[发明专利]一种基于频域视觉显著性分析的图像相似性计算方法

权利要求书

1.一种基于频域视觉显著性分析的图像相似性计算方法，其特征在于，包括以下步骤：

步骤1、频域视觉显著性检测：将两张待比较的彩色数字图像转换为灰度图像，转换后分别进行二维离散傅里叶变换，对变换得到的幅度谱进行滤波，然后再分别进行傅里叶反变换，得到两张待比较图像的显著性图；

步骤2、显著性前景和非显著性背景权值比率计算：根据显著性图检测显著性前景区域和非显著性背景区域，分别计算显著性前景权重比率和非显著性背景权重比率；

步骤3、图像相似性计算：按照距离计算公式，计算待比较图像之间的距离，距离越小则图像相似度越高；

步骤1所述的频域视觉显著性检测，具体如下：

步骤1.1、图像灰度变换：两张待比较的彩色数字图像I₁和I₂均为RGB彩色图像，根据式(1)将I₁和I₂分别转换为灰度图像，得到I_1g和I_2g：

I_1g＝I_1-R×0.299+I_1-G×0.587+I_1-B×0.114 (1)

式(1)中I_1-R、I_1-G和I_1-B分别表示I₁的R、G、B三个颜色分量；同样得到I_2g；

步骤1.2、二维离散傅里叶变换：将I_1g和I_2g分别进行二维离散傅里叶变换得到I_1g-F和I_2g-F，如式(2)

式(2)中H、W分别为图像I_1g的高和宽，(x_1g，y_1g)、(u_1g-F，v_1g-F)分别为二维离散傅里叶变换前、后的像素坐标，j为虚数单位，R(u_1g-F，v_1g-F)为傅里叶变换后的实数部分，I(u_1g-F，v_1g-F)为傅里叶变换后的虚数部分；

式(2)中：

步骤1.3、幅度谱滤波：将式(2)中的幅度谱置为1，即|F(u_1g-F，v_1g-F)|＝1，则I_1g-F成为式(5)所示I′_1g-F的形式：

同样得I′_2g-F；

步骤1.4、傅里叶逆变换：使用式(6)对I′_1g-F和I′_2g-F分别进行二维离散傅里叶逆变换得到I′_1g和I′_2g，即

I′_1g和I′_2g即根据频域计算得到的I₁和I₂的显著性图像，I′_1g和I′_2g的尺寸与各自原图像一致，均为灰度图像，灰度值越高的像素点代表原图像I₁和I₂中该像素点的位置对应的视觉显著性值高；

步骤2所述的显著性前景和非显著性背景权值比率计算，具体如下：

步骤2.1、显著性前景和非显著性背景检测：显著性图像I′_1g和I′_2g中，显著性值大于等于θ的像素点分别定义为显著性前景集合和显著性值小于θ的像素点分别定义为非显著性背景像素集合和

步骤2.2、权值计算：使用式(7)分别计算I₁和I₂的显著性前景权值比率r^f

式(7)中Size(·)表示显著性前景集合和的像素点数量，Mean(·)表示和的灰度平均值；

使用式(8)分别计算I₁和I₂的非显著性背景权值比率：

式(8)中Size(·)表示背景集合和的像素点数量，Mean(·)表示和的灰度平均值；

步骤3所述的图像相似性计算，具体如下：

步骤3.1、显著性前景和非显著性背景距离计算：分别统计和的256级灰度直方图得到和根据式(9)、(10)分别计算I₁和I₂的显著性前景之间的距离以及非显著性背景之间的距离

步骤3.2、图像距离计算：根据式(11)计算I₁和I₂之间的距离D(I₁，I₂)：

计算得到的D(I₁，I₂)值越大，则I₁和I₂的相似度越低；D(I₁，I₂)值越小，则I₁和I₂的相似度越高。