[發明專利]基于HSV的圖像相似度識別方法

有效

• 申請號: 201611149778.4
• 申請日: 2016-12-14
• 公開（公告）號: CN106599185B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 黃永軍
• 申請（專利權）人: 北京微智信業科技有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于HSV的圖像相似度識別方法，其特征在于，包括：

進行圖像分塊，圖像分塊是為了計算圖像與對比圖像之間的相似距離，圖像分塊采用橢圓方式劃分圖像方法，橢圓方式劃分圖像方法為將圖像分為橢圓區域和橢圓外背景區域，圖像分塊需要保證橢圓區域和橢圓外背景區域面積近似一致；

設置各個分塊權重，對橢圓區域和橢圓外背景區域設置影響因子，影響因子自由設定，橢圓區域影響因子impactA和橢圓外背景區域影響因子impactB之和為1；

對圖像進行HSV直方圖計算，并將計算結果存儲到數據庫；

使用改進后的卡方距離算法進行相似圖像檢索，按照各個特征量之間的相對距離的變化，計算兩張圖像之間直方圖特征點的相似距離，通過遍歷計算與數據庫中的已有圖像的卡方距離，找出最相似的圖像，卡方距離越小，兩幅圖像越相似；

所述使用改進后的卡方距離算法進行相似圖像檢索包括：

定義需要對比的圖像x和數據庫中的對比圖像y；

設定需要對比圖像的第n個特征點x_n，和數據庫中對比圖像的第n個特征點y_n；

計算x_n和y_n的卡方距離公式為：

由于橢圓區域和橢圓外背景區域的影響因子不同，則，改進卡方距離公式為：

表示要比較的兩張圖像之間的卡方距離；

x_n表示需要對比的圖像x的第n個特征點；

y_n表示數據庫中的對比圖像y的第n個特征點；

的計算值越小，則圖像的相似度越高。

2.根據權利要求1所述的方法，其特征在于，所述設置各個分塊權重包括：

預先設置影響因子數值，預先設置的影響因子數值為：impactA＝0.5，impactB＝0.5；

調整影響因子數值，根據圖像信息集中位置調整影響因子的數值，如果橢圓區域的圖像信息較多，則增大橢圓區域的影響因子，相應減小橢圓外背景區域的影響因子，影響因子的取值范圍為：

0≤impactA≤1；

0≤impactB≤1；

impactA+impactB＝1

impactA＝0表示圖像的橢圓區域內沒有任何圖像信息，任意兩張圖像的橢圓外背景區域相似，則兩幅圖像是相似的。

3.根據權利要求1所述的方法，其特征在于，所述對圖像進行HSV直方圖計算，并將計算結果存儲到數據庫包括：

設定色調H的通道表示方式，色調H用角度度量，取值范圍為0°～360°，從紅色開始按逆時針方向計算，紅色為0°，綠色為120°，藍色為240°，中間的補色是：黃色為60°，青色為180°，品紅為300°，十二色相分別為：紅、橙、黃、黃綠、綠、青綠、青、靛、藍、紫、品紅、紫紅，考慮到色相之間的差別，色相用10個通道表示；

設定飽和度S的通道表示方式，飽和度S表示顏色接近光譜色的程度，一種顏色，可以看成是某種光譜色與白色混合的結果，其中光譜色所占的比例愈大，顏色接近光譜色的程度就愈高，顏色的飽和度也就愈高，飽和度高，顏色則深而艷，飽和度用10個通道表示；

設定亮度V的通道表示方式，亮度表示顏色明亮的程度，對于光源色，亮度值與發光體的光亮度有關，取值范圍是黑色的0％到白色的100％，明度用3個通道表示；

對于橢圓區域內的圖像特征點的數量為：10×10×3個；由于橢圓背景區域的圖像特征點的數量與橢圓區域內的圖像特征點數量一致，因此，圖像特征點的總數為：2×10×10×3個。