[发明专利]基于圆环统计特征的抗旋转图像Hash方法

权利要求书

1.一种基于圆环统计特征的抗旋转图像Hash方法，其特征在于：包括如下步骤：

（1）尺寸规格化：用双线性插值法将输入图像规格化成M×M大小；

（2）高斯低通滤波：用3×3高斯低通滤波器对规格化图像进行滤波，记处理后图像为I；

（3）颜色空间转换：如果输入图像不是彩色图像，那么令J=I并转向执行第（4）步；否则将图像I转换到YCbCr颜色空间并取亮度分量表示，记亮度分量为J；

（4）图像环形分割：用N个圆将J分割成面积大致相等的N个圆环，按从小到大的次序对圆的半径编号，设r_i（1≤i≤N）为第i个圆的半径，那么第N个圆的半径为其中表示向下取整运算，接着计算圆环平均面积于是得到第1个圆的半径为第j个圆的半径为(j=2,3,4,...,N-1）；设p(x,y)（1≤x≤M,1≤y≤M）为J的第y行第x列的像素值，用(x_c,y_c)表示图像中心坐标，如果M为偶数，取x_c=M/2+0.5和y_c＝M/2+0.5，否则取x_c=(M+1)/2和y_c(M+1)/2，计算p(x,y)到图像中心的欧氏距离根据像素距离值和圆半径的关系得到每个圆环的像素值，即R₁={p(x,y)|d_x,y≤r₁}和R_n={p(x,y)|r_n-1<d_x,y≤r_n}(n=2,3,…,N)，其中R₁和R_n分别是第1和第n个圆环的像素值的集合；

（5）提取圆环统计特征：计算R_i（1≤i≤N）的均值、方差、偏斜度和峭度并用m_i、v_i、s_i和k_i表示，于是得到4个向量，即m=[m₁,m₂,...,m_N]、v=[v₁,v₂,...,v_N]、s=[s₁,s₂,...,s_N]和k=[k₁,k₂,...,k_N]；

（6）特征归一化：分别对m、v、s和k的元素归一化并将结果记为m⁽¹⁾、v⁽¹⁾、s⁽¹⁾和k⁽¹⁾，即m_i⁽¹⁾=(m_i-μ_m)/δ_m、v_i⁽¹⁾=(v_i-μ_v)/δ_v、s_i⁽¹⁾=(s_i-μ_s)/δ_s和k_i⁽¹⁾=(k_i-μ_k)/δ_k（1≤i≤N），其中μ_m、μ_v、μ_s和μ_k分别是m、v、s和k的均值，δ_m、δ_v、δ_s和δ_k分别为它们的标准差，m_i⁽¹⁾、v_i⁽¹⁾、s_i⁽¹⁾和k_i⁽¹⁾分别是m⁽¹⁾、v⁽¹⁾、s⁽¹⁾和k⁽¹⁾的第i个元素；

（7）计算特征距离：分别计算m⁽¹⁾、v⁽¹⁾、s⁽¹⁾和k⁽¹⁾的均值并把它们作为参考特征，即am=1NΣi=1Nmi(1),]]>av=1NΣi=1Nvi(1),]]>as=1NΣi=1Nsi(1)]]>和ak=1NΣi=1Nki(1),]]>接着计算各圆环特征与参考特征的欧氏距离hi=(mi(1)-am)2+(vi(1)-av)2+(si(1)-as)2+(ki(1)-ak)2(1≤i≤N),]]>于是得到图像Hash h=[h₁,h₂,...,h_N]；

（8）相似性判断：设h⁽¹⁾和h⁽²⁾为两个图像Hash，计算它们的L2范数其中h_i⁽¹⁾和h_i⁽²⁾分别是h⁽¹⁾和h⁽²⁾的第i个元素，如果d小于设定阈值T，认为h⁽¹⁾和h⁽²⁾所对应的图像相同，否则认为是不同图像。