[发明专利]一种直方图相似性度量方法

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于分级匹配的直方图相似性度量方法。

背景技术

直方图是图像处理中一种十分重要的分析工具，可反映图像灰度、纹理、颜色等全局信息的分布情况。因其计算简单且对图像具有尺度、平移、旋转不变性等特点而被广泛应用于图像匹配、目标跟踪、音频处理等领域，直方图间的匹配精度将直接影响后续操作的正确性。现有的直方图相似性度量方法主要有距离度量法，如Manhattan距离、Euclidean距离、Hausdorff距离、中心矩法、x²统计距离等；相关计算法，如余弦相关、Pearson积矩相关、直方图相交法等。无论是求特征空间中点与点的距离还是特征矢量间的相关性，均只计算两幅直方图对应柱条的值，未考虑直方图的分布情况，因而当受噪声或光照等影响导致直方图产生偏移，形变时，这些度量方法将不能准确地计算其相似度。James Hafner等在《Efficient color histogram indexing for quadraic form distance functions》一文中提出了二次形式距离，通过使用一个相似性矩阵加入跨柱条信息实现两个直方图不同柱条间的匹配，然而由于该方法会过度估计特征分布的相似性进而导致匹配正确率低。Madirakshi Das等在《Searching for multi-colored objects in a diverse image database》一文中提出了峰值匹配法，但该方法通常在特定应用下对特定图像有较好的匹配效果，通用性不足。Yossi Rubner等在《The earth mover’s distance as a metric for image retrieval》一文中提出了EMD(earth mover’s distance)方法，它对直方图微小偏移不敏感，但它难于适用于直方图柱条过少和过多的情况，因为柱条过少时无法求得“地面距离”，柱条过多时计算缓慢，且其在匹配过程中要考虑最优分配问题，复杂度高。因此，如何设计一种鲁棒性较好，准确性较高的直方图相似性度量方法依然是一个亟待解决的问题。

发明内容

本发明的目的在于，克服现有直方图相似性度量方法中的不足，提供一种鲁棒性较好，准确度较高的直方图相似性度量方法。

为实现上述目的，本发明具体技术方案如下：一种直方图相似性度量方法，包括如下步骤:

1)直方图归一化：对两个进行相似性比较的直方图进行归一化，设直方图为H＝{H(i)|i＝0,1,2,……L-1}，归一化后将该直方图描述为H＝{h(i)|i＝0,1,2,……L-1}，且其中L为灰度级；

2)直方图分级：以2的指数次方对归一化直方图H＝{h(i)|i＝0,1,2,……L-1}进行分级，每一级通过错位起点的方式得到两个直方图，称为正位直方图H_Ni和错位直方图H_Di，H_Ni和H_Di描述公式如下：

其中，

3)分级相似性判断：对级中的同级同类型直方图进行相似性度量，设两个进行相似性比较的直方图为H＝{h(i)|i＝0,1,2,……L-1}和P＝{p(i)|i＝0,1,2,……L-1}，它们的第i级的正位直方图分别描述为和错位直方图为和同级同类型直方图的相似性描述公式为：

分别计算H_Ni和P_Ni、H_Di和P_Di之间的余弦相关系数值，得S_Ni和S_Di。

4)直方图相似性度量：在对级中的同级同类型直方图进行相似性计算后，对直方图H和P进行相似性度量，两直方图相似性度量值S计算公式如下：

其中为各级相似度的权重，且

进一步的，上述步骤4)中，各级权重根据应用需要确定，w₀的权重最大，的权重逐级递增；各级权重按如下公式计算：

本发明较好地克服了现有直方图匹配中存在的偏移敏感、鲁棒性弱，准确度不高等不足，实现了一种鲁棒性较好，准确度较高的直方图相似性度量，为基于直方图匹配的进一步操作奠定了扎实的基础。

附图说明

图1为常规方法进行直方图相似性度量示意图；