[发明专利]一种相似图像识别方法及计算设备

说明书

本发明公开了一种相似图像识别方法，在计算设备中执行，包括步骤：获取待识别的两个图像；根据图像中相邻像素的灰度差，分别确定两个图像的纹理特征向量；根据纹理特征向量来判断两个图像的纹理相似性，若判断为纹理不相似，则确定两个图像不相似；若判断为纹理相似，则：根据图像中各像素的颜色值，分别确定两个图像的颜色分布向量；根据图像中各像素的灰度值，分别确定两个图像的信息丰富度；当两个图像的颜色分布向量的相似度大于第一阈值，且两个图像的信息丰富度均大于第二阈值时，将两个图像确定为相似图像。本发明一并公开了相应的计算设备。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种相似图像识别方法及计算设备。

背景技术

图像因其直观性和所含信息的丰富性，被广泛应用于信息的存储和传递。随着信息技术的发展，互联网上累积的图像越来越多，用户本地的图像数量也在持续增长，相应地，相似的、重复的图像也越来越多。

对相似图像进行识别在互联网领域具有重要意义。例如，在图像检索领域，从图像库中识别出与用户输入的图像相似的图像，将识别结果返回给用户，从而实现“以图搜图”功能；在推荐系统领域，通过识别相似图像来对图像进行去重，从而避免重复推荐；在数据压缩领域，通过识别相似图像来对图像进行去重，从而减少数据冗余、节省存储空间；等等。

现有的相似图像识别方法通常通过计算并对比两图像的哈希值来判断两图像是否相似；或者，通过训练好的深度学习模型来提取图像特征，计算两图像特征之间的距离来判断两图像是否相似。以上两种方法中，前者算法简单，但容易产生误判，准确率不高；后者训练网络模型的耗时较长，训练过程中需要占用GPU资源，模型参数、训练/测试数据集的存储需要占用较大的存储空间，且特征的可解释性较差，在产生误判时难以进行解释和改进。

现有的相似图像识别方法在识别的准确性和效率方面难以满足实际应用的需求。因此，需要提供一种能够准确、高效识别相似图像的方法。

发明内容

为此，本发明提供一种相似图像识别方法及计算设备，以力图解决或至少缓解上面存在的问题。

根据本发明的第一个方面，提供一种相似图像识别方法，在计算设备中执行，包括步骤：获取待识别的两个图像；根据图像中相邻像素的灰度差，分别确定两个图像的纹理特征向量；根据纹理特征向量来判断所述两个图像的纹理相似性，若判断为纹理不相似，则确定所述两个图像不相似；若判断为纹理相似，则：根据图像中各像素的颜色值，分别确定两个图像的颜色分布向量；根据图像中各像素的灰度值，分别确定两个图像的信息丰富度；当两个图像的颜色分布向量的相似度大于第一阈值，且两个图像的信息丰富度均大于第二阈值时，将所述两个图像确定为相似图像。

可选地，在根据本发明的相似图像识别方法中，纹理特征向量按照以下步骤确定：将所述图像缩小至预设尺寸并转化为灰度图像，将转化后的图像记为缩略图像；计算所述缩略图像中每一行的相邻像素的灰度差；对计算出的灰度差进行二值化，其中，若灰度差大于0，则将灰度差二值化为1，若灰度差小于等于0，则将灰度差二值化为0；将由各行的二值化后的灰度差所组成的二进制序列作为所述图像的纹理特征向量。

可选地，在根据本发明的相似图像识别方法中，所述根据纹理特征向量来判断所述两个图像的纹理相似性的步骤包括：计算两个图像的纹理特征向量的海明距离，若海明距离小于第三阈值，则判断两个图像纹理相似；若海明距离大于等于第三阈值，则判断两个图像纹理不相似。

可选地，在根据本发明的相似图像识别方法中，若任一图像的纹理特征向量中包含的连续的0或连续的1的数量大于第四阈值，则确定所述两个图像不相似。

可选地，在根据本发明的相似图像识别方法中，颜色分布向量按照以下步骤确定：分别将各颜色通道的颜色值的取值范围划分为多个区段，并根据所述区段生成多个颜色区间，每个所述颜色区间包括每个颜色通道的一个区段；分别统计属于各个颜色区间的像素的数量占图像像素总数量的比例；将由各颜色区间的像素比例所组成的序列作为图像的颜色分布向量。