[發(fā)明專利]基于HSV的圖像相似度識別方法

有效

• 申請?zhí)枺?/td>: 201611149778.4
• 申請日: 2016-12-14
• 公開（公告）號: CN106599185B
• 公開（公告）日: 2020-10-23
• 發(fā)明（設計）人: 黃永軍
• 申請（專利權）人: 北京微智信業(yè)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

本發(fā)明涉及一種基于HSV的圖像相似度識別方法，包括：進行圖像分塊，圖像分塊采用橢圓方式劃分圖像方法；設置各個分塊權重，對橢圓區(qū)域和橢圓外背景區(qū)域設置影響因子；對圖像進行HSV直方圖計算，并將計算結果存儲到數(shù)據(jù)庫；使用改進后的卡方距離算法進行相似圖像檢索。本發(fā)明采用橢圓方式劃分圖像，擴大了圖像之間的相似距離，通過對圖像的HSV直方圖計算，方便進行顏色之間的對比，改進后的卡方距離算法結合了不同區(qū)域的影響因子情況，能夠實現(xiàn)人為控制兩部分對最后相似度影響程度，對比結果更加真實可靠，本發(fā)明的方法對遮擋、疊加后的相似圖像有很好的識別效果，尤其可以很好的識別變形、扭曲、旋轉后的相似圖像。

技術領域

本發(fā)明涉及圖像識別技術領域，尤其涉及一種基于HSV的圖像相似度識別方法。

背景技術

隨著數(shù)字媒體技術的發(fā)展，圖像的質量以及數(shù)量不斷提高，由于圖像本身可以傳達比文本所能表達的更多的信息，在文本搜索已經(jīng)成熟的今天，圖像搜索漸漸崛起，展現(xiàn)其特有的搜索能力。原始圖像變形、旋轉、扭曲、遮擋、疊加后形成的“再造”圖像充斥著多媒體信息世界，給圖像檢索帶來大大的不確定性。

在現(xiàn)有技術中，圖像相似度識別的方法主要以下幾種：

一是直接對圖像進行轉化，由于不同的圖像可能含有相近的特征信息，很容易出現(xiàn)圖像相似誤判，隨著數(shù)據(jù)量的增加，誤判的概率大幅增加；

二是將需要檢索的圖像劃分成多部分，分塊對比，對遮擋、疊加后的相似圖像有很好的識別效果，但是對于變形、扭曲尤其是旋轉后的相似圖像的識別效果很差，由于圖像分塊后需要分塊計算，計算的時間復雜度給計算機圖像處理帶來了一定的負擔。

因此，現(xiàn)有技術需要改進。

發(fā)明內(nèi)容

本發(fā)明公開了一種基于HSV的圖像相似度識別方法，用以解決現(xiàn)有技術存在的問題。

一種基于HSV的圖像相似度識別方法，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(qū)域和橢圓外背景區(qū)域，圖像分塊需要保證橢圓區(qū)域和橢圓外背景區(qū)域面積近似一致；

設置各個分塊權重，對橢圓區(qū)域和橢圓外背景區(qū)域設置影響因子，影響因子自由設定，橢圓區(qū)域影響因子impactA和橢圓外背景區(qū)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(shù)據(jù)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(shù)據(jù)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。

在基于上述基于HSV的圖像相似度識別方法的另一個實施例中，所述圖像分塊的橢圓區(qū)域長軸的長度為圖像長度的0.7倍，短軸的長度為圖像高度的0.7倍。

在基于上述基于HSV的圖像相似度識別方法的另一個實施例中，所述設置各個分塊權重包括：

預先設置影響因子數(shù)值，預先設置的影響因子數(shù)值為：impactA＝0.5， impactB＝0.5；

調整影響因子數(shù)值，根據(jù)圖像信息集中位置調整影響因子的數(shù)值，如果橢圓區(qū)域的圖像信息較多，則增大橢圓區(qū)域的影響因子，相應減小橢圓外背景區(qū)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(qū)域內(nèi)沒有任何圖像信息，任意兩張圖像的橢圓外背景區(qū)域相似，則兩幅圖像是相似的。