[发明专利]一种基于感知哈希算法的图像相似度对比方法

说明书

本发明公开了一种基于感知哈希算法的图像相似度对比方法。它通过离散余弦变换DCT算法将图片进行压缩，通过pHash进行图片尺寸缩小，获取图片的颜色通道R、G、B，进而算出RGB的平均值后，将图片灰度化，分别采用颜色分布法和内容特征法提取出每张图片中的指纹，再将原图压缩成一张较小固定尺寸的灰度图片，进而确定出一个阈值，再将图片转成黑白图片，进而来对比图片的轮廓，通过图像基础指纹、颜色特征指纹、内容特征指纹多维度对比最终获取到的的相似度结果。本发明的有益效果是：节省了服务器大量的运算量和服务器成本，提升了图片处理的速度；提升了获取内容相似图片准确度。

技术领域

本发明涉及图像处理相关技术领域，尤其是指一种基于感知哈希算法的图像相似度对比方法。

背景技术

相似度图像获取一直是图像处理研究领域中的重要研究内容。相似度图像获取涉及的算法复杂，其核心内容是依据一定关键帧生成特征点的图像的指纹，并通过控制特征点，对比指纹来对比相似度。

现在人们愈发关注相似度图像获取的细节，但是现有的相似度图像获取技术主要专注于获取图片相似度指纹对比后得到图片相似度的结果。如果涉及大图片内容过于丰富，图片颜色变换较为丰富等情况，就现出现相似度对比结果不准确的问题，使得最终获得的相似度图片结果不准确。

发明内容

本发明是为了克服现有技术中存在上述的不足，提供了一种提升获取内容相似图片准确度的基于感知哈希算法的图像相似度对比方法。

为了实现上述目的，本发明采用以下技术方案：

一种基于感知哈希算法的图像相似度对比方法，具体包括如下步骤：

(1)通过离散余弦变换DCT算法将图片进行压缩，通过pHash进行图片尺寸缩小，获取图片的颜色通道R、G、B，进而算出RGB的平均值后，将图片灰度化；

(2)用灰度化的图片计算图片DCT的变换，得到DCT的系数矩阵后缩小DCT，只保留DCT 8*8的矩阵，从而获取到图片中的最低频率，进而计算出DCT的均值，最后通过8*8的DTC矩阵计算出图片基础指纹；

(3)利用余弦相似度算出图片中相似的向量，进而获取到每张图片的颜色特征指纹；

(4)通过对RGB三种颜色添加不同的权重，进而得到一个灰度值数组，再通过大律法计算出一个二值图的最佳阈值，用这个阈值对图片进行处理的到对应的二值图，根据二值图非黑即白的特性得到0-1的矩阵，进而得到图片的内容特征指纹；

(5)通过余弦相似度来对比图片的颜色特征指纹，通过汉明距和余弦相似度来对比图片的内容特征指纹；

(6)通过图片基础指纹、颜色特征指纹和内容特征指纹多维度对比来得到最终图片相似度的结果。

通过离散余弦变换DCT算法，将图像从像素域变换到频率域，进而获取低频成分集中在DCT矩阵的位置，通过低频成分集中在DCT矩阵的位置来提取图片特征。通过对图片内容的识别来判断图片类型是内容丰富型图片还是颜色丰富型图片，分别采用颜色分布法和内容特征法提取出每张图片中的指纹，再将原图压缩成一张较小固定尺寸的灰度图片，进而确定出一个阈值，再将图片转成黑白图片，进而来对比图片的轮廓；通过颜色分布法和内容特征法的多维度校验获取到更精确的相似度结果。通过JS直接在用户的设备上提取图片的指纹，节省了服务器大量的运算量和服务器成本，提升了图片处理的速度，同时通过图像基础指纹、颜色特征指纹、内容特征指纹多维度对比最终获取到的的相似度结果，与只利用感知哈希算法计算出的相似度结果相比，准确定从65％提升到了85％，结果的准确度能做到20％的提升。