[发明专利]基于轮廓相似度的图像比较方法

说明书

本发明计算机图像处理领域，具体涉及一种基于轮廓相似度的图像比较方法，该方法主要思路：首先选取两幅图像进行二值化，然后对图像均匀分割，将分割后的局部图片进行特征二值提取，以此构造卷积矩阵，最后采用欧式距离与余弦相似度归一化的方法进行轮廓相似度的计算，从而获得两幅图像的轮廓相似度的精确值，最后用里克特量表进行相似度的评估。该方法一方面可用于减少因图像背景的噪声干扰从而导致目标识别的误判概率；另一方面，当应用于迷彩伪装效果评价时，轮廓相似度可作为一个新的相似度评价指标。

技术领域

本发明属于计算机图像处理领域，具体涉及一种基于轮廓相似度的图像比较方法，该方法可用于减少因图像背景的噪声干扰从而导致目标识别的误判概率；同时，当应用于迷彩伪装效果评价时，轮廓相似度可作为一个新的相似度评价指标。

背景技术

在军事工程伪装中，常常利用迷彩伪装技术来使得目标与周围背景之间的边缘模糊，使其融入背景中，从而减少被敌方发现和攻击的危险。目标与背景之间的差异是目标暴露的根本原因，因此，目标与背景的相似度就成为迷彩伪装效果的重要评价指标。

相似度是指目标与背景的图像特征的相似程度，其值在[0，1]之间。一般来说，目标与背景的特性差异越大，相似度值就越小，目标越容易从背景中区分出来。反之亦然。

现有技术的不足主要表现在如下三个方面：

第一在目标的轮廓提取方面。由于图像分割模型的不同，以致提取出不同的信息。国内曾有人提出基于阈值的图像分割方法，但由于阈值对噪声比较敏感，容易出现“过度分割”或者“欠分割”，导致图像目标物体的信息遭到损失，提取出的轮廓信息就不够精确。

第二在目标与背景的相似度计算方面。目前已被采用的特征相似度指标有：颜色特征、纹理特征、结构特征以及二阶统计矩特征等。由于目标与背景的边缘交接处(即目标的外部轮廓)是一个重要的暴露特征，而上述指标并没有包含这一特征，以致缺少对目标轮廓特征的描述，进而导致伪装效果评价体系不够全面。

第三在背景的多样适应性方面。由于我国地域辽阔，不同地区的地形、地貌变化较大，国内有人提出过基于小波纹理的评价模型、基于高光谱评价模型和基于结构信息的评价模型等方法，但该类方法均只能针对单一的特定环境背景，且评价指标单一，因而不能很好地适用于不同环境背景的伪装效果评价。

发明内容

本发明的目的是提供一种基于轮廓相似度的图像比较方法，解决因图像背景噪声影响而导致的目标识别率较低的问题。

为实现上述目的，本发明提出的技术方案是：

基于轮廓相似度的图像比较算法，包括以下步骤：

步骤(1)、输入一个任意的图像数据集I，假设该数据集I包括N张图片，即I_i(i＝1,2,3……N),这里的N是自然数；

步骤(2)、顺序挑选一张图像I_i(i＝1,2,3……N)作为源图，再选取另一张图像I_j(j＝1,2,3……N,i≠j)作为目标图；

步骤(3)、计算图像I_i和图像I_j的二值卷积矩，并转化为一维轮廓特征向量C_i与C_j；

步骤(4)、对两个轮廓特征向量使用轮廓相似度算法计算轮廓相似度O_ij；

步骤(5)、重复执行以上步骤(2)～(4)，直到对于图像I_i来说，获得全部的N-1个轮廓相似度值；

步骤(6)、重复执行步骤(5)，直到数据集中的所有图像都两两计算完毕，最终得到一个包括N个值的轮廓相似度结果集O；

步骤(7)、将轮廓相似度结果集O进行一元回归，回归结果就是最终计算的轮廓相似度S。