matlab实现余弦相似度_基于Matlab的图像相似性比较的算法介绍

一。基本概念

图像相似度计算就是对两幅图片之间内容的相似程度进行打分，根据分数的高低来判断图像内容的相似程度，这也是图像分类的基础。如下面这幅图像的两位人头虎身兽，用不同的算法进行相似度计算，相似度在60%~87%之间~~

二。算法总结

计算图像相似度的算法有很多，常见的有以下几种：

1。基于直方图。直方图能够描述一幅图像中颜色的全局分布，是一种入门级的图像相似度计算方法。该算法计算过程很容易理解，首先对于两幅图像分别计算其直方图，然后根据某种衡量标准进行比较，比较结果即为两幅图像的相似度。这种方法精度较差。

2。SSIM(结构相似性度量)。这是一种全参考的图像质量评价指标，分别从亮度、对比度、结构三个方面度量图像相似性。SSIM取值范围[0, 1]，值越大，表示图像失真越小。在实际应用中，可以利用滑动窗将图像分块，令分块总数为N，考虑到窗口形状对分块的影响，采用高斯加权计算每一窗口的均值、方差以及协方差，然后计算对应块的结构相似度SSIM，最后将平均值作为两图像的结构相似性度量，即平均结构相似性SSIM。该方法通常用来衡量一张图片压缩后的失真度，比较少的用来计算两图的相似度。

3。cosin相似度(余弦相似度)。把图片表示成一个向量，通过计算向量之间的余弦距离来表征两张图片的相似度。该方法运算量较大，但准确率尚可。

4。基于互信息(Mutual Information)。通过计算两个图片的互信息来表征他们之间的相似度，如果两张图片尺寸相同，还是能在一定程度上表征两张图片的相似性的。但是，大部分情况下图片的尺寸不相同，如果把两张图片尺寸调成相同的话，又会让原来很多的信息丢失，所以很难把握。经过实际验证，此种方法不够稳定。

工作室基于Matlab软件平台，分别利用上述方法实现了计算特定数据集图片的相似程度，对于某一对图像组，其用直方图算法对比的结果如下：

​同时也欢迎大家关注我们的微信公众号：320科技工作室

​