搜索引擎图片识别原理.pptVIP

搜索引擎图片识别 1 现在图片识别已经是主流搜索引擎必备的技术 这种技术的原理是什么？计算机怎么知道两张图片相似呢？ 计算机可以区分颜色吗？ 2 将要搜的东西提取出特征值 然后按照特征值比较相似度 按照相似度排序展示 所以总共来说需要解决两个问题，一个是如何取得特征值，一个是如何计算相似度。 相关算法很多，下面主要介绍： 哈希算法 颜色分布法 3 一、平均哈希算法（aHash） 步骤： 1.缩放图片：为了保留结构去掉细节，去除大小、横纵比的差异，把图片统一缩放到8*8，共64个像素的图片。 4 2.转化为灰度图：把缩放后的图片转化为256阶的灰度。 3.计算平均值： 计算进行灰度处理后图片的所有像素点的平均值。 4.比较像素灰度值：遍历灰度图片每一个像素，如果大于平均值记录为1，否则为0. 5 5.得到信息指纹：组合64个bit位，即8*8的矩阵，采样顺序随意只要保持一致性即可。 6.对比指纹：计算两幅图片的指纹，计算汉明距离（即矩阵异或，1的个数就是汉明距离），汉明距离越大则说明图片越不一致，反之，汉明距离越小则说明图片越相似，当距离为0时，说明完全相同。（通常认为距离10 就是两张完全不同的图片） 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 0 1 0 1 1 1 1 0 1 0 0 1 1 1 0 1 1 1 1 0 1 1 1 0 1 1 0 1 1 1 1 0 1 1 1 0 1 1 1 1 1 1 1 1 0 6 优点： 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。 7 二、感知哈希算法（pHash） 步骤： 1.缩小图片：32 * 32是一个较好的大小，这样方便DCT计算 2.转化为灰度图：把缩放后的图片转化为256阶的灰度图。 3.计算DCT（离散余弦变换）:DCT把图片的高频分量与低频分量分离 4.缩小DCT：DCT是32*32，保留左上角的8*8，这些代表的图片的最低频率 8 5.计算平均值：计算缩小DCT后的所有像素点的平均值。 6.进一步减小DCT：大于平均值记录为1，反之记录为0. 7.得到信息指纹：组合64个信息位，顺序随意保持一致性即可。 8.对比指纹：计算两幅图片的指纹，计算汉明距离 9 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（离散余弦变换）来降低频率的方法 10 三、差异哈希算法（dHash） 步骤： 1.缩小图片：收缩到9*8的大小，一遍它有72的像素点 2.转化为灰度图：把缩放后的图片转化为256阶的灰度图。 3.计算差异值：dHash算法工作在相邻像素之间，这样每行9个像素之间产生了8个不同的差异，一共8行，则产生了64个差异值 4.获得指纹：如果左边的像素比右边的更亮，则记录为1，否则为0. 11 相比pHash，dHash的运算量小，速度快 相比aHash，dHash在效率几乎相同的情况下的效果要更好，它是基于渐变实现的。 12 颜色分布法 每张图片都可以生成颜色分布的直方图。如果两张图片的直方图很接近，就可以认为它们很相似。 任何一种颜色都是由红绿蓝三原色（RGB）构成的，所以上图共有4张直方图（三原色直方图 + 最后合成的直方图）。 13 如果每种原色都可以取256个值，那么整个颜色空间共有1600万种颜色（256的三次方） 需要采用简化方法。可以将0～255分成四个区： 0～63为第0区 64～127为第1区 128～191为第2区 192～255为第3区 这意味着红绿蓝分别有4个区，总共可以构成64种组合（4的3次方）。 任何一种颜色必然属于这64种组合中的一种，这样就可以统计每一种组合包含的像素数量。 14 将表中最后一栏提取出来，组成一个64维向量(7414, 230, 0, 0, 8, ..., 109, 0, 0, 3415, 53929)。这个向量就是这张图片的特征值或者叫指纹。 15 于是，寻找相似图片就变成了找出与其最相似的向量。这可以通过余弦相似度算出 计算两个向量的夹角，余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似。 颜色分布法只关注统计意义下的RGB颜色分布信息，而不关系图像本身的空间分布信息 16 谢谢 17