[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

说明书

本发明公开了一种基于频域视觉显著性分析的图像相似性计算方法。该方法为：首先、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；其次、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；最后、按照定义的距离计算公式，计算待比较图像之间的距离，距离越小则图像相似度越高。本发明方法具有抗背景颜色一致能力强、计算效率高的优点。

技术领域

本发明属于图像相似性计算技术领域，特别是一种基于频域视觉显著性分析的图像相似性计算方法。

背景技术

图像相似性计算的目的是衡量两幅图像内容的相似性程度，该技术广泛应用于基于内容的图像检索和图像分类中。相比于传统的基于标签的图像检索和分类，基于内容的方法直接考察图像包含的具体内容，更符合人们进行图像检索和分类的习惯，同时避免了繁琐的人工标注图像标签的过程。基于内容的图像检索或图像分类不需要对相关图像进行精确匹配，而是通过计算查询图像和候选图像之间视觉特征的相似度来完成，通过提取图像的纹理、颜色或者形状等特征形成特征向量，来代表对应的图像。在图像检索中，判断图像之间是否相似主要通过比较不同图像特征向量之间的距离。距离越大说明图像的相似度越小，距离越小说明图像相似度越大，即内容相似的图像间应该具有较小的距离，而内容不相似的图像间应具有较大的距离。按照人们的视觉习惯，图像内容主要指图像中的显著性前景部分，而图像中的背景信息在比较图像相似性时起到的作用比较小。

目前大部分图像相似性计算方法，都是通过计算图像之间的距离，从而对整幅图像的相似性进行计算，如果两幅图像背景颜色很相似，那么即使各自包含的前景对象完全不一样，也会得到较高的相似性，因此对整幅图像的相似性进行计算的方法难以满足基于内容的图像检索和图像分类的需求。如果先对图像进行精细的前景和背景分割，那么由于现有的前景分割算法计算量大，效率低，难以满足海量图像在线检索和分类的应用需求。

发明内容

本发明的目的在于提供一种计算效率高、抗背景颜色一致能力强的基于频域视觉显著性分析的图像相似性计算方法。

实现本发明目的的技术解决方案为：一种基于频域视觉显著性分析的图像相似性计算方法，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。

进一步地，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；