[发明专利]基于特征融合的图像相似度计算方法、系统及存储介质

说明书

本发明的一种基于特征融合的图像相似度计算方法、系统及存储介质，包括对样本图片的获取，对图片特征的提取，对不同特征进行融合计算融合后的相似度，输入巴氏距离模型进行相似度得分转换，最终对比利用不同特征得到的图像相似度。本发明通过对样本图片的获取，对图片特征的提取，对不同特征进行融合计算融合后的相似度，输入巴氏距离模型进行相似度得分转换，最终对比利用不同特征得到的图像相似度。本发明公开的一种基于特征融合的图像相似度计算方法，能够大大降低计算量，同时提高了相似度的计算准确度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于特征融合的图像相似度计算方法、系统及存储介质。

背景技术

随着计算机视觉的发展，图像相似度在军事以及安防领域应用越来越广泛，计算图像相似度的模型有基于像素级别的判断，也有基于深度学习模型。

然而，模型都过于庞大，计算量较大，导致计算图像相似度的效率不高，同时准确度也容易收到像素级别的变化的影响；

同时，对于基于单特征的欧式距离法，仍然无法完全描述图片，得到的图像相似度准确度低。

发明内容

本发明提出的一种基于特征融合的图像相似度计算方法、系统及存储介质，可解决上述技术问题。

为实现上述目的，本发明采用了以下技术方案：

一种基于特征融合的图像相似度计算方法，包括以下步骤，

S1、获取实验样本，其中，所述实验样本包括场景与目标相同的图片、场景与目标仅含有设定范围内差别的图片、场景与目标完全不同的图片；

S2、将实验样本按照S1分成三组，对每个样本进行相同的图像预处理，减少由于拍摄原因以及光照情况带来的图像差异；

S3、对图像进行特征提取，其中所述特征包括图像多种特征包括颜色、亮度以及纹理；

S4、特征获取之后，按照设定的方式进行维度升降以及标准化处理；

S5、建立相似度计算模型，用以评价图像相似度；

S6、对三个特征进行融合，并且进行不同的设定方式的融合，进行相似度评价。

进一步的，所述S1在获取实验样本时，同组图片需要在设定的时间间隔内完成，并且配以标准三脚架对相机进行固定。

进一步的，所述S2中图像预处理方法包括灰度拉伸，噪声处理以及直方图均衡化处理。

进一步的，所述S3中对于颜色特征，首先利用颜色空间三个分量的剥离得到颜色直方图，之后通过观察实验数据发现将图像进行旋转变换、缩放变换、模糊变换后图像的颜色直方图改变不大。

进一步的，所述S3中对于亮度特征，通过亮度或灰度直方图将图像中所有的像素点，按照灰度值的大小，统计其出现的频率。

进一步的，所述S3中对于纹理特征，使用HOG特征即方向梯度直方图，通过HOG特征计算和统计图像局部区域的梯度方向直方图来构成特征。

进一步的，所述S5中，基于特征之间的巴式距离进行相似度模型的建立，对于高相似的图片，其特征基本没有差异，因此巴氏距离较小，同理差异大的图像巴式距离较大，最后对计算得到的巴式距离进行得分转换，得到相似度评分。

进一步的，所述S6进行特征融合，直接对每个特征进行拼接，相加，相减取绝对值，相加再标准化操作进行融合，最终择一选择融合方式。

进一步的，所述得分转换，观察得到的图片欧式距离，按照最大值进行范围标准化，将欧氏距离的范围控制再0-1之间，最终结果当作评分。

另一方面，本发明还公开一种基于特征融合的图像相似度计算系统，包括以下单元，