图像图片结构相似度比对计算

原创已于 2023-11-17 11:01:01 修改 · 787 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #图像处理 #图搜索算法

于 2021-08-27 22:23:10 首次发布

本文探讨了在没有样本进行机器学习的情况下，如何利用SSIM算法进行图像结构相似度计算，并指出其对明显干扰的容忍度较低。为增强算法的抗干扰性，建议采用图片平滑滤波和标准差排除法来处理干扰区域，再计算整体协方差。这种方法模拟了肉眼识别的过程，能更准确地捕捉图像的主要相似部分。同时强调，特征提取可能导致偏离原始数据，增加计算误差。

在这里插入图片描述

关于图像结构相似度计算，在没有样本可以机器学习的情况下，仅仅依赖两张图片本身的信息进行结构相似性比对，尝试了网络上的各种方法，发现SSIM效果较好，只是对明显的干扰兼容能力较差。比如上面这一组。

为了使算法具有一定的抗干扰能力，可以自行开发算法会获得比SSIM更好的效果。比如，对图片平滑滤波后，使用标准差排除的方法排除小部分明显的干扰区域后，再计算两个图片的整体协方差，这相当于肉眼识别在获得图片的大部分相同时自动忽略其它看不清楚的部分。总之，抗干扰的底层逻辑是：局部相似越精确，就具备越大的抗干扰能力。

需要注意，无论使用任何方法，当提取特征时也是正在远离原始数据，而算法的核心却是越靠近原始数据越好！也就是说，提取特征作为计算输入会让计算输出的偏差增大。