一、基本概念
图像相似度计算就是对两幅图片之间内容的相似程度进行打分,根据分数的高低来判断图像内容的相似程度,这也是图像分类的基础。如下面这幅图像的两位人头虎身兽,用不同的算法进行相似度计算,相似度在60%~87%之间~~
二、算法总结
计算图像相似度的算法有很多,常见的有以下几种:
1。基于直方图。直方图能够描述一幅图像中颜色的全局分布,是一种入门级的图像相似度计算方法。该算法计算过程很容易理解,首先对于两幅图像分别计算其直方图,然后根据某种衡量标准进行比较,比较结果即为两幅图像的相似度。这种方法精度较差。
2。SSIM(结构相似性度量)。这是一种全参考的图像质量评价指标,分别从亮度、对比度、结构三个方面度量图像相似性。SSIM取值范围[0, 1],值越大,表示图像失真越小。在实际应用中,可以利用滑动窗将图像分块,令分块总数为N,考虑到窗口形状对分块的影响,采用高斯加权计算每一窗口的均值、方差以及协方差,然后计算对应块的结构相似度SSIM,最后将平均值作为两图像的结构相似性度量,即平均结构相似性SSIM。该方法通常用来衡量一张图片压缩后的失真度,比较少的用来计算两图的相似度。
3。cosin相似度(余弦相似度)。把图片表示成一个向量,通过计算向量之间的余弦距离来表征两张图片的相似度。该方法运算量较大,但准确率尚可。
4。基于互信息(Mutual Information)。通过计算两个图片的互信息来表征他们之间的相似度,如果两张图片尺寸相同,还是能在一定程度上表征两张图片的相似性的。但是,大部分情况下图片的尺寸不相同,如果把两张图片尺寸调成相同的话,又会让原来很多的信息丢失,所以很难把握。经过实际验证,此种方法不够稳定。
工作室基于Matlab软件平台,分别利用上述方法实现了计算特定数据集图片的相似程度,对于某一对图像组,其用直方图算法对比的结果如下:
免责声明:本文系网络转载或改编,未找到原创作者,版权归原作者所有。如涉及版权,请联系删