[发明专利]空间颜色直方图相似度度量方法

摘要

空间颜色直方图相似度度量方法，属于数字图像处理与分析方法，针对现有度量方法不够准确的问题，进一步提高图像相似度计算的准确性。本发明包括：一、计算像素量比例相似度步骤；二、计算像素位置信息相似度步骤；三、度量空间颜色直方图相似度步骤，按步骤一～二，遍历两个空间颜色直方图s和s′中所有三维立体方块，得到两个空间颜色直方图的相似度。本发明将空间颜色直方图每个三维立体方块内的像素分布近似为高斯分布，其概率密度函数的函数空间构成李群空间，在此基础上提出像素位置信息相似度，结合像素量比例相似度，归纳为本发明的度量方法，比现有方法在跟踪算法中有更好的跟踪效果。

主权项

1.一种空间颜色直方图相似度度量方法，包括：一.计算像素量比例相似度步骤：计算空间颜色直方图s和s′中对应的第u个三维立体方块的像素量比例h_u与h′_u的相似度ψ_u：ψu=huhu']]>二.计算像素位置信息相似度步骤：计算空间颜色直方图s和s′中对应的第u个三维立体方块的像素位置信息相似度，包括下述子步骤：2-1.将方块内像素位置信息近似表示为高斯分布；用高斯分布N(μ_u，∑_u)表示空间颜色直方图s中对应的第u个三维立体方块的像素位置信息，该高斯分布的均值为方块内像素坐标均值向量μ_u，该高斯分布的协方差矩阵为该方块内的像素坐标协方差矩阵∑_u，该高斯分布对应的高斯概率密度函数的函数空间构成一个李群空间；同样，用高斯分布N(μ′_u，∑′_u)表示空间颜色直方图s′中对应的第u个三维立体方块的像素位置信息；2-2.将高斯分布转换为正定仿射变换矩阵；将所述高斯分布N(μ_u，∑_u)用仿射变换矩阵M_u表示：Mu=Puμu01,]]>是一个正定矩阵，其中μ_u为高斯分布的均值，P_u是将高斯分布的协方差矩阵∑_u通过Cholesky分解得到的矩阵，分解公式为：∑_u＝P_uP_u^T；在限定矩阵∑_u是对称正定的矩阵时，分解才能唯一得到P_u，且P_u矩阵为正定下三角矩阵；那么同维的仿射变换矩阵M_u也构成一个李群空间；同样，将所述高斯分布N(μ′_u，∑′_u)用仿射变换矩阵M′_u表示；2-3.计算两个仿射变换矩阵的测地线距离d(M_u，M′_u)：d(M_u，M′_u)＝||log(M_u^-1M′_u)||，这里||·||表示求模公式，M_u，M′_u为仿射变换矩阵，log()是求对数操作；2-4.将测地距离d(M_u，M′_u)转换为像素位置信息相似度式中，映射参数θ为0～1，由试验估计得到；三.度量空间颜色直方图相似度步骤：按上述步骤一～二，遍历两个空间颜色直方图s和s′中所有三维立体方块，将每个三维立体方块的像素量比例相似度和像素位置信息相似度相乘并叠加，得到两个空间颜色直方图的相似度ρ(s，s′)：