[发明专利]一种图像相似度计算方法、装置、存储介质

权利要求书

1.一种图像相似度计算方法，其特征在于，包括以下步骤：

S1：分别提取第一图像和第二图像中的特征点及其对应的特征向量；

S2：通过比较第一图像和第二图像中的特征向量的第一距离，将第一图像和第二图像中的所有特征点根据相似性进行匹配；

S3：将匹配好的特征点按相似性高低进行排序，并选取第一图像与第二图像中前N个特征点对；

S4：分别从第一图像与第二图像中的前N个特征点对中随机选择n个基准点，分别计算第一图像或第二图像中其余特征点与基准点的X方向以及Y方向的相对位置；

S5：根据第一图像和第二图像中其余特征点与基准点的X方向的相对位置计算X轴距离，根据第一图像和第二图像中其余特征点与基准点的Y方向的相对位置计算Y轴距离，对X轴距离和Y轴距离进行计算并设置一个阈值范围以判定第一图像与第二图像是否为相同图像；

其中，所述步骤S5包括以下步骤：

S51：将所述第一图像中其余特征点中的一个与n个基准点的X方向的相对位置x₁₁，…，x_1i，…，x_1n设置为A向量；

S52：将所述第二图像中其余特征点中的一个与n个基准点的X方向的相对位置x₂₁，…，x_2i，…，x_2n设置为B向量；

S53：对A向量与B向量进行X轴距离的计算；

S54：同样对所述第一图像和第二图像中其余特征点中的一个与n个基准点的Y方向的相对位置向量进行Y轴距离的计算。

2.根据权利要求1所述的图像相似度计算方法，其特征在于，所述步骤S1中提取特征点的方法包括sift、orb、surf、或brisk特征点提取算法。

3.根据权利要求2所述的图像相似度计算方法，其特征在于，其中所述sift特征点提取算法具体包括以下步骤：

S11：DoG尺度空间的极值检测；

S12：删除不稳定的极值点；

S13：确定特征点的主方向；

S14：生成特征点的描述子，得到特征点的特征向量。

4.根据权利要求1所述的图像相似度计算方法，其特征在于，所述步骤S2中第一距离为欧氏距离、曼哈顿距离或闵可夫斯基距离，并采用最小距离分类法作为所述第一图像和第二图像中的特征点相似性判定标准。

5.根据权利要求1所述的图像相似度计算方法，其特征在于，所述步骤S4中分别计算所述第一图像与第二图像中其余特征点与基准点的相对位置采用以下计算公式：

其中，x₀表示所述第一图像或第二图像中坐标轴x方向的相对位置，x₁表示所述第一图像或第二图像中的其余特征点的x方向的坐标位置，x₂表示所述第一图像或第二图像中的基准点的x方向的坐标位置，y₀表示所述第一图像或第二图像中坐标轴y方向的相对位置，y₁表示所述第一图像或第二图像中的其余特征点的y方向的坐标位置，y₂表示所述第一图像或第二图像中的基准点的y方向的坐标位置。

6.根据权利要求1所述的图像相似度计算方法，其特征在于，步骤S5中所述X轴距离和Y轴距离包括夹角余弦距离、曼哈顿距离或切比雪夫距离。

7.根据权利要求6所述的图像相似度计算方法，其特征在于，所述夹角余弦距离的计算公式为：

其中，A_i，B_i分别代表A向量和B向量的各分量。

8.根据权利要求1所述的图像相似度计算方法，其特征在于，步骤S5中还包括对所述X轴距离和Y轴距离进行相加，并对相加后的值设定一个阈值范围，超过所述阈值范围则为相似图像，反之为不同图像。