1.一种基于改进颜色方差算法的图像相似判定方法,其特征在于:首先通过基准图及考察图对图像进行全方位旋转操作,生成上、下、左、右、左上、左下、右上、右下8张剪裁旋转图,其后通过颜色方差算法对图像进行方差计算,两两计算剪裁旋转图之间基于颜色方差算法的方差差值,并取其最小值作为图像之间基于颜色方差算法的方差差值;基于颜色方差算法的方差差值小于相似阈值,则判定为图像相似;若基于颜色方差算法的方差差值大于相似阈值,则判定为图像不相似;
具体步骤为:
Step1:获取图像A和图像B;
Step2:将图像A、B作为基准图,并在图像A、B中相同位置截取相同大小的图像作为考察图Step3:对图像A、B按照Step3.1~Step3.4的规则进行方向旋转变化,得到新的图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step3.1:记考察图 的大小为M×N,其中心位置坐标为(x,y);
Step3.2:以中心位置坐标(x,y)作为基准图像A、B的中心,重新在基准图上截取大小为M′×N′的截取后的图像A′、B′,其中M′≥M,N′≥N;
Step3.3:对截取后的图像A′、B′进行45°t,t∈[1,8]方向旋转变化,得到旋转后的图像A′m,m∈[1,8]和B′n,n∈[1,8];
Step3.4:对图像A′m,m∈[1,8]和B′n,n∈[1,8]以中心位置坐标(x,y)为中心,截取大小为M×N的图像,得到最终的旋转图像A″m,m∈[1,8]和B″n,n∈[1,8];
Step4:通过颜色方差算法对图像A″m,m∈[1,8]和图像B″n,n∈[1,8]进行方差计算,得到图像A″m、B″n之间基于颜色方差算法的方差差值DVar(A″m,B″n),m∈[1,8],n∈[1,8];具体如Step4.1~Step4.5所示;
Step4.1:将图像A″m、B″n的大小压缩至8×8;
Step4.2:将压缩后的图像A″m、B″n转化为256阶灰度图像,并表示为矩阵形式 其中 m∈[1,8],i∈[1,8],j∈[1,8]、 n∈[1,8],i∈[1,8],j∈[1,8]为矩阵元素值;
Step4.3:根据公式(1)计算矩阵 的每行元素平均值 i∈[1,8]、 i∈[1,8];
Step4.4:将矩阵按照从上至下i=1→8的规则,根据公式(2)进行方差计算,得到矩阵的方差向量 其中 i∈[1,8]、 i∈[1,8]为向量元素值;
Step4.5:通过公式(3)计算图像A″m、B″n之间基于颜色方差算法的方差差值DVar(A″m,B″n),m∈[1,8],n∈[1,8],其中δ为归一化参数;
Step5:根据图像A″m、B″n两两组合得到Max(m)×Max(n)=8×8=64个方差差值,根据公式(4)选出其中最小值作为图像A、B之间基于颜色方差算法的方差差值DVar(A,B);
DVar(A,B)=Min(DVar(A″m,B″n)),m∈[1,8],n∈[1,8] (4)Step6:定义相似阈值 若图像A、B之间基于颜色方差算法的方差差值DVar(A,B)满足公式(5)要求,则判定图像A和图像B相似;若满足公式(6)要求,则判定图像A和图像B不相似;
2.根据权利要求1所述的基于改进颜色方差算法的图像相似判定方法,其特征在于:所述步骤Step1中,图像A和图像B可以为任意大小的图像,且图像格式任意。
3.根据权利要求1所述的基于改进颜色方差算法的图像相似判定方法,其特征在于:所述步骤Step3.2中,截取的图像的大小要大于考察图像的大小,即满足M′≥M,N′≥N的要求,作用是为了保证旋转后得到的图像在区域内没有空白区域。
4.根据权利要求1所述的基于改进颜色方差算法的图像相似判定方法,其特征在于:所述步骤Step4.5中,归一化参数δ取正整数,通常取δ=1。
5.根据权利要求1所述的基于改进颜色方差算法的图像相似判定方法,其特征在于:所述步骤Step6中,相似阈值 通常取