[發明專利]一種基于顏色量化的圖像相似度計算方法

在審

• 申請號: 201910740774.0
• 申請日: 2019-08-12
• 公開（公告）號: CN110647910A
• 公開（公告）日: 2020-01-03
• 發明（設計）人: 劉遠超;吳宗林;夏路;高飛;何偉榮
• 申請（專利權）人: 浙江浩騰電子科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 33213 杭州浙科專利事務所(普通合伙)
• 代理人: 周紅芳

本發明公開了一種基于顏色量化的圖像相似度計算方法，包括如下步驟：步驟1)：對HSV顏色空間的值進行轉化：步驟2)：對轉化后的HSV顏色空間進行量化降維；步驟3)：給定待匹配圖像P_d和P_c；步驟4)：將圖像P_d和P_c從上往下等分為n部分，步驟6)：根據顏色量化分量圖得出圖像P_dk的主顏色記為W_dk，k＝1,2,3,...,n，W_ck，k＝1,2,3,...,n；步驟8)：給定閾值T，計算顏色W_dk是否等于顏色W_ck，k＝1,2,3,...,n。本發明利用計算機視覺以及圖像過處理領域簡單有效的方法進行圖像相似度計算的工作，利用顏色空間量化以及降維的策略，不僅僅在挺相似度計算時提高了圖像匹配的準確率，并大大節約了時間開銷，在速率上達到了實時性的要求，能夠在各個需要實時計算相似度的領域進行應用。

技術領域

本發明涉及到計算機視覺，圖像處理等各個領域，具體為一種基于空間顏色量化的圖像相似度計算方法。

背景技術

隨著社會科技的進步，計算機視覺技術以及圖像處理領域快速而蓬勃的發展，圖像的相似度匹配這一技術作為圖像處理各個領域的重要組成部分早已經成為計算機視覺以及圖像處理方向不可或缺的一項技術，并且應用于現在有的各個原有或者新興的領域。

相冊聚類，人臉識別匹配，行人重識別以及車輛重識別等，這些近幾年來較為火熱的新興計算機視覺領域都少不了圖像相似度的計算。尤其是近年來，隨著深度學習的興起，圖像的相似度計算更是越發火熱。深度學習方法具有傳統圖像方法不具備的高精度高準確率，不僅僅體現在圖像相似度計算方面，也體現在計算機視覺領域的方方面面。比如物體的分類與識別，物體的檢測和跟蹤等，因此目前的新興領域有大部分都采用了深度學習的方法來計算圖像的相似度。但是深度學習也有較大的缺點，需要龐大的數據量以及付出較大的時間開銷才能夠得到最終的匹配成果，這在一些實時圖像匹配和相似度計算領域很難進行應用。

因此利用簡單的計算機視覺與圖像處理的方法能夠在時間開銷極小的情況下非常準確的完成圖像相似度匹配是非常有意義的。

武漢大學，2014張華，通過圖像中物體位置信息計算圖像相似度的方法，與此同時引入了顏色直方圖的信息，進行更精準的計算。山東大學，2015彭志勇等，利用暴力算法和隨機抽樣一致性算法進行特征點匹配和提純，以此來進行圖像的相似度計算，該相似度主要針對行人圖像，利用改進的FAST算法和BRIEF算法對多尺度圖像進行特征點提取與描述。華南理工大學，2015邱宇輝等，提出了一種將度量學習和稀疏表示方法相結合的特征距離排序方式來進行圖像匹配和相似度計算，根據馬氏距離中度量矩陣的半正定性質對提取的圖像特征進行轉換得到新的特征，并將其融入稀疏模型中評估測試樣本和字典之間的相似性，利用迭代稀疏系數重加權的方式對數據集中具有非零稀疏系數的個體根據標準重構誤差進行排序，根據排序的最終結果來判斷圖像間的相似度。華東師范大學，2017劉娜等，提出了一種改進的Siamese結構的基于深度卷積神經網絡進行圖像匹配和相似度計算。訓練時結合了分類和相似性度量，從而增大類間距離，縮小類內距離，提取出圖像中的有效特征，然后再進一步用度量學習算法計算兩張圖像之間的相似度。南京郵電大學，2017唐松，提出了一種基于顯著特征的圖像相似度計算方法，利用超像素構造特征空間，利用基于元胞自動機的方法計算圖像的內在顯著特征并利用一種學習排序方法計算各張圖像之間的相似度。

上述文獻和方法中雖然都提到了利用計算機視覺等方法進行圖像相似度計算和匹配，但仍存在以下不足：

(1)時間開銷過大，計算兩張圖像的相似度需要花費大量的時間，在一些需要實時進行計算的場合難以發揮作用；

(2)相似度匹配的準確率并不高，目前的相似度計算方法基本都應用于各類匹配和重識別領域，但是由于圖像間差異帶來的相似度計算方法準確率都不高；