1.一种结合小波变换和感知哈希算法的图像相似度计算方法,其特征在于:所述方法步骤如下:S1、图像预处理:分别对输入的两幅图像A、B进行重采样缩放到2n *2n大小;
S2、小波变换:对处理后的两幅图像A、B分别进行小波变换i层分解,分解的结果为分别产生1幅低频图像矩阵和3*i幅高频图像矩阵;
S3、对两幅图像的所有图像矩阵分别进行生成hash值运算;其中,图像矩阵指S2中产生的低频图像矩阵和高频图像矩阵;
S4、计算两幅图像A、B的低频图像矩阵的相似度,计算两幅图像A、B的对应高频图像矩阵的相似度;其中低频图像矩阵的相似度为1个,高频图像矩阵的相似度共计3*i个;
S5、计算两幅图像A、B的低频图像矩阵用于加权运算的权重,计算两幅图像A、B的对应高频图像矩阵用于加权运算的权重;其中低频图像矩阵用于加权运算的权重为1个,高频图像矩阵用于加权运算的权重共计3*i个;
S6、将对应图像矩阵的相似度与对应图像矩阵用于加权运算的权重相乘后做累加,获得两幅图像A、B的图像相似度。
2.根据权利要求1所述的结合小波变换和感知哈希算法的图像相似度计算方法,其特征在于:所述S2中,采用haar小波分别对两幅图像A、B进行i层分解;其中,i的取值为1或2:当i取值为1时,所有矩阵的大小为2n-1*2 n-1;当i取值为2时,低频图像矩阵的大小为2n-2*2 n-2,一半高频图像矩阵的大小为2n-1*2 n-1,一半高频图像矩阵的大小为2n-2*2 n-2。
3.根据权利要求1所述的结合小波变换和感知哈希算法的图像相似度计算方法,其特征在于:所述S3中,生成hash值的运算步骤如下:①计算图像矩阵的均值;
②将图像矩阵中的每一个元素同均值进行比较,大于等于均值的记为1,小于均值的记为0;
③将上一步的比较结果,组合在一起,构成了一个由1和0构成的m位的整数,该整数为图像矩阵的hash值;其中,m的取值为矩阵的行列相乘所得。
4.根据权利要求3所述的结合小波变换和感知哈希算法的图像相似度计算方法,其特征在于:所述S4中,相似度的计算步骤如下:将两幅图像A、B对应的图像矩阵的hash值按位进行比对,统计相同位有多少,记为p,得到两幅图像A、B对应的图像矩阵的相似度C=p/m。
5.根据权利要求1所述的结合小波变换和感知哈希算法的图像相似度计算方法,其特征在于:所述S5中,权重是根据图像矩阵的能量来计算的,计算步骤如下:①分别计算图像A经小波变换后得到的3*i+1幅图像矩阵中每一幅图像矩阵的所有元素的平方和,作为对应图像矩阵的能量;
②将对应图像矩阵的能量作和运算,得到图像A的总能量;
③计算权重:将图像矩阵的能量与总能量作除,得到对应图像矩阵的权重;
④采用上述步骤计算出图像B经小波变换后得到的3*i+1幅图像矩阵中每一幅图像矩阵的权重;
⑤将图像A和图像B对应图像矩阵的权重相加后除2作为加权运算的权重。