性的计算方式,计算第二相关性可以是首先分别确定两个待对比图像的纹理特征矩阵各个元素之间的方差作为第三方差、第四方差,再计算两个待对比图像的纹理特征矩阵各个元素之间的第二协方差,最后获取第三方差与第四方差的乘积,将第三方差与第四方差的乘积与第二协方差的比值作为第二相关性。
在本发明的一个可选的实施例中,可以通过调用OpenCV中的函数compareHist来进行第二相关性的计算。第二相关性的计算采取的是函数compareHist中的Correlation度量标准。
步骤1405:根据所述第二相关性确定所述待对比图像的纹理相似度。
第二相关性的计算结果范围为-1到1。1表示两张待对比图像完全一样,即相似度为1,0则表示完全不相关,即相似度为0。-1是负相关,即对原图像做了反色处理,图像内容是完全一样的。
此处取第二相关性的绝对值作为两幅待对比图像的纹理相似度,取值范围为0到1,纹理相似度的值越大代表两幅待对比图像的纹理特征上的相似度越高。
步骤150:根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。
其中,指纹特征相似度和纹理特征相似度对于图像整体相似度的影响是不同,因此在计算综合相似度时需要综合考虑图像的原始尺寸关系以及相似度的比较权重。指纹特征相似度和纹理特征相似度分别乘以对应的权重后相加的和,得到综合相似度。
对于只需要确认图像内容是否相似,而不考虑图像尺寸的影响的场景,如在安检场景下的人脸图像相似度比较等场景下,其只需要考虑图片内容是否相似,因此,可根据指纹特征相似度和纹理特征相似度分别乘以对应的权重后相加的和,所得到的综合相似度进行判断即可确定是否为同一人脸图像。
在本发明的一个实施例中,对于需要考虑图像尺寸因素的场景,如验证图片是否是同一张图片等场景,考虑到在缩放过程中,对图像尺寸和比例进行了改变,这些对图像相似度也存在影响。在不同的应用场景中,指纹特征相似度和纹理特征相似度对于图像整体相似度的影响是不同,因此在得到在计算综合相似度时需要综合考虑图像的原始尺寸关系以及指纹特征相似度和纹理特征相似度各自的比较权重,以得到综合相似度。也即:
综合相似度=原始尺寸关系*(纹理相似度*第一权重+指纹相似度*第二权重)。
第一权重指的是纹理相似度权重,第二权重指的是指纹相似度权重。第一权重和第二权重的值可以根据本领域技术人员的经验确定。
具体地,当考虑图像尺寸因素时,还包括步骤1501-1504:
步骤1501:分别获取各个所述待对比图像的原始尺寸信息。
原始尺寸信息即在缩放处理之前的尺寸信息。
步骤1502:根据所述至少两个待对比图像的原始尺寸信息确定尺寸比例系数。
这样做是为了忽略图像尺寸和比例等对相似度确定的影响。
可选的实施例中,步骤1502至少可以包括步骤15021-步骤15022。
步骤15021:根据所述原始尺寸信息确定所述至少两个待对比图像的原始长度比、原始宽度比。
步骤15022:根据所述原始长度比、原始宽度比的比值确定所述尺寸比例系数。
具体可以是将原始长度比、原始宽度比的比值作为所述尺寸比例系数。
步骤1503:分别获取各个所述待对比图像的比较权重系数。
具体的比较权重系数包括指纹特征权重和纹理特征权重,在一次比较过程中,指纹特征权重与纹理特征权重的和为1。
意即在某些应用场景下,指纹特征对于相似度的影响和判断权重要大于纹理特征,如在进行人脸识别等,而在另一些应用场景下,纹理特征对于相似度的影响和判断权重要大于指纹特征,如图像是否是去水印或者添加了马赛克等,因此需要针对不同的应用场景设置不同的比较权重系数,从而提高图像相似度确定的准确率。
步骤1504:根据所述尺寸比例系数、所述比较权重系数、所述指纹相似度和纹理相似度确定所述综合相似度。
举例说明,尺寸比例系数为1的情况下,比较权重系数为指纹特征比较权重0.6,纹理特征比较权重0.4。
两张待对比图像的指纹相似度、纹理相似度分别为0.7和0.6,则目标相似度的计算过程为:0.7*0.6+0.6**0.4=0.68。
图2示出了本发明实施例提供的图像相似度确定装置的结构示意图。如图2所示,该装置200包括:图像获取模块210、特征确定模块220、第一相似度计算模块230、第二相似度计算模块240和第三相似度计算模块250。
图像获取模块210,用于获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理。
特征确定模块220,用于分别确定各个所述待对比图像的指纹特征和纹理特征。
第一相似度计算模块230,用于根据所述指纹特征计算所述待对比图像之间的指纹相似度。
第二相似度计算模块240,用于根据所述纹理特征计算所述待对比图像之间的纹理相似度。
第三相似度计算模块250,用于根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。
在一种可选的方式中,特征确定模块220还用于:分别将各个所述待对比图像缩放为第一预设尺寸;
分别对各个所述待对比图像进行离散余弦变换,分别确定各个所述待对比图像的离散余弦变换系数平均值;
分别获取各个所述待对比图像中的各个像素点的灰度值,分别将所述各个像素点的灰度值与所述离散余弦变换系数平均值进行比较,得到各个所述待对比图像对应的比较结果;
分别确定所述比较结果对应的字符串作为各个所述待对比图像的指纹特征。
在一种可选的方式中,特征确定模块220还用于:分别将各个所述待对比图像缩放为第二预设尺寸;
分别对各个所述待对比图像进行锐化处理;
根据圆形局部二值模式算法分别提取各个所述待对比图像的纹理特征。
在一种可选的方式中,第一相似度计算模块230还用于:分别确定所述至少两个待对比图像的指纹特征对应的矩阵形式作为所述至少两个待对比图像的指纹特征矩阵;
计算所述至少两个待对比图像的指纹特征矩阵的第一相关性;
根据所述第一相关性确定所述待对比图像的指纹相似度。
在一种可选的方式中,第二相似度计算模块240还用于:分别将各个所述待对比图像划分为多个子图像区域;
分别确定每一个所述子图像区域对应的纹理特征直方图;
分别根据每一个所述待对比图像的各个子图像区域的纹理特征直方图确定每一个所述待对比图像对应的局部二值模式纹理特征直方图;
计算所述至少两个待对比图像的局部二值模式纹理特征直方图之间的第二相关性;
根据所述第二相关性确定所述待对比图像的纹理相似度。
在一种可选的方式中,第三相似度计算模块250还用于:分别获取各个所述待对比图像的原始尺寸信息;
根据所述至少两个待对比图像的原始尺寸信息确定尺寸比例系数;
分别获取各个所述待对比图像的比较权重系数;
根据所述尺寸比例系数、所述比较权重系数、所述指纹相似度和纹理相似度确定所述综合相似度。
在一种可选的方式中,特征确定模块220还用于:将所述待对比图像中灰度值大于或等于所述离散余弦变换系数平均值的像素点对应的字符值确定为第一预设数值,将所述待对比图像中灰度值小于所述离散余弦变换系数平均值的像素点对应字符值确定为第二预设数值;
将所述各个像素点对应的字符值依次组合,得到所述比较结果对应的字符串。
本发明实施例的图像相似度确定装置的具体工作过程与上述图像相似度确定方法的具体流程步骤相同,此处不再赘述。
本发明实施例的图像相似度确定装置通过将指纹特征相似度以及纹理特征相似度结合起来确定图像间的综合相似度,提高了图像相似度确定的准确率。
图3示出了本发明实施例提供的图像相似度确定设备的结构示意图,本发明具体实施例并不对图像相似度确定设备的具体实现做限定。
如图3所示,该图像相似度确定设备可以包括:处理器(processor)302、通信接口(Communications Interface)304、存储器(memory)306、以及通信总线308。
其中:处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。通信接口304,用于与其它设备比如客户端或其它服务器等的网元通信。处理器302,用于执行程序310,具体可以执行上述用图像相似度确定方法实施例中的相关步骤。
具体地,程序310可以包括程序代码,该程序代码包括计算机可执行指令。
处理器302可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。图像相似度确定设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器306,用于存放程序310。存储器306可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序310具体可以被处理器302调用使图像相似度确定设备执行以下操作:
获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理;
分别确定各个所述待对比图像的指纹特征和纹理特征;
根据所述指纹特征计算所述待对比图像之间的指纹相似度;
根据所述纹理特征计算所述待对比图像之间的纹理相似度;
根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。
在一种可选的方式中,所述程序310被处理器302调用使图像相似度确定设备执行以下操作:
分别将各个所述待对比图像缩放为第一预设尺寸;
分别对各个所述待对比图像进行离散余弦变换,分别确定各个所述待对比图像的离散余弦变换系数平均值;
分别获取各个所述待对比图像中的各个像素点的灰度值,分别将所述各个像素点的灰度值与所述离散余弦变换系数平均值进行比较,得到各个所述待对比图像对应的比较结果;
分别确定所述比较结果对应的字符串作为各个所述待对比图像的指纹特征。
在一种可选的方式中,所述程序310被处理器302调用使图像相似度确定设备执行以下操作:
分别确定所述至少两个待对比图像的指纹特征对应的矩阵形式作为所述至少两个待对比图像的指纹特征矩阵;
计算所述至少两个待对比图像的指纹特征矩阵的第一相关性;
根据所述第一相关性确定所述待对比图像的指纹相似度。
在一种可选的方式中,所述程序310被处理器302调用使图像相似度确定设备执行以下操作:
分别将各个所述待对比图像缩放为第二预设尺寸;
分别对各个所述待对比图像进行锐化处理;
根据圆形局部二值模式算法分别提取各个所述待对比图像的纹理特征。
在一种可选的方式中,所述程序310被处理器302调用使图像相似度确定设备执行以下操作:
分别将各个所述待对比图像划分为多个子图像区域;
分别确定每一个所述子图像区域对应的纹理特征直方图;
分别根据每一个所述待对比图像的各个子图像区域的纹理特征直方图确定每一个所述待对比图像对应的局部二值模式纹理特征直方图;
计算所述至少两个待对比图像的局部二值模式纹理特征直方图之间的第二相关性;
根据所述第二相关性确定所述待对比图像的纹理相似度。
在一种可选的方式中,所述程序310被处理器302调用使图像相似度确定设备执行以下操作:
分别获取各个所述待对比图像的原始尺寸信息;
根据所述至少两个待对比图像的原始尺寸信息确定尺寸比例系数;
分别获取各个所述待对比图像的比较权重系数;
根据所述尺寸比例系数、所述比较权重系数、所述指纹相似度和纹理相似度确定所述综合相似度。
在一种可选的方式中,所述程序310被处理器302调用使图像相似度确定设备执行以下操作:
将所述待对比图像中灰度值大于或等于所述离散余弦变换系数平均值的像素点对应的字符值确定为第一预设数值,将所述待对比图像中灰度值小于所述离散余弦变换系数平均值的像素点对应字符值确定为第二预设数值;
将所述各个像素点对应的字符值依次组合,得到所述比较结果对应的字符串。
本发明实施例的图像相似度确定设备的具体工作过程与上述图像相似度确定方法的具体流程步骤相同,此处不再赘述。
本发明实施例的图像相似度确定设备通过将指纹特征相似度以及纹理特征相似度结合起来确定图像间的综合相似度,提高了图像相似度确定的准确率。
本发明实施例提供了一种计算机可读存储介质,所述可读存储介质存储有至少一可执行指令,该可执行指令在图像相似度确定设备上运行时,使得所述图像相似度确定设备执行上述任意方法实施例中的图像相似度确定方法。
可执行指令具体可以用于使得图像相似度确定设备执行以下操作:
获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理;
分别确定各个所述待对比图像的指纹特征和纹理特征;
根据所述指纹特征计算所述待对比图像之间的指纹相似度;
根据所述纹理特征计算所述待对比图像之间的纹理相似度;
根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。
在一种可选的方式中,所述可执行指令使所述图像相似度确定设备执行以下操作:分别将各个所述待对比图像缩放为第一预设尺寸;
分别对各个所述待对比图像进行离散余弦变换,分别确定各个所述待对比图像的离散余弦变换系数平均值;
分别获取各个所述待对比图像中的各个像素点的灰度值,分别将所述各个像素点的灰度值与所述离散余弦变换系数平均值进行比较,得到各个所述待对比图像对应的比较结果;
分别确定所述比较结果对应的字符串作为各个所述待对比图像的指纹特征。
在一种可选的方式中,所述可执行指令使所述图像相似度确定设备执行以下操作:分别确定所述至少两个待对比图像的指纹特征对应的矩阵形式作为所述至少两个待对比图像的指纹特征矩阵;
计算所述至少两个待对比图像的指纹特征矩阵的第一相关性;
根据所述第一相关性确定所述待对比图像的指纹相似度。
在一种可选的方式中,所述可执行指令使所述图像相似度确定设备执行以下操作:分别将各个所述待对比图像缩放为第二预设尺寸;
分别对各个所述待对比图像进行锐化处理;
根据圆形局部二值模式算法分别提取各个所述待对比图像的纹理特征。
在一种可选的方式中,所述可执行指令使所述图像相似度确定设备执行以下操作:分别将各个所述待对比图像划分为多个子图像区域;
分别确定每一个所述子图像区域对应的纹理特征直方图;
分别根据每一个所述待对比图像的各个子图像区域的纹理特征直方图确定每一个所述待对比图像对应的局部二值模式纹理特征直方图;
计算所述至少两个待对比图像的局部二值模式纹理特征直方图之间的第二相关性;
根据所述第二相关性确定所述待对比图像的纹理相似度。
在一种可选的方式中,所述可执行指令使所述图像相似度确定设备执行以下操作:分别获取各个所述待对比图像的原始尺寸信息;
根据所述至少两个待对比图像的原始尺寸信息确定尺寸比例系数;
分别获取各个所述待对比图像的比较权重系数;
根据所述尺寸比例系数、所述比较权重系数、所述指纹相似度和纹理相似度确定所述综合相似度。
在一种可选的方式中,所述可执行指令使所述图像相似度确定设备执行以下操作:
将所述待对比图像中灰度值大于或等于所述离散余弦变换系数平均值的像素点对应的字符值确定为第一预设数值,将所述待对比图像中灰度值小于所述离散余弦变换系数平均值的像素点对应字符值确定为第二预设数值;
将所述各个像素点对应的字符值依次组合,得到所述比较结果对应的字符串。本发明实施例的计算机可读存储介质的具体工作过程与上述图像相似度确定方法的具体流程步骤相同,此处不再赘述。
本发明实施例的计算机可读存储介质通过将指纹特征相似度以及纹理特征相似度结合起来确定图像间的综合相似度,提高了图像相似度确定的准确率。本发明实施例提供了一种计算机程序,所述计算机程序可被处理器调用使图像相似度确定设备执行上述任意方法实施例中的图像相似度确定方法。
本发明实施例提供了一种计算机程序产品,计算机程序产品包括存储在计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令在计算机上运行时,使得所述计算机执行上述任意方法实施例中的图像相似度确定方法。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种图像相似度确定方法,其特征在于,所述方法包括:
获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理;
分别确定各个所述待对比图像的指纹特征和纹理特征;
根据所述指纹特征计算所述待对比图像之间的指纹相似度;
根据所述纹理特征计算所述待对比图像之间的纹理相似度;
根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。
2.根据权利要求1所述的方法,其特征在于,所述分别确定各个所述待对比图像的指纹特征,进一步包括:
分别将各个所述待对比图像缩放为第一预设尺寸;
分别对各个所述待对比图像进行离散余弦变换,分别确定各个所述待对比图像的离散余弦变换系数平均值;
分别获取各个所述待对比图像中的各个像素点的灰度值,分别将所述各个像素点的灰度值与所述离散余弦变换系数平均值进行比较,得到各个所述待对比图像对应的比较结果;
分别确定所述比较结果对应的字符串作为各个所述待对比图像的指纹特征。
3.根据权利要求1所述的方法,其特征在于,所述根据所述指纹特征计算所述待对比图像之间的指纹相似度,进一步包括:
分别确定所述至少两个待对比图像的指纹特征对应的矩阵形式作为所述至少两个待对比图像的指纹特征矩阵;
计算所述至少两个待对比图像的指纹特征矩阵的第一相关性;
根据所述第一相关性确定所述待对比图像的指纹相似度。
4.根据权利要求1所述的方法,其特征在于,确定所述各个待对比图像的纹理特征,进一步包括:
分别将各个所述待对比图像缩放为第二预设尺寸;
分别对各个所述待对比图像进行锐化处理;
根据圆形局部二值模式算法分别提取各个所述待对比图像的纹理特征。
5.根据权利要求1所述的方法,其特征在于,所述根据所述指纹特征计算所述待对比图像之间的指纹相似度,进一步包括:
分别将各个所述待对比图像划分为多个子图像区域;
分别确定每一个所述子图像区域对应的纹理特征直方图;
分别根据每一个所述待对比图像的各个子图像区域的纹理特征直方图确定每一个所述待对比图像对应的局部二值模式纹理特征直方图;
计算所述至少两个待对比图像的局部二值模式纹理特征直方图之间的第二相关性;
根据所述第二相关性确定所述待对比图像的纹理相似度。
6.根据权利要求1所述的方法,其特征在于,所述根据所述指纹相似度及纹理相似度确定各个所述待对比图像之间的综合相似度,进一步包括:
分别获取各个所述待对比图像的原始尺寸信息;
根据所述至少两个待对比图像的原始尺寸信息确定尺寸比例系数;
分别获取各个所述待对比图像的比较权重系数;
根据所述尺寸比例系数、所述比较权重系数、所述指纹相似度和纹理相似度确定所述综合相似度。
7.根据权利要求2所述的方法,其特征在于,所述分别确定所述比较结果对应的字符串作为各个所述待对比图像的指纹特征,进一步包括:
将所述待对比图像中灰度值大于或等于所述离散余弦变换系数平均值的像素点对应的字符值确定为第一预设数值,将所述待对比图像中灰度值小于所述离散余弦变换系数平均值的像素点对应字符值确定为第二预设数值;
将所述各个像素点对应的字符值依次组合,得到所述比较结果对应的字符串。
8.一种图像相似度确定装置,其特征在于,所述装置包括:
图像获取模块,用于获取至少两个待对比图像,分别对各个所述待对比图像进行灰度化处理;
特征确定模块,用于分别确定各个所述待对比图像的指纹特征和纹理特征;
第一相似度计算模块,用于根据所述指纹特征计算所述待对比图像之间的指纹相似度;
第二相似度计算模块,用于根据所述纹理特征计算所述待对比图像之间的纹理相似度;
第三相似度计算模块,用于根据所述指纹相似度、所述纹理相似度确定所述待对比图像之间的综合相似度。
9.一种图像相似度确定设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7任意一项所述的图像相似度确定方法的操作。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令在图像相似度确定设备上运行时,使得图像相似度确定设备执行如权利要求1-7任意一项所述的图像相似度确定方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011324535.6A CN114529742A (zh) | 2020-11-23 | 2020-11-23 | 图像相似度确定方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011324535.6A CN114529742A (zh) | 2020-11-23 | 2020-11-23 | 图像相似度确定方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114529742A true CN114529742A (zh) | 2022-05-24 |
Family
ID=81618507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011324535.6A Pending CN114529742A (zh) | 2020-11-23 | 2020-11-23 | 图像相似度确定方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529742A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200364880A1 (en) * | 2018-12-05 | 2020-11-19 | Wuhan Endoangel Medical Technology Co., Ltd. | Method and device for monitoring colonoscope withdrawal speed |
CN116074583A (zh) * | 2023-02-09 | 2023-05-05 | 武汉简视科技有限公司 | 根据视频剪辑时间点更正字幕文件时间轴的方法及系统 |
-
2020
- 2020-11-23 CN CN202011324535.6A patent/CN114529742A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200364880A1 (en) * | 2018-12-05 | 2020-11-19 | Wuhan Endoangel Medical Technology Co., Ltd. | Method and device for monitoring colonoscope withdrawal speed |
US11800969B2 (en) * | 2018-12-05 | 2023-10-31 | Wuhan Endoangel Medical Technology Co., Ltd. | Method and device for monitoring colonoscope withdrawal speed |
CN116074583A (zh) * | 2023-02-09 | 2023-05-05 | 武汉简视科技有限公司 | 根据视频剪辑时间点更正字幕文件时间轴的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10339643B2 (en) | Algorithm and device for image processing | |
Li et al. | Blind image quality assessment using statistical structural and luminance features | |
CN109840556B (zh) | 一种基于孪生网络的图像分类识别方法 | |
CN108510504B (zh) | 图像分割方法和装置 | |
CN110070531B (zh) | 用于检测眼底图片的模型训练方法、眼底图片的检测方法及装置 | |
CA2742632A1 (en) | Method and system for determining structural similarity between images | |
CN111612741B (zh) | 一种基于失真识别的精确无参考图像质量评价方法 | |
CN111274999B (zh) | 数据处理、图像处理方法、装置及电子设备 | |
CN113610862B (zh) | 一种屏幕内容图像质量评估方法 | |
CN111709883A (zh) | 一种图像检测方法、装置及设备 | |
CN113538246B (zh) | 基于无监督多阶段融合网络的遥感图像超分辨率重建方法 | |
CN114529742A (zh) | 图像相似度确定方法、装置、设备及计算机可读存储介质 | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
Srinivas et al. | Remote sensing image segmentation using OTSU algorithm | |
CN111179270A (zh) | 基于注意力机制的图像共分割方法和装置 | |
Freitas et al. | On the application LBP texture descriptors and its variants for no-reference image quality assessment | |
Chen et al. | Attention-based Broad Self-guided Network for Low-light Image Enhancement | |
CN114494775A (zh) | 视频切分方法、装置、设备及存储介质 | |
CN111179245B (zh) | 图像质量检测方法、装置、电子设备和存储介质 | |
CN112348762A (zh) | 一种基于多尺度融合生成对抗网络的单幅图像去雨方法 | |
CN115546271B (zh) | 基于深度联合表征的视觉分析方法、装置、设备及介质 | |
CN108960285B (zh) | 一种分类模型生成方法、舌体图像分类方法及装置 | |
CN106846366B (zh) | 使用gpu硬件的tld视频运动目标跟踪方法 | |
Yu et al. | Real-time non-local means image denoising algorithm based on local binary descriptor | |
CN114998186A (zh) | 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 |
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 |