[发明专利]一种基于空间颜色EMD的图像相似度计算方法

说明书

本发明公开了一种基于空间颜色EMD的图像相似度计算方法，包括如下步骤：步骤1.1：给定待匹配图像P_d和P_c；步骤1.2：将图像P_d从上往下等分为n部分；步骤1.3：同样将图像P_c从上往下等分为n部分；步骤2.1：计算集合C_d的HSV颜色直方图；步骤2.2：计算集合C_c的HSV颜色直方图；步骤3.1：根据式(1)计算图像P_dk与P_ck之间相似度；步骤3.2计算图像P_d与图像P_c距离D；步骤4.1：给定距离阈值T，若D(P_d,P_c)≤T，认定图像为相似；本发明的优点是：利用计算机视觉以及图像过处理领域简单有效的方法进行图像相似度计算的工作，利用空间颜色的特性以及EMD距离，不仅仅在准确率方面表现出较高的正确匹配，而且速度方面能够快速的进行图像相似度的匹配。

技术领域

本发明涉及到计算机视觉、图像处理技术领域，具体涉及一种基于空间颜色特征EMD的图像相似度计算方法。

背景技术

随着社会科技的进步，计算机视觉技术以及图像处理领域快速而蓬勃的发展，图像的相似度匹配这一技术作为图像处理各个领域的重要组成部分早已经成为计算机视觉以及图像处理方向不可或缺的一项技术，并且应用于现在有的各个原有或者新兴的领域。

相册聚类，人脸识别匹配，行人重识别以及车辆重识别等，这些近几年来较为火热的新兴计算机视觉领域都少不了图像相似度的计算。尤其是近年来，随着深度学习的兴起，图像的相似度计算更是越发火热。深度学习方法具有传统图像方法不具备的高精度高准确率，不仅仅体现在图像相似度计算方面，也体现在计算机视觉领域的方方面面。比如物体的分类与识别，物体的检测和跟踪等，因此目前的新兴领域有大部分都采用了深度学习的方法来计算图像的相似度。但是深度学习也有较大的缺点，需要庞大的数据量以及付出较大的时间开销才能够得到最终的匹配成果，这在一些实时图像匹配和相似度计算领域很难进行应用。

因此利用简单的计算机视觉与图像处理的方法能够在时间开销极小的情况下非常准确的完成图像相似度匹配是非常有意义的。

武汉大学，张华通过图像中物体位置信息计算图像相似度的方法，与此同时引入了颜色直方图的信息，进行更精准的计算。山东大学，彭志勇利用暴力算法和随机抽样一致性算法进行特征点匹配和提纯，以此来进行图像的相似度计算，该相似度主要针对行人图像，利用改进的FAST算法和BRIEF算法对多尺度图像进行特征点提取与描述。华南理工大学，邱宇辉提出了一种将度量学习和稀疏表示方法相结合的特征距离排序方式来进行图像匹配和相似度计算，根据马氏距离中度量矩阵的半正定性质对提取的图像特征进行转换得到新的特征，并将其融入稀疏模型中评估测试样本和字典之间的相似性，利用迭代稀疏系数重加权的方式对数据集中具有非零稀疏系数的个体根据标准重构误差进行排序，根据排序的最终结果来判断图像间的相似度。华东师范大学，刘娜提出了一种改进的Siamese结构的基于深度卷积神经网络进行图像匹配和相似度计算。训练时结合了分类和相似性度量，从而增大类间距离，缩小类内距离，提取出图像中的有效特征，然后再进一步用度量学习算法计算两张图像之间的相似度。南京邮电大学，唐松提出了一种基于显著特征的图像相似度计算方法，利用超像素构造特征空间，利用基于元胞自动机的方法计算图像的内在显著特征并利用一种学习排序方法计算各张图像之间的相似度。

上述文献和方法中虽然都提到了利用计算机视觉等方法进行图像相似度计算和匹配，但仍存在以下不足：

1)时间开销过大，计算两张图像的相似度需要花费大量的时间，在一些需要实时进行计算的场合难以发挥作用；

2)相似度匹配的准确率并不高，目前的相似度计算方法基本都应用于各类匹配和重识别领域，但是由于图像间差异带来的相似度计算方法准确率都不高；