论文部分内容阅读
图像相似性在基于内容的图像检索、图像匹配、图像识别和图像拼接等领域有着广泛的应用,大多数关于图像相似性的研究都包含在图像检索、图像配准和图像识别等领域的研究中。不同人对图像的相似性有不同的理解,因此本文归纳出六类客观的图像相似性,详细地论述经过六种不同变换后的图像与原图像之间的相似性如何计算。用于图像相似性计算的特征有很多种,本文主要使用颜色特征、纹理特征、形状特征和图像局部不变性特征。提取特征后,可以结合图像哈希以及图像感知哈希技术生成图像哈希,使用汉明距离进行图像的相似性度量。最后,综合图像特征提取中使用的各种算法,使用GPGPU技术进行加速,以提升算法的效率。以下是本文的主要工作。1、使用颜色、纹理、形状三种图像特征进行相似性计算,颜色特征方面,采用颜色直方图和颜色矩,参考MPEG-7中的颜色布局描述子,主色描述子,颜色结构描述子,并做了简化处理。纹理特征方面,主要使用灰度共生矩阵法和基于Gabor小波纹理特征提取两种方法。形状特征方面,采用简化的Hu矩进行计算。当前大部分研究只是定性地讨论图像的某种变换对相似性的影响,而本文则给出图像变换后与原图像的相似性程度的量化结果。详细地介绍各种度量算法的原理,以及各种距离度量算法适合哪种图像特征的图像相似性度量,同时验证度量算法的效率及其有效性,并设计出一种综合的度量算法。2、使用Harris和SIFT两种计算图像局部不变性特征的经典算法和HOG算法进行图像相似性计算,同时分析了方向步长对基于SIFT和HOG算法的相似性度量影响。3、结合图像哈希技术,采用图像尺度压缩,然后二值化生成0和1字符串,DCT变换后提取低频系数和SIFT特征向量三种方法,提取图像特征值作为哈希输入,生成图像哈希,并使用汉明距离进行相似性度量。4、综合本文的研究内容,最后设计并实现一个图像相似性度量系统,包含图像特征计算、相似性度量和相似图像搜索等,使用GPU加速特征提取算法和相似性度量算法中的并行计算。系统具有良好的稳定性和扩展性。