骨刻文识别-图片打分算法

图片打分算法

1.游戏模式

在收集用户数据的方式上，我们采用了小游戏。我们提供给用户原始图片，让用户描绘我们提供的图案，我们最后提交给用户得分情况。
这个 时候就涉及到我们的打分机制了，我们的打分机制是基于图片相似度的打分机制。

2.算法描述

我们的思想是，在服务器存储样本空间的数据特征，并将新上传来的图片与样本空间的数据特征进行相似度对比。采取平均值作为总体图片的数字特征可以只用存储一张图片，如果采用其他数据特征可能需要保存整个样本空间。但是采取平均值作为数据特征也有不好的地方，就是容易受到极端值的影响，因此在程序运行一段时间，收集一定量的数据之后，我们将打分较低的图片不加入样本空间

3.相似度算法

相似度的比较算法我借鉴了网上的哈希算法以及灰度值
感知哈希可以用来判断两个图片的相似度，通常可以用来进行图像检索。感知哈希算法对每一张图片生成一个“指纹”，通过比较两张图片的指纹，来判断他们的相似度，是否属于同一张图片。常用的有三种：平均哈希（aHash），感知哈希（pHash），差异值哈希（dHash）。

平均哈希

1.图片缩放，一般为88，或者3232

2.将图片灰度化

3.求平均值，并根据平均值将每一个像素二值化

4.将8*8=64位bit，每8个比特为一个十六进制值，转换成字符串，生成哈希值（指纹）

感知哈希

1.图片缩放 为32*32大小

2.将图片灰度化

3.对图片进行离散余弦变换（DCT），转换的频域

4.取频域左上角8*8大小（图片的能量都集中在低频部分，低频位于左上角）

5.计算平均值，并根据平均值二值化（同平均哈希）

6.生成哈希值

差异值哈希

1.图片缩放为9*8大小

2.将图片灰度化

3.差异值计算（每行相邻像素的差值，这样会生成8*8的差值，前一个像素大于后一个像素则为1，否则为0）

4.生成哈希值

另外我们还采用了直方图算法来对比相似度，最后把结果投影到0-1之间，取均值作为最后的算法结果