基于轮廓相似度的图像比较方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110766708A(43)申请公布日2020.02.07(21)申请号201911016147.9(22)申请日2019.10.24(71)申请人西安工业大学地址710032陕西省西安市未央区学府中路2号申请人中国人民解放军陆军研究院工程设计研究所(72)发明人喻钧张云辉胡志毅初苗(74)专利代理机构西安新思维专利商标事务所有限公司61114代理人黄秦芳(51)Int.Cl.G06T7/13(2017.01)G06T7/194(2017.01)权利要求书1页说明书4页附图4页(54)发明名称基于轮廓相似度的图像比较方法(57)摘要本发明计算机图像处理领域，具体涉及一种基于轮廓相似度的图像比较方法，该方法主要思路：首先选取两幅图像进行二值化，然后对图像均匀分割，将分割后的局部图片进行特征二值提取，以此构造卷积矩阵，最后采用欧式距离与余弦相似度归一化的方法进行轮廓相似度的计算，从而获得两幅图像的轮廓相似度的精确值，最后用里克特量表进行相似度的评估。该方法一方面可用于减少因图像背景的噪声干扰从而导致目标识别的误判概率；另一方面，当应用于迷彩伪装效果评价时，轮廓相似度可作为一个新的相似度评价指标。CN110766708ACN110766708A权利要求书1/1页1.基于轮廓相似度的图像比较算法，其特征在于，包括以下步骤：步骤(1)、输入一个任意的图像数据集I，假设该数据集I包括N张图像，N是自然数，每张图像用Ii(i＝1,2,3……N)表示；步骤(2)、顺序挑选一张图像Ii(i＝1,2,3……N)作为源图，再选取另一张图像Ij(j＝1,2,3……N,i≠j)作为目标图；步骤(3)、计算图像Ii和图像Ij的二值卷积矩，并转化为一维轮廓特征向量Ci与Cj；步骤(4)、对两个轮廓特征向量Ci与Cj，使用轮廓相似度算法计算轮廓相似度Oij；步骤(5)、重复执行以上步骤(2)～(4)，直到对于图像Ii来说，获得全部的N-1个轮廓相似度值；步骤(6)、重复执行步骤(5)，直到数据集中的所有图像都两两计算完毕，最终得到一个包括N个值的轮廓相似度结果集O；步骤(7)、将轮廓相似度结果集O进行一元回归，回归结果就是最终计算的轮廓相似度S。2.根据权利要求1所述基于轮廓相似度的图像比较算法，其特征在于判定图像单元黑白特征的方法以及根据二值卷积矩生成轮廓特征向量的方法，如：所述步骤3的具体转化方法为：步骤(3.1)、对于图像Ii或Ij(假设大小为N*N)，首先对其进行均匀划分，划分方法如下：N*N像素的图像分割为个等分的图像，按照螺旋形顺序对每个等分的图像方格(也称图像单元)进行标记，方格内的数字代表它所在的图像标号。步骤(3.2)、按照标号数字从小到大的顺序，统计每一个图像单元的像素点个数。当一个图像单元内的黑色像素点的数量超过白色像素点数量的3/4时，判定该图像单元的特征为黑色特征，反之亦然。步骤(3.3)、将具有黑色特征的图像单元用1来表示，白色特征的图像单元用0来表示，至此就构建了一个二值卷积矩阵步骤(3.4)、将二值卷积矩阵按照上述的数字标号从小到大的顺序对二值卷积矩阵进行拼接，可以得到一维的轮廓特征向量。2CN110766708A说明书1/4页基于轮廓相似度的图像比较方法技术领域[0001]本发明属于计算机图像处理领域，具体涉及一种基于轮廓相似度的图像比较方法，该方法可用于减少因图像背景的噪声干扰从而导致目标识别的误判概率；同时，当应用于迷彩伪装效果评价时，轮廓相似度可作为一个新的相似度评价指标。背景技术[0002]在军事工程伪装中，常常利用迷彩伪装技术来使得目标与周围背景之间的边缘模糊，使其融入背景中，从而减少被敌方发现和攻击的危险。目标与背景之间的差异是目标暴露的根本原因，因此，目标与背景的相似度就成为迷彩伪装效果的重要评价指标。[0003]相似度是指目标与背景的图像特征的相似程度，其值在[0，1]之间。一般来说，目标与背景的特性差异越大，相似度值就越小，目标越容易从背景中区分出来。反之亦然。[0004]现有技术的不足主要表现在如下三个方面：[0005]第一在目标的轮廓提取方面。由于图像分割模型的不同，以致提取出不同的信息。国内曾有人提出基于阈值的图像分割方法，但由于阈值对噪声比较敏感，容易出现“过度分割”或者“欠分割”，导致图像目标物体的信息遭到损失，提取出的轮廓信息就不够精确。[0006]第二在目标与背景的相似度计算方面。目前已被采用的特征相似度指标有：颜色特征、纹理特征、结构特征以及二阶统计矩特征等。由于目标与背景的边缘交接处(即目标的外部轮廓)是一个重要的暴露特征，而上述指标并没有包含这一特征，以致缺少对目标轮廓特征的描述，进而导致伪装效果评价体系不够全