论文部分内容阅读
图像相似性评估和人脸识别评估在图像处理和机器视觉领域具有广泛的应用，研究者已经提出了许多测量方法来应对图像相似性和人脸识别评估技术所面临的挑战。
本文着重从统计学和信息论两个方面研究图像识别的相似性。研究表明信息论方法和统计方法在图像识别中具有较好的性能，但混合方法在相似性判断上具有更好的效果。利用功能和通用规则对面部和非面部图像相似性评估进行了深入研究，特别研究了它们的性质及其对相似性和判别的影响。采用五种信息理论方法对图像相似度进行了建模和分析。基于AT&T、FEI、TID2008和IVC等四种人脸和非人脸图像数据库，对提出方法的性能进行了比较和验证。为了比较和融合，考虑了众所周知的图像相似度技术包括结构相似度指标度量(SSIM)、特征相似度指标度量(FSIM)、对称联合直方图-二维相关度量和Zernike矩（Euclidean得和Minkowski）等。并对结构相似度指标、特征相似度指标和Zernike矩对相似性和识别技术的性能进行了测试。主要的创新和贡献如下:
采用基于Taneja熵概念和联合直方图的面部识别熵THS度量方法来测量任意两幅图像之间的相似性，以达到识别目的。熵的作用是预测图像强度值之间的关系，而联合直方图是为了选择一组局部像素特征以构造多维直方图。通过使用两个不同的数据库，将THS度量的性能评估与SSIM和FSIM进行了比较。结果表明，引入的度量在图像相似度识别方面具有更高的效率。
基于Shannon和Renyi熵，提出了两种有效的人脸识别和图像相似性识别方法Shannon直方图相似度SHS和Renyi相似度度量RSM。这两种方法都是基于两幅图像之间的二维联合直方图的一维熵导出的信息论相似性度量。基于四张人脸和非人脸图像数据，利用FSIM、SSIM、Zernike Euclidean相似度ZESIM、Zernike Minkowski相似度ZMSIM和基于特征的结构度量FSM等现有的相似度指标，对RSM和SHS的性能进行了测试。结果表明，提出方法对图像的相似性度量更有效。
Zernike熵图像相似度测量(Z-EISM)是基于Zernike Minkowski相似度和基于Picard熵的联合直方图(PHS)设计的一种测量方法。研究表明，Zernike矩在图像特征提取方面效果较好。首先将Picard熵应用于联合直方图，以获得一个可用于找到测试图像与参考图像之间相似度的度量。然后将第一步的结果应用于Zernike Minkowski，得到提出的度量Z-EISM。并对Z-EISM与Zernike矩和FSM进行了对比。实验结果表明，在多种图像数据集的新方法在性能上优于现有方法。
ISSM是一种理论统计测量方法，用于测量图像之间的相似性以识别图像。该方法主要采用了SSIM、香农熵、联合直方图和Canny边缘检测器。我们将这四个概念结合在一个算法中，该算法可以组合使用这四种工具找出图像之间的相似性来识别图像。在高斯噪声和大范围PSNR条件下对ISSM进行了测试。结果表明，在高斯噪声图像和畸变图像下，提出的方法可以从多个已知数据集中寻找相似点，并具有更好的性能。
本研究的主要目的是研究用于图像相似性和图像识别评价的方法，主要使用了基于熵的概念并结合联合直方图的信息论方法，然后使用混合方法来扩展先前提出的方法。其次，研究的另外一个目标是研究熵的方法在机器学习领域的应用，特别是在计算机视觉和图像处理领域的应用。实验表明，在理想的识别条件下，提出的方法在识别率和相似性都要优于现有的方法。
本文着重从统计学和信息论两个方面研究图像识别的相似性。研究表明信息论方法和统计方法在图像识别中具有较好的性能，但混合方法在相似性判断上具有更好的效果。利用功能和通用规则对面部和非面部图像相似性评估进行了深入研究，特别研究了它们的性质及其对相似性和判别的影响。采用五种信息理论方法对图像相似度进行了建模和分析。基于AT&T、FEI、TID2008和IVC等四种人脸和非人脸图像数据库，对提出方法的性能进行了比较和验证。为了比较和融合，考虑了众所周知的图像相似度技术包括结构相似度指标度量(SSIM)、特征相似度指标度量(FSIM)、对称联合直方图-二维相关度量和Zernike矩（Euclidean得和Minkowski）等。并对结构相似度指标、特征相似度指标和Zernike矩对相似性和识别技术的性能进行了测试。主要的创新和贡献如下:
采用基于Taneja熵概念和联合直方图的面部识别熵THS度量方法来测量任意两幅图像之间的相似性，以达到识别目的。熵的作用是预测图像强度值之间的关系，而联合直方图是为了选择一组局部像素特征以构造多维直方图。通过使用两个不同的数据库，将THS度量的性能评估与SSIM和FSIM进行了比较。结果表明，引入的度量在图像相似度识别方面具有更高的效率。
基于Shannon和Renyi熵，提出了两种有效的人脸识别和图像相似性识别方法Shannon直方图相似度SHS和Renyi相似度度量RSM。这两种方法都是基于两幅图像之间的二维联合直方图的一维熵导出的信息论相似性度量。基于四张人脸和非人脸图像数据，利用FSIM、SSIM、Zernike Euclidean相似度ZESIM、Zernike Minkowski相似度ZMSIM和基于特征的结构度量FSM等现有的相似度指标，对RSM和SHS的性能进行了测试。结果表明，提出方法对图像的相似性度量更有效。
Zernike熵图像相似度测量(Z-EISM)是基于Zernike Minkowski相似度和基于Picard熵的联合直方图(PHS)设计的一种测量方法。研究表明，Zernike矩在图像特征提取方面效果较好。首先将Picard熵应用于联合直方图，以获得一个可用于找到测试图像与参考图像之间相似度的度量。然后将第一步的结果应用于Zernike Minkowski，得到提出的度量Z-EISM。并对Z-EISM与Zernike矩和FSM进行了对比。实验结果表明，在多种图像数据集的新方法在性能上优于现有方法。
ISSM是一种理论统计测量方法，用于测量图像之间的相似性以识别图像。该方法主要采用了SSIM、香农熵、联合直方图和Canny边缘检测器。我们将这四个概念结合在一个算法中，该算法可以组合使用这四种工具找出图像之间的相似性来识别图像。在高斯噪声和大范围PSNR条件下对ISSM进行了测试。结果表明，在高斯噪声图像和畸变图像下，提出的方法可以从多个已知数据集中寻找相似点，并具有更好的性能。
本研究的主要目的是研究用于图像相似性和图像识别评价的方法，主要使用了基于熵的概念并结合联合直方图的信息论方法，然后使用混合方法来扩展先前提出的方法。其次，研究的另外一个目标是研究熵的方法在机器学习领域的应用，特别是在计算机视觉和图像处理领域的应用。实验表明，在理想的识别条件下，提出的方法在识别率和相似性都要优于现有的方法。