摘要图像中存在大量的自相似结构，挖掘和分析这种相似性，有利于图像去噪、恢复、检索、识别等，研究图像相似性具有非常重要的理论和应用价值。已有的图像相似性度量方法基本是基于图像灰度值的L2范数，具有各向同性的特点，不能较好地区分和识别图像中丰富的几何结构（纹理、边缘）等。本论文从图像几何结构特征出发，针对不同几何结构，选取具有结构刻画能力的特征；继而研究基于特征的距离度量，并结合不同的相似性度量函数，形成结构匹配的相似性度量。通过大量的数值实验，分析和比较了局部结构匹配的相似性度量函数的有效性，鲁棒性等。

毕业论文关键词 自相似性 局部几何结构 K-L距离 图像纹理63916

 毕业设计说明书（论文）外文摘要

Title    Image Similarity Measure Based on Local Structure                     

Abstract

There are lots of self-similar structures in natural images. Exploring these similarities is important to image denoising, recovery, retrieval, identification, etc. Existing image similarity measures are based on L2 norm of gray value, which are isotropic and cannot distinguish images well in rich geometry including texture and edges. In this paper, different feature vectors are given to represent the geometric structure, and then feature-based distance measures with different similarity function are proposed. Numerical experiments showed the effectiveness and robustness of the proposed local structure based similarity measure methods.

Keywords self-similarity, local geometric structure, K-L pergence, image texture

1  引言 1

2  图像不同结构分类及特征提取 3

2．1  图像不同几何结构的分类 3

2．2  几何结构匹配的特征描述 5

2.2.1  纹理部分 5

2.2.2  边缘部分 7

2.2.3  平滑部分 9

3  基于特征的相似性度量 9

3．1  基于特征的距离度量 9

3.1.1   范数 9

3.1.2   范数 9

3.1.3  K-L散度 9

3．2  基于特征的相似性度量函数 9

3.2.1  Gaussian函数 9

3.2.2  Cauchy函数 9

3.2.3  Huber函数 9

3.2.4  Fair函数 9

4  结构匹配的相似性度量 9

4．1  不同距离意义下局部几何结构的相似性度量 9

4.1.1  无噪声图像 9

4.1.2  有噪声图像 9

4．2  不同相似性函数意义下局部几何结构的相似性度量 9

4.2.1  无噪声图像 9

4.2.2  有噪声图像 9

结  论 9

致  谢 9

参考文献 9

1  引言

随着现代多媒体计算和通信技术的飞速发展，图像处理已成为一个相当活跃的研究领域。图像处理的最终目的是理解和识别图像，因此研究图像匹配算法显得尤为重要。度量图像相似性的关键步骤之一是提取图像特征，特征提取对图像分析与识别、计算复杂度、研究鲁棒性等性能有非常大的影响[1]。研究度量图像相似性的算法是其他多种常用处理的基础，如图像分类与分割、图像配准、目标识别等，更加快速并精确地寻找出相似的图像或图像块对图像处理领域的进一步发展发挥着重要的作用。