Мне нужен алгоритм, который может определить, являются ли два изображения "похожими" и распознает похожие шаблоны цвета, яркости, формы и т.д. Мне могут потребоваться некоторые указатели на то, какие параметры использует человеческий мозг для "категоризации" изображений...
Я рассмотрел сопоставление, основанное на hausdorff, но похожее в основном для сопоставления преобразованных объектов и шаблонов формы.
Я сделал что-то подобное, разложив изображения в подписи с помощью вейвлет-преобразования.
Мой подход заключался в том, чтобы выбрать наиболее важные n коэффициентов из каждого преобразованного канала и записать их местоположение. Это было сделано путем сортировки списка кортежей (питания, местоположения) в соответствии с абс (мощность). Аналогичные изображения будут иметь сходство в том, что они будут иметь значительные коэффициенты в тех же местах.
Мне показалось, что лучше всего преобразовать изображение в формат YUV, что позволяет эффективно подобрать сходство по форме (Y-канал) и цвет (UV-каналы).
Вы можете найти мою реализацию выше в mactorii, к сожалению, я не работал над тем, насколько я должен имеют: -)
Другой метод, который некоторые мои друзья использовали с удивительно хорошими результатами, состоит в том, чтобы просто изменить размер вашего изображения, чтобы сказать, что пиксель 4x4 и хранилище являются вашей подписью. Как аналогичные 2 изображения могут быть оценены, скажем, вычисляя
pHash может вас заинтересовать.
перцептивный хэш n. отпечаток аудио, видео или файла изображения, который математически основан на аудио или визуальном содержимом, содержащемся внутри. В отличие от криптографических хеш-функций, которые полагаются на лавинный эффект небольших изменений ввода, приводящих к резким изменениям в выходе, перцепционные хэши "близки" друг к другу, если входы визуально или аудиторно похожи.
Я использовал SIFT для повторного обнаружения того же объекта на разных изображениях. Это действительно мощная, но довольно сложная и может быть излишней. Если изображения должны быть похожими, некоторые простые параметры, основанные на различии между двумя изображениями, могут вам немного рассказать. Некоторые указатели:
Вы можете использовать Perceptual Image Diff
Это утилита командной строки, которая сравнивает два изображения с использованием перцептивной метрики. То есть он использует вычислительную модель человеческой визуальной системы, чтобы определить, визуально ли два изображения визуально различаются, поэтому незначительные изменения в пикселях игнорируются. Кроме того, он резко сокращает количество ложных срабатываний, вызванных различиями в генерации случайных чисел, различий в архитектуре ОС или машинной архитектуры.
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 это, очевидно, не учитывает пространственное распределение этих цветов внутри изображений (т.е. Фигуры). 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 текстур, рассматривая изображения как матрицы значений пикселей и сравнивая эти матрицы. Есть несколько хороших книг о том, как найти изображения и машинное зрение. Поиск на Amazon найдет.
Надеюсь, это поможет!
Некоторые программные решения для распознавания образов на самом деле не основаны на алгоритмах, а используют концепцию нейронной сети. Проверьте http://en.wikipedia.org/wiki/Artificial_neural_network, а именно NeuronDotNet, который также включает интересные примеры: http://neurondotnet.freehostia.com/index.html
Существует связанное исследование с использованием нейронных сетей Кохонена/самоорганизующихся карт
Оба академических системы (Google для PicSOM) или менее академических
(http://www.generation5.org/content/2004/aiSomPic.asp, (возможно, не подходит
для всех рабочих окружений)) существуют презентации.
Вычисление суммы квадратов различий значений цвета пикселя резко уменьшенной версии (например: 6x6 пикселей) прекрасно работает. Идентичные изображения дают 0, похожие изображения дают небольшие числа, разные изображения дают большие.
Другие ребята, вышедшие из идеи взломать YUV, сначала звучат интригующе - хотя моя идея отлично работает, я хочу, чтобы мои изображения были рассчитаны как "разные", чтобы дать правильный результат - даже с точки зрения цветного наблюдателя.
Это звучит как проблема видения. Возможно, вы захотите изучить Adaptive Boosting, а также алгоритм извлечения Burns Line. Понятия в этих двух должны помочь с приближением этой проблемы. Обнаружение края - еще более простое место для начала, если вы новичок в алгоритмах видения, поскольку это объясняет основы.
Что касается параметров для категоризации:
В зависимости от того, сколько точных результатов вам нужно, вы можете просто разорвать изображения в блоках n x n пикселей и проанализировать их. Если вы получаете разные результаты в первом блоке, вы не можете прекратить обработку, что приведет к некоторым улучшениям производительности.
Для анализа квадратов вы можете, например, получить сумму значений цвета.
Моя лаборатория также нуждалась в решении этой проблемы, и мы использовали Tensorflow. Здесь представлена полная реализация приложения для визуализации сходства изображений.
Для учебника по векторизации изображений для вычисления подобия проверьте эту страницу. Здесь 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 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()
Вы можете выполнить какую-то оценку блокировки по блокам между двумя изображениями и измерить общую сумму остатков и расходов вектора движения (как и в видеокодере). Это компенсировало бы движение; для бонусных очков, делать оценку движения аффинной трансформации (компенсирует масштабирование и растяжение и тому подобное). Вы также можете выполнять перекрывающиеся блоки или оптический поток.
В качестве первого прохода вы можете попробовать использовать цветные гистограммы. Однако вам действительно необходимо сузить область проблем. Совпадение общего изображения - очень сложная проблема.
Я нашел эту статью очень полезной, объясняя, как она работает:
http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html
Извинения за присоединение к концу обсуждения.
Мы даже можем использовать методологию ORB для обнаружения точек схожих 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 имеет непосредственную реализацию ORB. Если вам больше информации, следуйте приведенной ниже статье исследования.
В другом потоке есть несколько хороших ответов, но мне интересно, будет ли что-то, связанное с спектральным анализом, работать? I.e., разорвать изображение до его фазовой и амплитудной информации и сравнить их. Это может избежать некоторых проблем с различиями в обрезке, трансформации и интенсивности. Во всяком случае, я просто размышляю, потому что это кажется интересной проблемой. Если вы искали http://scholar.google.com, я уверен, что вы могли бы придумать несколько статей по этому поводу.