关于识别相似图像的算法探讨

作者：caocao（网络隐士）， http://www.caocao.name， http://www.caocao.mobi
转载请注明来源： http://www.iteye.com/topic/149776

有的网站允许用户上传照片、海报之类的图片，作为开发人员不可避免就会遇到这样的状况，就是用户上传上来的图片很大一部分是重复的或者相似的。为此隐士想就此探讨一下实现识别相似图像的算法。

如果有这样的算法，它应该具备哪些特性呢？隐士以为主要的特性有：
1、可以辨别完全一样的图像。
2、可以辨认镜像、旋转、平移、缩放、比例失真、加边的图像。
3、可以辨认图像内部部分区域。
4、可以辨认偏色、过曝、欠曝、模糊、噪点。
5、可以辨认水印。
6、可以辨认被轻微PS的图像。
7、误认率必须相当低。
8、辨认图像的时候不扫描其他图像，仅仅根据对其他图像提取的特征数据就能够辨认出来。

看来是要求颇多哦，闲话不多说，请看下面的图，假设存在这样的算法，隐士希望只要输入一个浮点数作为最小相似度M，所有与输入图像相似度大于等于M的都会被列出来。图中01.jpg是输入图像，其余都是和输入图像相似的图像，其顺序按相似度倒序排列。


貌似效果还不错，基本实现了需求，下面隐士谈谈思路。由需求可知第一步是提取图像的特征数据：
1、整个文件的Hash码，用来辨认完全一样的图像。
2、旋转角度不敏感数据，这是用来抗旋转、镜像的。
3、宽高比例不敏感数据，这是用来抗缩放、比例失真的。
4、偏色不敏感数据，这是用来抗偏色、过曝、欠曝的。
5、整体轮廓数据，这是用来抗加边、模糊、噪点、水印、轻微PS的。

通过索引这些特征数据来进行复杂运算后得到一个综合的相似度即可实现不扫描其余图像而快速识别图像。由于算法还不是很成熟，希望对此感兴趣的看官和隐士共同探讨这样的算法。隐士的MSN: nethermit#hotmail。com。