Алгоритм поиска похожих изображений
https://stackoverflow.com/questions/75891
-
09-06-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
RussianВопрос
Мне нужен алгоритм, который может определить, являются ли два изображения "похожими", и распознает похожие шаблоны цвета, яркости, формы и т.д..Возможно, мне понадобятся некоторые указания относительно того, какие параметры человеческий мозг использует для "категоризации" изображений...
Я рассматривал сопоставление на основе хаусдорфа, но, похоже, оно в основном предназначено для сопоставления преобразованных объектов и шаблонов формы.
Решение
Я сделал нечто подобное, разложив изображения на подписи с помощью вейвлет - преобразование.
Мой подход состоял в том, чтобы выбрать наиболее значимые n коэффициенты от каждого преобразованного канала и запись их местоположения.Это было сделано путем сортировки списка кортежей (power, location) в соответствии с abs (power).Похожие изображения будут иметь сходство в том, что они будут иметь значительные коэффициенты в одних и тех же местах.
Я обнаружил, что лучше всего преобразовать изображение в формат YUV, который эффективно обеспечивает сходство по форме (Y-канал) и цвету (UV-каналы).
Вы можете в найти мою реализацию вышеизложенного в макторий, над которым, к сожалению, я работал не так много, как следовало бы :-)
Другой метод, который некоторые мои друзья использовали с удивительно хорошими результатами, заключается в том, чтобы просто уменьшить размер вашего изображения, скажем, до 4x4 пикселей, и сохранить в памяти вашу подпись.Насколько похожи 2 изображения, можно оценить, скажем, вычисляя Расстояние до Манхэттена между двумя изображениями, используя соответствующие пиксели.У меня нет подробностей о том, как они выполнили изменение размера, поэтому вам, возможно, придется поиграть с различными алгоритмами, доступными для этой задачи, чтобы найти подходящий.
Другие советы
Фэш это может вас заинтересовать.
перцептивный хэш n.отпечаток аудио-, видео- или графического файла, математически основанный на содержащемся в нем аудио- или визуальном контенте.В отличие от криптографических хэш-функций, которые полагаются на лавинообразный эффект небольших изменений входных данных, приводящих к резким изменениям выходных данных, перцептивные хэши "близки" друг к другу, если входные данные визуально или аудиально схожи.
Я использовал ПРОСЕЯТЬ чтобы повторно обнаружить один и тот же объект на разных изображениях.Это действительно мощно, но довольно сложно и может оказаться излишеством.Если предполагается, что изображения довольно похожи, то некоторые простые параметры, основанные на разнице между двумя изображениями, могут рассказать вам совсем немного.Несколько советов:
- Нормализовать изображения, т. е.сделайте среднюю яркость обоих изображений одинаковой, рассчитав среднюю яркость обоих изображений и уменьшив яркость самого яркого в соответствии с соотношением (чтобы избежать обрезки на самом высоком уровне)), особенно если вас больше интересует форма, чем цвет.
- Сумма разности цветов по нормализованному изображению на канал.
- найдите края на изображениях и измерьте расстояние между пикселями краев на обоих изображениях.(для формы)
- Разделите изображения на несколько отдельных областей и сравните средний цвет каждой области.
- Разделите изображения на один (или набор) уровней и подсчитайте количество пикселей, в которых результирующие черно-белые изображения отличаются.
Вы могли бы использовать Разница в Восприятии образов
Это утилита командной строки, которая сравнивает два изображения, используя показатель восприятия.То есть он использует вычислительную модель зрительной системы человека, чтобы определить, отличаются ли два изображения визуально, поэтому незначительные изменения в пикселях игнорируются.Кроме того, это значительно сокращает количество ложных срабатываний, вызванных различиями в генерации случайных чисел, операционной системе или архитектуре компьютера.
Это сложная проблема!Это зависит от того, насколько точным вам нужно быть, и от того, с какими изображениями вы работаете.Вы можете использовать гистограммы для сравнения цветов, но это, очевидно, не учитывает пространственное распределение этих цветов внутри изображений (т.е.формы).Обнаружение границ с последующей какой-либо сегментацией (т. е.выбор фигур) может обеспечить шаблон для сопоставления с другим изображением.Вы можете использовать матрицы совместного использования для сравнения текстур, рассматривая изображения как матрицы значений пикселей и сравнивая эти матрицы.Есть несколько хороших книг по подбору изображений и машинному зрению - поищите их на Amazon.
Надеюсь, это поможет!
Моей лаборатории тоже нужно было решить эту проблему, и мы использовали Tensorflow.Вот такой полное приложение реализация для визуализации сходства изображений.
Руководство по векторизации изображений для вычисления сходства можно найти здесь эта страница.Вот Python (опять же, смотрите Пост 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()
Некоторые программные решения для распознавания изображений на самом деле не основаны исключительно на алгоритмах, а используют нейронная сеть концепция вместо этого.Проверьте http://en.wikipedia.org/wiki/Artificial_neural_network а именно NeuronDotNet, который также включает в себя интересные образцы: http://neurondotnet .freehostia.com/index.html
Существует соответствующее исследование с использованием нейронных сетей Кохонена / самоорганизующихся карт
Как более академичные системы (Google для PicSOM), так и менее академичные
( http://www.generation5.org/content/2004/aiSomPic.asp , (возможно, не подходит
для всех условий работы)) существуют презентации.
Вычисление суммы квадратов разностей значений цвета пикселей сильно уменьшенной версии (например:6x6 пикселей) работает отлично.Идентичные изображения дают 0, похожие изображения дают небольшие числа, разные изображения дают большие.
Идея других ребят выше сначала внедриться в YUV звучит интригующе - хотя моя идея отлично работает, я хочу, чтобы мои изображения вычислялись как "разные", чтобы это давало правильный результат - даже с точки зрения наблюдателя, страдающего дальтонизмом.
Это звучит как проблема со зрением.Возможно, вы захотите ознакомиться с адаптивным усилением, а также с алгоритмом извлечения строк Бернса.Концепции, изложенные в этих двух, должны помочь в подходе к этой проблеме.Обнаружение границ - это еще более простое место для начала, если вы новичок в алгоритмах визуального контроля, поскольку в нем объясняются основы.
Что касается параметров для категоризации:
- Цветовая палитра и расположение (расчет градиента, гистограмма цветов)
- Содержащиеся формы (Ada.Повышение / Тренировка для обнаружения фигур)
В зависимости от того, насколько точные результаты вам нужны, вы можете просто разбить изображения на блоки размером n x n пикселей и проанализировать их.Если вы получаете разные результаты в первом блоке, вы не можете остановить обработку, что приводит к некоторому улучшению производительности.
Для анализа квадратов вы можете, например, получить сумму значений цвета.
Вы могли бы выполнить своего рода оценку движения с сопоставлением блоков между двумя изображениями и измерить общую сумму остатков и затрат на вектор движения (аналогично тому, как это делается в видеокодере).Это компенсировало бы движение;для получения бонусных очков выполните оценку движения с аффинным преобразованием (компенсирует увеличение, растяжение и тому подобное).Вы также могли бы создать перекрывающиеся блоки или оптический поток.
В качестве первого шага вы можете попробовать использовать цветные гистограммы.Однако вам действительно нужно сузить область вашей проблемы.Сопоставление общих изображений - очень сложная проблема.
Я нашел эту статью очень полезной, объясняющей, как это работает:
http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html
Приношу извинения за позднее участие в обсуждении.
Мы даже можем использовать методологию ORB для обнаружения похожих объектов между двумя изображениями.Следующая ссылка дает прямую реализацию ORB на python
http://scikit-image.org/docs/dev/auto_examples/plot_orb.html
Даже OpenCV имеет прямую реализацию ORB.Для получения дополнительной информации ознакомьтесь с исследовательской статьей, приведенной ниже.
В другой теме есть несколько хороших ответов на этот вопрос, но мне интересно, сработает ли что-то, связанное со спектральным анализом?То есть разбейте изображение на информацию о его фазе и амплитуде и сравните их.Это может избежать некоторых проблем, связанных с обрезкой, трансформацией и различиями в интенсивности.Во всяком случае, это всего лишь мои предположения, поскольку это кажется интересной проблемой.Если бы вы искали http://scholar.google.com Я уверен, что вы могли бы подготовить несколько статей по этому поводу.
