[发明专利]一种利用尺度不变特征计算图像哈希值的方法

说明书

本发明涉及一种利用尺度不变特征计算图像哈希值的方法，属于图像处理领域。本发明利用SIFT算法，计算图像的特征点及相应的尺度不变特征；根据图像中各个特征之间的距离，计算各个特征的权重；比较特征中的各个分量与相邻分量的大小，将特征的各个分量二值化，得到特征的哈希值；将特征的哈希值和权值相乘，得到特征的权重哈希值；将图像各个特征的权重哈希值相加，再将各分量二值化，得到图像的哈希值。本发明提出的计算图像哈希值的方法，利用尺度不变特征作为图像哈希值的基础，缩放、旋转、平移后的图像具有相似的哈希值，符合人类视觉习惯，有助于图像大数据的快速检索，在图像大数据应用中具有重要的应用价值。

技术领域

本发明属于图像处理领域，具体涉及一种利用尺度不变特征计算图像哈希值的方法，确切说，涉及一种利用尺度不变特征的分类来计算图像的哈希值，便于图像大数据快速判断图像间相似性的方法。

背景技术

随着信息技术的发展，人们在互联网上累计了大量的图像，形成了图像大数据。其中，相当大一部分图像是相同或相似的，不仅浪费了大量网络传输时间和存储空间。如果能够实现判断两幅图像的相似性，就可以减少网络传输和存储需求。在图像大数据中，由于图像的数量巨大，通常采用哈希值判断图像的相似性。

目前，已经有多种计算图像的哈希值的方法，例如谷歌提出的图像感知哈希值方法，以及神经网络方法。这些方法中，很少能处理图像的缩放、旋转、平移，经过缩放、旋转、平移后的图像尽管视觉上相似，但这些方法计算出的图像哈希值可能不相似。

因此，需要一种考虑图像缩放、旋转、平移的哈希值计算方法，使得视觉相似的图像的哈希值也相似。本发明正是基于这种现实需求而产生的。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种利用尺度不变特征计算图像哈希值的方法，以解决现有的计算图像的哈希值的方法很少能处理图像的缩放、旋转、平移，经过缩放、旋转、平移后的图像尽管视觉上相似，但这些方法计算出的图像哈希值可能不相似的问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种利用尺度不变特征计算图像哈希值的方法，该方法包括如下步骤：

S1、图像特征计算步骤；利用SIFT算法，计算图像的特征点及相应的尺度不变特征；

S2、特征权重计算步骤；根据图像中各个特征之间的距离，计算各个特征的权重；

S3、特征哈希值计算步骤；比较特征中的各个分量与相邻分量的大小，将特征的各个分量二值化，得到特征的哈希值；

S4、特征权重哈希值计算步骤；将特征的哈希值和权值相乘，得到特征的权重哈希值；

S5、图像哈希值计算步骤；将图像各个特征的权重哈希值相加，再将各分量二值化，得到图像的哈希值。

进一步地，所述步骤S1具体包括：利用现有的SIFT算法计算每幅图像的尺度不变特征，记录各个特征的值为F_i＝(f_i1,f_i2,…,f_iM)。

进一步地，所述特征F_i＝(f_i1,f_i2,…,f_iM)的维度M为128维及以上。

进一步地，特征分量f_ij的值采用f’_ij＝f_ij/(f_i1+f_i2+…+f_iM)的方式规范化为0≤f’_ij≤1。