图形学–相似图像搜索.ppt

相似图像搜索 --何奇14110852181 相似图像搜索 --HISTORY 2010年6月份，谷歌图片的搜索框旁边放置了一个小照相机的按钮，标志着以图搜图的全新图片检索功能开始启用， 8月份，搜狗图片搜索也具备了以图搜图的功能， 12月，百度正式上线图片搜索新功能——百度识图。这些图片搜索不同于以前的以关键字来搜索图片，而是使用图片本身替代了关键字来搜索类似图片， 这种以图搜图方式的搜索引擎用术语来说就是“反向图片搜索引擎”(reverse image search engine)。 十款搜索引擎------很少能打开--vv-- 1 2 3 4 .hk 5 6 7 8 9 10 国内图片搜索引擎的排名情况 1. Google图片搜索 2. 百度图片搜索 3 .必应图片搜索 4 .搜狗图片搜索 5. 搜搜图片 6. 有道图片搜索 7. 雅虎图片搜索 从体验的角度 百度识图--小试牛刀--范冰冰 技术原理 看到了技术，我们就想探究技术背后的原理，这种技术的原理是什么？计算机怎么知道两张图片相似呢？ 原理非常简单易懂。我们可以用一个快速算法，就达到基本的效果。这里的关键技术叫做“感知哈希算法”（Perceptual hash algorithm），它的作用是对每张图片生成一个“指纹”（fingerprint）字符串，然后比较不同图片的指纹。结果越接近，就说明图片越相似。 这种图像搜索的算法的三个步骤 第一步骤： 将目标图片进行特征提取，描述图像的算法很多，用的比较多的是：SIFT描述子，指纹算法函数，bundling features算法，hash function(散列函数)等。也可以根据不同的图像，设计不同的算法，比如图像局部N阶矩的方法提取图像特征。 这种图像搜索的算法的三个步骤 第二步骤： 将图像特征信息进行编码，并将海量图像编码做查找表。对于目标图像，可以对分辨率较大的图像进行降采样，减少运算量后在进行图像特征提取和编码处理。 平均哈希算法的三个步骤 第三步骤： 相似度匹配运算：利用目标图像的编码值，在图像搜索引擎中的图像数据库进行全局或是局部的相似度计算;根据所需要的鲁棒性，设定阈值，然后将相似度高的图片预保留下来;最后应该还有一步筛选最佳匹配图片，这个应该还是用到特征检测算法。 其中每个步骤都有很多算法研究，围绕数学，统计学，图像编码，信号处理等理论进行研究。 一个最简单的实现 第一步，缩小尺寸。 将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。 第二步，简化色彩。 将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。 一个最简单的实现 第三步，计算平均值。 计算所有64个像素的灰度平均值。 第四步，比较像素的灰度。 将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1;小于平均值，记为0。 第五步，计算哈希值。 将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。 灰度图相关算法（R = red G = green B = blue） 1.浮点算法：Gray=R*0.3+G*0.59+B*0.11 据说是很著名的心理学公式 2.整数方法：Gray=(R*30+G*59+B*11)/100 3.移位方法：Gray =(R*76+G*151+B*28)8; 4.平均值法：Gray=（R+G+B）/3; 5.仅取绿色：Gray=G；估计效果最差，但最快 简单相似图像搜索 得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算汉明距离（Hamming distance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。 这种算法的优点是简单快速，不受图片大小缩放的影响，缺点是图片的内容不能变更。如果在图片上加几个文字，它就认不出来了。所以，它的最佳用途是根据缩略图，找出原图。 计算出这些图片的指纹, 放在一个txt文本中, 结果展示 不足 上述实际应用中，往往采用更强大的pHash算法和SIFT算法，它们能够识别图片的变形。只要变形程度不超过25%，它们就能匹配原图。这些算法虽然更复杂，但是原理与上面的简便算法是一样的，就是先将图片转化成Hash字符串，然后再进行比较。 ------适合查找原图，不适合查找相似度 平均哈希算法过于严格，不够精确，更适合搜索缩略图，为了获得更精确的结果可以选择感知哈希算法，它采用的是DCT