(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111677550.3 (22)申请日 2021.12.31 (71)申请人 江苏任务网络科技有限公司 地址 213017 江苏省常州市天宁区竹林北 路256号科技促进中心五楼5 30室 (72)发明人 黄圣超　陈贵林　顾程熙　吉鸿呈　 周圣侗　李强　李苏华　凌柯非　 (74)专利代理 机构 常州众慧之星知识产权代理 事务所(普通 合伙) 32458 代理人 郭云梅 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/26(2022.01) G06K 9/62(2022.01) (54)发明名称 基于邻域相似关系的图像相似性的计算方 法 (57)摘要 本发明公开了一种基于邻域相似关系的图 像相似性的计算方法， 方法步骤中包含： 将目标 图像切分为大小一致的多个图像块； 基于四邻域 计算目标图像与数据库中图像的结构相似性 Sstructure； 将结构相似性Sstructure与阈值Ts比较； 其中， 如果Sstructure≥Ts， 基于四邻域计算目标图 像与数据库中图像的特性相似性Sfeature， 计算结 构相似性Sstructure和特性相似性Sfeature的加权平 均数， 得到目标图像与数据库中图像的整体相似 性S； 如果Sstructure＜Ts， 目标图像与数据库中的 图像无相似性。 本发明通过邻域关系确定相似 性， 不易受到椒盐噪声、 局部光照不均的影 响， 能 够最大程度地保证图像的相似关系在局部结构 上的稳定 。 权利要求书2页 说明书5页 CN 114373085 A 2022.04.19 CN 114373085 A 1.一种基于邻域相似关系的图像相似性的计算方法， 其特 征在于， 方法步骤中包 含： 将目标图像切分为大小一 致的多个图像块； 基于四邻域计算目标图像与数据库中图像的结构相似性Sstructure； 将结构相似性Sstructure与阈值Ts比较； 其中， 如果Sstructure≥Ts， 基于四邻域计算目标图像与数据库中图像的特性相似性Sfeature， 计 算结构相 似性Sstructure和特性相似性Sfeature的加权平均数， 得到目标图像与数据库中图像 的整体相似性S； 如果Sstructure＜Ts， 目标图像与数据库中的图像无相似性。 2.根据权利要求1所述的基于邻域相似关系的图像相似性的计算方法， 其特 征在于， 在将目标图像切分为多个图像块前， 还 包括对目标图像进行处 理， 所述处 理过程包 含： 先去除目标图像边界上的纯色区域； 再对目标图像进行灰度化处理； 后将目标图像归 一化至M×M像素大小； 其中， 将目标图像均切成N ×N个图像块， N≥3， M为 N的整数倍。 3.根据权利要求2所述的基于邻域相似关系的图像相似性的计算方法， 其特 征在于， 基于四邻域计算目标图像与数据库中图像的结构相似性Sstructure的方法步骤中包 含： 定义相邻图像块之间的相似系数的计算方式； 计算目标图像除边界外的每一个图像块与其 四邻域图像块之间的相似系数， 目标图像 除边界外的每一个图像块与其四邻域图像块之间的相似系 数构成一个1 ×4的相似系 数数 组； 在每个相似系数数组中， 以四个相似系数的均值为衡量系数， 相似系数大于或等于衡 量系数， 置1， 小于衡量系数， 置 0， 每个相似系数 数组得到一个1 ×4的相关系数 数组； 对于每一个1 ×4的相关系数数组， 与数据库中图像的对应位置的相关系数数组进行比 对， 其结果dif f为： 其中， i代表数组中第i个元素， 为异或运算， ai为目标图像的某个相关系数数组中第i 个元素， bi为数据库中图像对应位置的相关系数 数组的第i个元 素； 将(N‑2)2个diff累加， 得到Dif f； 由 得到Sstructure。 4.根据权利要求3所述的基于邻域相似关系的图像相似性的计算方法， 其特 征在于， 相邻图像块之间的相似系数的计算方式为： 其中， M×N为图像块IA和图像块IB的大小， 为图像块IA的像素均值， 为图像块IB的权　利　要　求　书 1/2 页 2 CN 114373085 A 2像素均值， 为图像块 IA和图像块 IB的相似系数。 5.根据权利要求1所述的基于邻域相似关系的图像相似性的计算方法， 其特 征在于， 基于四邻域计算目标图像与数据库中图像的特性相似性Sfeature的方法步骤中包 含： 对于每个图像块， 以2 ×2大小的卷积核， 步长为2求取中位数， 得到特征矩阵h， 将特征 矩阵h的灰度压缩到8级， 得到特 征矩阵H， 将特 征矩阵H压缩到一维， 则得到一个一维数组； 将目标图像除边界外的每一个图像块的四邻域图像块所对应的一维数组与数据库中 图像相对应图像块的四邻域图像块所对应的一维数组做对比， 当对应位置数值相同时， 置 为0， 反之置为1， 得到对比后的数组v； 其中， 某个图像块的一个邻域图像块与数据库中图像相对应图像块的相对应邻域图像块的 相似度sfeature为： 采用四邻域均值代表某个图像块与数据库中图像对应图像块的相似度， 之后从左向 右， 从上到下对目标图像除边界外的图像块进行遍历， 求取均值作为 目标图像与数据库中 图像的特 征相似度Sfeature。 6.根据权利要求5所述的基于邻域相似关系的图像相似性的计算方法， 其特 征在于， 将特征矩阵h的灰度压缩到8级， 得到特 征矩阵H的计算公式为： 其中， max(h)代表特征矩阵h的最大值， min(h)代表特 征矩阵h的最小值， 代表向下取 整。 7.根据权利要求1所述的基于邻域相似关系的图像相似性的计算方法， 其特 征在于， 计算结构相似 性Sstructure和特性相似性Sfeature的加权平均数， 得到目标图像与数据库中 图像的整体相似性S的计算公式为： S＝0.3×Sstructure+0.7×Sfeature。 。 。 8.根据权利要求1所述的基于邻域相似关系的图像相似性的计算方法， 其特 征在于， Ts＝0.7。 9.根据权利要求2所述的基于邻域相似关系的图像相似性的计算方法， 其特 征在于， M＝512， N ＝16， 每个图像块的像素 大小为32 ×32。权　利　要　求　书 2/2 页 3 CN 114373085 A 3