Алгоритм поиска похожих изображений
Мне нужен алгоритм, который может определить, являются ли два изображения "похожими" и распознает похожие узоры цвета, яркости, формы и т. д.. Мне могут понадобиться некоторые указания на то, какие параметры использует человеческий мозг для "категоризации" изображений. ..
Я посмотрел на соответствие на основе Хаусдорфа, но это, кажется, в основном для сопоставления преобразованных объектов и шаблонов формы.
16 ответов
Я сделал что-то подобное, разложив изображения на подписи с помощью вейвлет-преобразования.
мой подход состоял в том, чтобы выбрать самый значительный n коэффициенты от каждого преобразованного канала и запись их местоположения. Это было сделано путем сортировки списка(мощность,местоположение) кортежей в соответствии с abs (мощность). Похожие изображения будут иметь сходство в том, что они будут иметь значительные коэффициенты в одних и тех же местах.
Я нашел его лучше всего было преобразовать изображение в формат YUV, который эффективно позволяет вам весить сходство по форме (Y-канал) и цвету (UV-каналы).
вы можете найти мою реализацию выше в mactorii, над которым, к сожалению, я не работал столько, сколько должен был: -)
другой метод, который некоторые мои друзья использовали с удивительно хорошими результатами, состоит в том, чтобы просто изменить размер изображения, скажем, пиксель 4x4 и сохранить, которые являются вашими подпись. Как похожи 2 изображения могут быть забиты, скажем, вычисляя расстояние Манхэттен между 2 изображениями, используя соответствующие пиксели. У меня нет подробностей о том, как они выполнили изменение размера, поэтому вам, возможно, придется играть с различными алгоритмами, доступными для этой задачи, чтобы найти подходящий.
pHash могут вас заинтересовать.
перцептивный хэш n. отпечаток пальца аудио, видео или файла изображения, который математически основан на аудио или визуального контента, содержащегося внутри. В отличие от криптографических хэш-функций, которые полагаются на лавинный эффект небольших изменений ввода, приводящих к резким изменениям на выходе, перцептивные хэши "близки" друг к другу, если входы визуально или аудиально похожи.
Я использовал просеять для повторного обнаружения одного и того же объекта на разных изображениях. Это действительно мощно, но довольно сложно и может быть излишним. Если изображения должны быть довольно похожи, некоторые простые параметры, основанные на разнице между двумя изображениями, могут рассказать вам совсем немного. Некоторые указатели:
- нормализовать изображения, т. е. сделать среднюю яркость обоих изображений одинаковой, вычисляя среднюю яркость обоих и масштабируя ярчайший вниз согласно рациону (чтобы избежать обрезки на самом высоком уровне)), особенно если вас больше интересует форма, чем цвет.
- сумма разницы в цвета над нормализованным изображением в канал.
- найти края в изображениях и измерить расстояние между пикселями края в обоих изображениях. (для формы)
- разделите изображения в наборе дискретных областей и сравните средний цвет каждой области.
- пороговое значение изображений на одном(или нескольких) уровне (уровнях) и подсчитайте количество пикселей, в которых полученные черно-белые изображения отличаются.
Это сложная проблема! Это зависит от того, насколько точно вы должны быть, и это зависит от того, с какими изображениями вы работаете. Вы можете использовать гистограммы для сравнения цветов, но, очевидно, не учитывает пространственное распределение этих цветов в изображениях (т. е. формы). Обнаружение края, за которым следует некоторая сегментация (т. е. выбор фигур), может обеспечить шаблон для сопоставления с другим изображением. Вы можете использовать матрицы coocurence для сравнения текстуры, рассматривая изображения как матрицы значений пикселей и сравнивая эти матрицы. Есть несколько хороших книг о сопоставлении изображений и машинном зрении-поиск на Amazon найдет некоторые.
надеюсь, что это помогает!
можно использовать Перцептивный Образ Diff
это утилита командной строки, которая сравнивает два изображения с помощью перцептивного показателя. То есть он использует вычислительную модель зрительной системы человека, чтобы определить, различаются ли два изображения визуально, поэтому незначительные изменения в пикселях игнорируются. Кроме того, это резко уменьшает количество ложных срабатываний, вызванных различиями в генерации случайных чисел, различиями в архитектуре ОС или машины.
некоторые программные решения для распознавания изображений на самом деле не являются чисто алгоритмическими, но используют нейронные сети концепция вместо этого. Проверьтеhttp://en.wikipedia.org/wiki/Artificial_neural_network а именно NeuronDotNet, который также включает в себя интересные образцы:http://neurondotnet.freehostia.com/index.html
есть связанные исследования с использованием нейронных сетей Кохонена / самоорганизующихся карт
обе более академические системы (Google для PicSOM ) или менее академические
( http://www.generation5.org/content/2004/aiSomPic.asp , (возможно, не подходит
для всех рабочих условий)) презентации существуют.
вычисление суммы квадратов различий значений цвета пикселей резко уменьшенной версии (например, 6x6 пикселей) работает хорошо. Одинаковые изображения дают 0, похожие изображения дают небольшие числа,разные изображения дают большие.
идея других парней выше ворваться в YUV сначала звучит интригующе - в то время как моя идея отлично работает, я хочу, чтобы мои изображения были рассчитаны как "разные", чтобы он дал правильный результат-даже с точки зрения дальтоник наблюдатель.
моя лаборатория также должна была решить эту проблему, и мы использовали Tensorflow. Вот приложение реализация для визуализации схожих изображений.
для учебника по векторизации изображений для вычисления подобия проверьте на этой странице. Вот Python (опять же, см. сообщение для полного рабочего процесса):
from __future__ import absolute_import, division, print_function
"""
This is a modification of the classify_images.py
script in Tensorflow. The original script produces
string labels for input images (e.g. you input a picture
of a cat and the script returns the string "cat"); this
modification reads in a directory of images and
generates a vector representation of the image using
the penultimate layer of neural network weights.
Usage: python classify_images.py "../image_dir/*.jpg"
"""
# Copyright 2015 The TensorFlow Authors. All Rights Reserved.
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
# http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
# ==============================================================================
"""Simple image classification with Inception.
Run image classification with Inception trained on ImageNet 2012 Challenge data
set.
This program creates a graph from a saved GraphDef protocol buffer,
and runs inference on an input JPEG image. It outputs human readable
strings of the top 5 predictions along with their probabilities.
Change the --image_file argument to any jpg image to compute a
classification of that image.
Please see the tutorial and website for a detailed description of how
to use this script to perform image recognition.
https://tensorflow.org/tutorials/image_recognition/
"""
import os.path
import re
import sys
import tarfile
import glob
import json
import psutil
from collections import defaultdict
import numpy as np
from six.moves import urllib
import tensorflow as tf
FLAGS = tf.app.flags.FLAGS
# classify_image_graph_def.pb:
# Binary representation of the GraphDef protocol buffer.
# imagenet_synset_to_human_label_map.txt:
# Map from synset ID to a human readable string.
# imagenet_2012_challenge_label_map_proto.pbtxt:
# Text representation of a protocol buffer mapping a label to synset ID.
tf.app.flags.DEFINE_string(
'model_dir', '/tmp/imagenet',
"""Path to classify_image_graph_def.pb, """
"""imagenet_synset_to_human_label_map.txt, and """
"""imagenet_2012_challenge_label_map_proto.pbtxt.""")
tf.app.flags.DEFINE_string('image_file', '',
"""Absolute path to image file.""")
tf.app.flags.DEFINE_integer('num_top_predictions', 5,
"""Display this many predictions.""")
# pylint: disable=line-too-long
DATA_URL = 'http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz'
# pylint: enable=line-too-long
class NodeLookup(object):
"""Converts integer node ID's to human readable labels."""
def __init__(self,
label_lookup_path=None,
uid_lookup_path=None):
if not label_lookup_path:
label_lookup_path = os.path.join(
FLAGS.model_dir, 'imagenet_2012_challenge_label_map_proto.pbtxt')
if not uid_lookup_path:
uid_lookup_path = os.path.join(
FLAGS.model_dir, 'imagenet_synset_to_human_label_map.txt')
self.node_lookup = self.load(label_lookup_path, uid_lookup_path)
def load(self, label_lookup_path, uid_lookup_path):
"""Loads a human readable English name for each softmax node.
Args:
label_lookup_path: string UID to integer node ID.
uid_lookup_path: string UID to human-readable string.
Returns:
dict from integer node ID to human-readable string.
"""
if not tf.gfile.Exists(uid_lookup_path):
tf.logging.fatal('File does not exist %s', uid_lookup_path)
if not tf.gfile.Exists(label_lookup_path):
tf.logging.fatal('File does not exist %s', label_lookup_path)
# Loads mapping from string UID to human-readable string
proto_as_ascii_lines = tf.gfile.GFile(uid_lookup_path).readlines()
uid_to_human = {}
p = re.compile(r'[n\d]*[ \S,]*')
for line in proto_as_ascii_lines:
parsed_items = p.findall(line)
uid = parsed_items[0]
human_string = parsed_items[2]
uid_to_human[uid] = human_string
# Loads mapping from string UID to integer node ID.
node_id_to_uid = {}
proto_as_ascii = tf.gfile.GFile(label_lookup_path).readlines()
for line in proto_as_ascii:
if line.startswith(' target_class:'):
target_class = int(line.split(': ')[1])
if line.startswith(' target_class_string:'):
target_class_string = line.split(': ')[1]
node_id_to_uid[target_class] = target_class_string[1:-2]
# Loads the final mapping of integer node ID to human-readable string
node_id_to_name = {}
for key, val in node_id_to_uid.items():
if val not in uid_to_human:
tf.logging.fatal('Failed to locate: %s', val)
name = uid_to_human[val]
node_id_to_name[key] = name
return node_id_to_name
def id_to_string(self, node_id):
if node_id not in self.node_lookup:
return ''
return self.node_lookup[node_id]
def create_graph():
"""Creates a graph from saved GraphDef file and returns a saver."""
# Creates graph from saved graph_def.pb.
with tf.gfile.FastGFile(os.path.join(
FLAGS.model_dir, 'classify_image_graph_def.pb'), 'rb') as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
_ = tf.import_graph_def(graph_def, name='')
def run_inference_on_images(image_list, output_dir):
"""Runs inference on an image list.
Args:
image_list: a list of images.
output_dir: the directory in which image vectors will be saved
Returns:
image_to_labels: a dictionary with image file keys and predicted
text label values
"""
image_to_labels = defaultdict(list)
create_graph()
with tf.Session() as sess:
# Some useful tensors:
# 'softmax:0': A tensor containing the normalized prediction across
# 1000 labels.
# 'pool_3:0': A tensor containing the next-to-last layer containing 2048
# float description of the image.
# 'DecodeJpeg/contents:0': A tensor containing a string providing JPEG
# encoding of the image.
# Runs the softmax tensor by feeding the image_data as input to the graph.
softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')
for image_index, image in enumerate(image_list):
try:
print("parsing", image_index, image, "\n")
if not tf.gfile.Exists(image):
tf.logging.fatal('File does not exist %s', image)
with tf.gfile.FastGFile(image, 'rb') as f:
image_data = f.read()
predictions = sess.run(softmax_tensor,
{'DecodeJpeg/contents:0': image_data})
predictions = np.squeeze(predictions)
###
# Get penultimate layer weights
###
feature_tensor = sess.graph.get_tensor_by_name('pool_3:0')
feature_set = sess.run(feature_tensor,
{'DecodeJpeg/contents:0': image_data})
feature_vector = np.squeeze(feature_set)
outfile_name = os.path.basename(image) + ".npz"
out_path = os.path.join(output_dir, outfile_name)
np.savetxt(out_path, feature_vector, delimiter=',')
# Creates node ID --> English string lookup.
node_lookup = NodeLookup()
top_k = predictions.argsort()[-FLAGS.num_top_predictions:][::-1]
for node_id in top_k:
human_string = node_lookup.id_to_string(node_id)
score = predictions[node_id]
print("results for", image)
print('%s (score = %.5f)' % (human_string, score))
print("\n")
image_to_labels[image].append(
{
"labels": human_string,
"score": str(score)
}
)
# close the open file handlers
proc = psutil.Process()
open_files = proc.open_files()
for open_file in open_files:
file_handler = getattr(open_file, "fd")
os.close(file_handler)
except:
print('could not process image index',image_index,'image', image)
return image_to_labels
def maybe_download_and_extract():
"""Download and extract model tar file."""
dest_directory = FLAGS.model_dir
if not os.path.exists(dest_directory):
os.makedirs(dest_directory)
filename = DATA_URL.split('/')[-1]
filepath = os.path.join(dest_directory, filename)
if not os.path.exists(filepath):
def _progress(count, block_size, total_size):
sys.stdout.write('\r>> Downloading %s %.1f%%' % (
filename, float(count * block_size) / float(total_size) * 100.0))
sys.stdout.flush()
filepath, _ = urllib.request.urlretrieve(DATA_URL, filepath, _progress)
print()
statinfo = os.stat(filepath)
print('Succesfully downloaded', filename, statinfo.st_size, 'bytes.')
tarfile.open(filepath, 'r:gz').extractall(dest_directory)
def main(_):
maybe_download_and_extract()
if len(sys.argv) < 2:
print("please provide a glob path to one or more images, e.g.")
print("python classify_image_modified.py '../cats/*.jpg'")
sys.exit()
else:
output_dir = "image_vectors"
if not os.path.exists(output_dir):
os.makedirs(output_dir)
images = glob.glob(sys.argv[1])
image_to_labels = run_inference_on_images(images, output_dir)
with open("image_to_labels.json", "w") as img_to_labels_out:
json.dump(image_to_labels, img_to_labels_out)
print("all done")
if __name__ == '__main__':
tf.app.run()
Это похоже на проблему со зрением. Возможно, вы захотите изучить адаптивное повышение, а также алгоритм извлечения линии ожога. Концепции в этих двух должны помочь в подходе к этой проблеме. Обнаружение края-еще более простое место для начала, если вы новичок в алгоритмах зрения, поскольку это объясняет основы.
Что касается параметров для категоризации:
- цветовая палитра и местоположение (расчет градиента, гистограмма цвета)
- Содержащиеся Формы (Ada. Повышение / обучение обнаружению форм)
в зависимости от того, сколько точных результатов вам нужно, вы можете просто разбить изображения в N x N пикселей блоков и проанализировать их. Если вы получаете разные результаты в первом блоке, вы не можете остановить обработку, что приводит к некоторым улучшениям производительности.
для анализа площадей вы можете, например, получить сумму значений цвета.
вы можете выполнить некоторую оценку движения между двумя изображениями и измерить общую сумму остатков и затрат вектора движения (так же, как это было бы в видеокодере). Это компенсировало бы движение; для бонусных очков сделайте оценку движения аффинного преобразования (компенсирует масштабирование и растяжение и тому подобное). Вы также можете сделать перекрывающиеся блоки или оптический поток.
в качестве первого прохода вы можете попробовать использовать цветные гистограммы. Тем не менее, вам действительно нужно сузить предметную область. Сопоставление общих изображений-очень сложная проблема.
Я нашел эту статью очень полезной, объясняя, как это работает:
http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html
приношу извинения за участие в обсуждении.
мы даже можем использовать методику ORB для обнаружения похожих точек объектов между двумя изображениями. Следующая ссылка дает прямую реализацию ORB в python
http://scikit-image.org/docs/dev/auto_examples/plot_orb.html
даже openCV получил прямую реализацию ORB. Если вы больше информации следуйте исследовательской статье, приведенной под.
есть некоторые хорошие ответы в другом потоке об этом, но мне интересно, будет ли работать что-то, связанное со спектральным анализом? То есть, разбейте изображение на информацию о фазе и амплитуде и сравните их. Это может избежать некоторых проблем с обрезкой, трансформацией и различиями интенсивности. Во всяком случае, это только мои предположения, так как это кажется интересной проблемой. Если вы искали http://scholar.google.com я уверен, что вы могли бы придумать несколько бумаги по этому поводу.