一种图像相似度计算系统，应用于图像处理装置中。该系统将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像，并根据第一灰度图像以及第二灰度图像的尺寸对第二灰度图像进行处理，得到一个目标图像。然后，该系统为第一灰度图像中的每一个像素点匹配一个目标图像中的像素点，以构造一个像素点对集合。最后，该系统根据得到的像素点对集合中每个像素点的灰度值计算第一图像与第二图像之间的相似度。本发明可提高图像相似度计算结果的准确性。
1.一种图像相似度计算方法，其特征在于，该方法包括：
图像灰度化步骤，将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像，其中，第二图像的尺寸大于或等于第一图像的尺寸；
目标图像确定步骤，根据第一灰度图像的尺寸以及第二灰度图像的尺寸对第二灰度图像进行处理，得到一个目标图像；
像素点匹配步骤，为第一灰度图像中的每一个像素点匹配一个目标图像中的像素点，构造一个像素点对集合S＝{(Pi,P'j),1≤i≤n,1≤j≤m}，其中，Pi是指第一灰度图像中的像素点，P’j是指目标图像中与像素点Pi匹配的像素点，n为第一灰度图像中的像素点个数，m为目标图像中的像素点个数，且m大于或等于n,所述像素点对集合S满足条件：{(Pi,P'j)|∑Dij→min,1≤i≤n,1≤j≤m}，其中，Dij＝|Vi-V'j|，Vi为像素点Pi的灰度值，V’j为像素点P’j的灰度值；及相似度计算步骤，根据得到的像素点对集合S中每个像素点的灰度值计算第一图像与第二图像之间的相似度，其中，所述相似度计算步骤计算所述相似度的公式为：其中，S(Ia，Ib)为第一图像与第二图像之间的相
似度，当针对一像素点对(Pi，P’j)求得的Dij为0时，将 由1替代。
2.如权利要求1所述的图像相似度计算方法，其特征在于，所述像素点匹配步骤包括：
使用穷举法或回溯算法为第一灰度图像中的每个像素点匹配一个目标图像中的像素点，得到K种匹配方式，并根据该K种匹配方式得到K个像素点对集合S1，S2，…，Sk；及针对S1至Sk中的每个像素点对集合分别求得一个值Dk＝(Pi,P'j)|∑Dij,1≤i≤n,1≤j≤m，并将所求得的值D1至Dk中的最小值min所对应的像素点对集合作为所述构造的像素点对集合S。
3.如权利要求1所述的图像相似度计算方法，其特征在于，所述目标图像确定步骤包括：如果第二灰度图像的尺寸与第一灰度图像的尺寸之比大于一预定比例，则将第二灰度图像的尺寸进行缩小，得到所述目标图像，其中，该目标图像的像素点个数等于或最接近于第一灰度图像的像素点个数；或者如果第二灰度图像的尺寸与第一灰度图像的尺寸之比小于或等于所述预定比例，则将该第二灰度图像直接确定为所述目标图像。
4.一种图像相似度计算系统，其特征在于，该系统包括：
图像灰度化模块，用于将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像，其中，第二图像的尺寸大于或等于第一图像的尺寸；
目标图像确定模块，用于根据第一灰度图像的尺寸以及第二灰度图像的尺寸对第二灰度图像进行处理，得到一个目标图像；
像素点匹配模块，用于为第一灰度图像中的每一个像素点匹配一个目标图像中的像素点，构造一个像素点对集合S＝{(Pi,P'j),1≤i≤n,1≤j≤m}，其中，Pi是指第一灰度图像中的像素点，P’j是指目标图像中与像素点Pi匹配的像素点，n为第一灰度图像中的像素点个数，m为目标图像中的像素点个数，且m大于或等于n，所述像素点对集合S满足条件：{(Pi,P'j)|∑Dij→min,1≤i≤n,1≤j≤m}，其中，Dij＝|Vi-V'j|，Vi为像素点Pi的灰度值，V’j为像素点P’j的灰度值；及相似度计算模块，用于根据得到的像素点对集合S中每个像素点的灰度值计算第一图像与第二图像之间的相似度，其中，所述相似度计算模块计算所述相似度的公式为：其中，S(Ia，Ib)为第一图像与第二图像之间的相
似度，当针对一个像素点对(Pi，P’j)求得的Dij为0时，将 由1替代。
5.如权利要求4所述的图像相似度计算系统，其特征在于，所述像素点匹配模块通过以下步骤构造所述像素点对集合S：使用穷举法或回溯算法为第一灰度图像中的每个像素点匹配一个目标图像中的像素点，得到K种匹配方式，并根据该K种匹配方式得到K个像素点对集合S1，S2，…，Sk；及针对S1至Sk中的每个像素点对集合分别求得一个值Dk＝(Pi,P'j)|∑Dij,1≤i≤n,1≤j≤m，并将所求得的值D1至Dk中的最小值min所对应的像素点对集合作为所述构造的像素点对集合S。
6.如权利要求4所述的图像相似度计算系统，其特征在于，所述目标图像确定模块执行以下步骤得到所述目标图像：如果第二灰度图像的尺寸与第一灰度图像的尺寸之比大于一预定比例，则将第二灰度图像的尺寸进行缩小，得到所述目标图像，其中，该目标图像的像素点个数等于或最接近于第一灰度图像的像素点个数；或者如果第二灰度图像的尺寸与第一灰度图像的尺寸之比小于或等于所述预定比例，则将该第二灰度图像直接确定为所述目标图像。
图像相似度计算系统及方法
技术领域
[0001] 本发明涉及一种图像相似度计算系统及方法。
背景技术
[0002] 图像检索是互联网检索领域的重要技术之一。目前的图像检索大多都是通过计算图像之间相似度的方法而实现。计算图像相似度的算法有很多，比较常用的为基于像素点比较的计算方法和统计图像基本特征的计算方法。基于像素点比较的计算方法是将目标图像与原图像的所有像素点逐个进行像素比较，得到目标图像与原图像的相似度。这种逐个进行像素比较的相似度计算方法会有比较大的局限性，若目标图像是经过简单的旋转或缩放等处理后得到的图像，利用上述的相似度计算方法所得到的相似度值可能会存在很大的误差。而基于统计图像的基本特征的计算方法，是通过提取原图像与目标图像的基本特征，比如灰度统计特征(灰度直方图)和图像纹理特征(对灰度共生矩阵统计的能量、熵，惯性矩，局部平稳性等)，然后将得到的原图像与目标图像的基本特征值进行比较得到图像间的相似度。这种计算图像相似度的方法是基于统计的特征，反映出来的是图像的全局性，不能很好的反映出图像的局部特征，所以计算结果同样可能存在较大的误差。因此，如何提高图像相似度计算结果的准确性是目前急需解决的一大课题。
发明内容
[0003] 鉴于以上内容，有必要提供一种图像相似度计算系统，该系统包括：图像灰度化模块，用于将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像，其中，第二图像的尺寸大于或等于第一图像的尺寸；目标图像确定模块，用于根据第一灰度图像以及第二灰度图像的尺寸对第二灰度图像进行处理，得到一个目标图像；像素点匹配模块，用于为第一灰度图像中的每一个像素点匹配一个目标图像中的像素点，构造一个像素点对集合S＝{(Pi,P'j),1≤i≤n,1≤j≤m}，其中，Pi是指第一灰度图像中的像素点，P’j是指目标图像中与像素点Pi匹配的像素点，n为第一灰度图像中的像素点个数，m为目标图像中的像素点个数，且m大于或等于n；及相似度计算模块，用于根据得到的像素点对集合S中每个像素点的灰度值计算第一图像与第二图像之间的相似度。
[0004] 还有必要提供一种图像相似度计算方法，该方法包括：图像灰度化步骤，将一第一图像以及一第二图像分别进行灰度化处理，得到第一灰度图像和第二灰度图像，其中，第二图像的尺寸大于或等于第一图像的尺寸；目标图像确定步骤，根据第一灰度图像以及第二灰度图像的尺寸对第二灰度图像进行处理，得到一个目标图像；像素点匹配步骤，为第一灰度图像中的每一个像素点匹配一个目标图像中的像素点，构造一个像素点对集合S＝{(Pi,P'j),1≤i≤n,1≤j≤m}，其中，Pi是指第一灰度图像中的像素点，P’j是指目标图像中与像素点Pi匹配的像素点，n为第一灰度图像中的像素点个数，m为目标图像中的像素点个数，且m大于或等于n；及相似度计算步骤，根据得到的像素点对集合S中每个像素点的灰度值计算第一图像与第二图像之间的相似度。
[0005] 相较于现有技术，所述图像相似度计算系统及方法，配合图像的缩放和像素点的匹配构造两图像之间的像素点匹配对集合，然后针对该像素点匹配对集合计算得到该两图像之间的相似度。本发明综合考虑到了图像的全局性特征以及局部的像素点特征，提高了图像相似度计算结果的准确性。
附图说明
[0006] 图1是本发明图像相似度计算系统运行环境的硬件架构图。
[0007] 图2是本发明图像相似度计算方法较佳实施例的流程图。
[0008] 主要元件符号说明
[0009]图像处理装置 1
图像相似度计算系统 10
图像灰度化模块 101
目标图像确定模块 102
像素点匹配模块 103
相似度计算模块 104
存储设备 11
处理器 12
[0010] 如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
[0011] 如图1所示，是本发明图像相似度计算系统运行环境的硬件架构图。该图像相似度计算系统10应用于图像处理装置1中。在本实施例中，该图像处理装置1可以是，但不限于，个人计算机或图像处理服务器等设备。
[0012] 所述图像相似度计算系统10包括图像灰度化模块101、目标图像确定模块102、像素点匹配模块103以及相似度计算模块104。该图像相似度计算系统10可固化在图像处理装置1的操作系统中，也可存储在图像处理装置1的存储设备11中，并由该图像处理装置1的处理器12执行，以计算一第一图像Ia与一第二图像Ib之间的相似度。在本实施例中，为方便说明，所述第二图像Ib的尺寸(长与宽的乘积)大于或等于第一图像Ia的尺寸，也即第二图像Ib的像素点个数大于或等于第一图像Ia的像素点个数。
[0013] 所述图像灰度化模块101用于将所述第一图像Ia以及第二图像Ib分别进行灰度化处理，得到第一灰度图像和第二灰度图像。在本实施例中，图像灰度化模块101可使用分量法、最大值法、平均值法或者加权平均法对所述第一图像Ia以及第二图像Ib进行灰度化处理。
[0014] 所述目标图像确定模块102用于根据所述第一灰度图像的尺寸以及第二灰度图像的尺寸对第二灰度图像进行处理，得到一个目标图像。具体而言，该目标图像确定模块102首先判断第二灰度图像的尺寸与第一灰度图像的尺寸之比是否大于一预定比例，例如1.25：1。若第二灰度图像的尺寸与第一灰度图像的尺寸之比大于所述预定比例，该目标图像确定模块102将第二灰度图像的尺寸进行缩小，得到所述目标图像，且该目标图像的像素点个数等于或最接近于第一灰度图像的像素点个数。其中，目标图像确定模块102通过将第二灰度图像的长和宽均缩小相同的比例来缩小第二灰度图像的尺寸。
[0015] 另外，若第二灰度图像的尺寸与第一灰度图像的尺寸之比小于或等于所述预定比例，所述目标图像确定模块102则将该第二灰度图像直接确定为所述目标图像。
[0016] 所述像素点匹配模块103用于为第一灰度图像中的每一个像素点匹配一个目标图像中的像素点，构造一个像素点对集合S＝{(Pi,P'j),1≤i≤n,1≤j≤m}，其中，Pi是指第一灰度图像中的像素点，P’j是指目标图像中与像素点Pi匹配的像素点，n为第一灰度图像中的像素点个数，m为目标图像中的像素点个数，且m大于或等于n。此外，构造的像素点对集合S满足如下条件：{(Pi,P'j)|∑Dij→min,1≤i≤n,1≤j≤m}，其中，Dij＝|Vi-V'j|，Vi为像素点Pi的灰度值，V’j为像素点P’j的灰度值。所述Dij被称为像素点Pi与P’j之间的欧氏距离，用于表征像素点Pi与P’j之间的相似度。
[0017] 具体而言，所述像素点匹配模块103可通过穷举法或回溯算法构造所述像素点对集合S。假设使用穷举法或回溯算法为第一灰度图像中的像素点匹配一个目标图像中的像素点的过程中，会产生K种匹配方式，相应可得到K个像素点对集合，S1，S2，…，Sk。然后，针对S1至Sk中的每个像素点对集合分别求得一个值Dk＝(Pi,P'j)|∑Dij,1≤i≤n,1≤j≤m，其中，所求的值D1至Dk中的最小值(min)所对应的像素点对集合即为所需构造的像素点对集合S。
[0018] 所述相似度计算模块104用于根据得到的像素点对集合S中每个像素点的灰度值计算第一图像Ia与第二图像Ib之间的相似度S(Ia，Ib)。其中，相似度计算模块104计算S(Ia，Ib)的公式为 特别地，在计算该S(Ia，Ib)的公式中，若针对某一个像素点对(Pi，P’j)求得的Dij为0，则将值 由1替代。所求得的相似度S(Ia，Ib)的取值范围为[0，1]，S(Ia，Ib)的取值越大，表示第一图像Ia与第二图像Ib的相似度越高。
[0019] 如图2所示，是本发明图像相似度计算方法较佳实施例的流程图。
[0020] 步骤S01，所述图像灰度化模块101将所述第一图像Ia以及第二图像Ib分别进行灰度化处理，得到第一灰度图像和第二灰度图像。
[0021] 步骤S02，所述目标图像确定模块102根据所述第一灰度图像的尺寸以及第二灰度图像的尺寸对第二灰度图像进行处理，得到一个目标图像。得到该目标图像的方法参见上述对目标图像确定模块102的详细描述。
[0022] 步骤S03，所述像素点匹配模块103为第一灰度图像中的每一个像素点匹配一个目标图像中的像素点，构造一个像素点对集合S＝{(Pi,P'j),1≤i≤n,1≤j≤m}，其中，Pi是指第一灰度图像中的像素点，P’j是指目标图像中与像素点Pi匹配的像素点，n为第一灰度图像中的像素点个数，m为目标图像中的像素点个数，且m大于或等于n。所述像素点对集合S满足如下条件：
[0023] {(Pi,P'j)|∑Dij→min,1≤i≤n,1≤j≤m}，其中，Dij＝|Vi-V'j|，Vi为像素点Pi的灰度值，V’j为像素点P’j的灰度值。所述Dij被称为像素点Pi与P’j之间的欧氏距离，用于表征像素点Pi与P’j之间的相似度。
[0024] 步骤S04，所述相似度计算模块104用于根据得到的像素点对集合S中每个像素点的灰度值计算第一图像Ia与第二图像Ib之间的相似度S(Ia，Ib)。其中，计算S(Ia，Ib)的公式为 特别地，在计算该S(Ia，Ib)的公式中，若针对某一个像素点对(Pi，P’j)求得的Dij为0，则表示像素点Pi和P’j特征相同，因此将值由1替代。
[0025] 以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
