2009-03-05 35 views
25

Các bạn có biết bất kỳ thuật toán nào có thể được sử dụng để tính toán sự khác biệt giữa các hình ảnh không?Tính toán sự khác biệt giữa các hình ảnh

Hãy truy cập trang web này ví dụ: http://tineye.com/ Bạn cung cấp liên kết hoặc tải hình ảnh lên và tìm hình ảnh tương tự. Tôi nghi ngờ rằng nó so sánh hình ảnh trong câu hỏi chống lại tất cả chúng (hoặc có thể nó).

Bằng tính toán, tôi có nghĩa là những gì Levenshtein_distance hoặc Hamming distance là dành cho chuỗi.

Không có nghĩa là tôi cần câu trả lời đúng cho một dự án hay bất cứ điều gì, tôi chỉ tìm thấy trang web và rất tò mò. Tôi biết digg trả tiền cho một dịch vụ tương tự cho trang web của họ.

+0

Đó là một trang web mát mẻ ... bạn có nghĩ rằng nó có thể sử dụng ngoài tên tệp phù hợp? Có thể giúp nó gây ra .... – alex

+0

Hài hước: http://tineye.com/search/789b9c5d3a71fe1609725c8fab0597a825258463 – OscarRyz

+0

productOverview, trông giống như biểu trưng stackoverflow – OscarRyz

Trả lời

21

Các biện pháp rất đơn giản sẽ có cách tiếp cận dựa RMS-lỗi, ví dụ:

Những lẽ gel với khái niệm của bạn về biện pháp cách ly, nhưng họ kết quả thực sự chỉ có ý nghĩa nếu bạn có hai hình ảnh đã được đóng rất gần, như thể bạn đang xem xét cách một lược đồ nén cụ thể bảo toàn hình ảnh gốc. Ngoài ra, kết quả tương tự từ một trong hai so sánh có thể có nghĩa là rất nhiều thứ khác nhau, tùy thuộc vào loại hiện vật nào (xem xét bài báo tôi trích dẫn dưới đây cho một số ảnh ví dụ về RMS/PSNR có thể gây hiểu nhầm).

Ngoài những điều này, có cả một lĩnh vực nghiên cứu dành cho sự giống nhau về hình ảnh.Tôi không phải chuyên gia, nhưng đây là một vài gợi ý:

  • Rất nhiều công việc đã đi vào cách tiếp cận sử dụng dimensionality reduction (PCA, SVD, phân tích eigenvalue, vv) để chọn ra các thành phần chính của hình ảnh và so sánh chúng trên các hình ảnh khác nhau.

  • cách tiếp cận khác (hình ảnh đặc biệt y tế) sử dụng segmentation kỹ thuật để chọn ra bộ phận quan trọng của hình ảnh, sau đó họ so sánh những hình ảnh dựa trên những gì tìm thấy

  • Tuy nhiên những người khác đã cố gắng để có biện pháp tương tự mà có được xung quanh một số các sai sót của lỗi RMS và PSNR. Có một bài báo khá thú vị về biện pháp spatial domain structural similarity (SSIM), cố gắng bắt chước nhận thức của người dân về lỗi hình ảnh thay vì trực tiếp, khái niệm toán học về lỗi. Cùng một kẻ đã thực hiện phiên bản dịch/phiên bản bất biến được cải thiện bằng cách sử dụng wavelet analysis trong this paper on WSSIM.

  • Dường như TinEye sử dụng các vectơ đặc trưng có các giá trị cho thuộc tính để so sánh. Nếu bạn tìm kiếm trên trang web của họ, cuối cùng bạn truy cập trang Ideé Labstheir FAQ có một số chi tiết cụ thể (nhưng không quá nhiều) về thuật toán:

    Hỏi: Tìm kiếm trực quan hoạt động như thế nào?

    A: Công nghệ tìm kiếm trực quan của Idée sử dụng các thuật toán phức tạp để phân tích hàng trăm thuộc tính hình ảnh như màu sắc, hình dạng, kết cấu, độ sáng, độ phức tạp, đối tượng và khu vực.Những thuộc tính này tạo thành chữ ký số nhỏ gọn mô tả sự xuất hiện của mỗi hình ảnh và các chữ ký này được tính toán và lập chỉ mục bởi phần mềm của chúng tôi. Khi thực hiện tìm kiếm trực quan, các chữ ký này được so sánh nhanh chóng với công cụ tìm kiếm của chúng tôi để trả về kết quả tương tự bằng hình ảnh.

Đây là không toàn diện (nó chỉ là một số ít các kỹ thuật tôi đã gặp phải trong quá trình nghiên cứu của riêng tôi), nhưng nếu bạn google cho tài liệu kỹ thuật hoặc xem xét thông qua thủ tục tố tụng của hội nghị gần đây về hình ảnh xử lý, bạn đang bị ràng buộc để tìm thêm phương pháp cho công cụ này. Nó không phải là một vấn đề được giải quyết, nhưng hy vọng những con trỏ này sẽ cho bạn một ý tưởng về những gì có liên quan.

1

TinEye làm là một loại băm trên hình ảnh hoặc một phần của nó (xem FAQ). Nó có lẽ không phải là một hàm băm thực sự vì chúng muốn "băm" tương tự cho các hình ảnh tương tự (hoặc gần như giống hệt nhau). Nhưng tất cả những gì họ cần làm là so sánh giá trị băm đó và có lẽ là chất nền của nó, để biết các hình ảnh có giống nhau hay giống hệt nhau hay không.

1

Heres an image similarity trang, nhưng đối với đa giác. Bạn có thể chuyển đổi hình ảnh của bạn thành một số hữu hạn của đa giác dựa trên màu sắc và hình dạng, và chạy các thuật toán trên mỗi người trong số họ.

0

Kỹ thuật tương quan sẽ làm cho kết quả trùng khớp. Nếu chúng là JPEG, bạn có thể so sánh các hệ số chi phối cho mỗi khối 8x8 và có được một kết quả phù hợp. Đây không phải là sự tương quan chính xác nhưng nó dựa trên một cô gái chuyển tiếp, vì vậy đó là một người anh em họ đầu tiên.

5

Một kỹ thuật là sử dụng color histograms. Bạn có thể sử dụng thuật toán học máy để tìm các hình ảnh tương tự dựa trên việc repesentation bạn sử dụng. Ví dụ: thường được sử dụng k-means algorithm. Tôi đã thấy các giải pháp khác đang cố gắng phân tích các đường thẳng đứng và nằm ngang trong hình ảnh sau khi sử dụng edge detection. Texture analysis cũng được sử dụng.

Một hình ảnh được nhóm gần đây paper từ trang web picasa. Bạn cũng có thể thử số clustering algorithm mà tôi đang làm việc.

4

Cân nhắc sử dụng lossy wavelet compression và so sánh các yếu tố có liên quan cao nhất của hình ảnh.

+0

Tôi đã thực hiện một số công việc chỉ sử dụng kỹ thuật này và nhận được kết quả tốt (mặc dù không đủ tốt để tài trợ cho một dự án phát triển đầy đủ). –

Các vấn đề liên quan