2004年提出一种新的衡量两幅图像或两个图像块之间相似性的指标SSIM[7-8]，SSIM在图像去噪处理和图像相似度评价上优于峰值信噪比，现已被广泛运用到图像处理中。文献9中Efros和Leung使用非局部自相似性来合成纹理及恢复图像，提出的算法不是传统扫描局部图像块，而是通过扫描整幅图像来寻找与待恢复像素相似的所有像素[9]。将这种思想运用到相似性度量中来，近年来陆续提出非局部方法来度量图像的相似性 [10]。后又由于非局部平均方法仅仅考虑了图像中像素点的灰度属性而忽略了其几何属性，为了能充分利用数字图像局部几何结构的自相似性，结合结构张量能有效刻画图像的结构方向场和几何结构特征的特点，又提出基于结构张量的度量图像相似性的非局部算法[11]。

本文针对传统方法的局限性，提出一种基于图像局部几何结构匹配的相似性度量算法。对一幅图像的纹理子块、边缘子块和平滑部分子块进行特征提取，构建适合自身结构的特征描述，再逐一与其他具有相同几何结构的子块进行对比，实现参考图像和匹配图像几何意义上的对齐，以此度量其之间的相似程度，提高图像处理的效率。实验结果表明，这种考虑局部几何结构匹配的相似性度量算法与人类视觉认知结果一致，较传统方法有明显的优势。

2  图像不同结构分类及特征提取

2．1  图像不同几何结构的分类

人眼视觉系统通常对图像各部分内容的敏感程度不同，例如对边缘部分最敏感。本文针对一幅图像的子块进行相似性研究，首先用人眼将原始图像大致分类，然后在原始大图像中取一些结构较为单一的图像小块，使得这一图像块中都是纹理结构，或者包含了一条或几条边缘结构，或者是平滑部分，针对每类几何结构将提取出来的图像小块再分割成大小相同、可重叠的子块，本文窗口大小采用 规模。由此分割出的图像小块可以大致分成纹理块、边缘块、平滑部分三大类，建立图像库。

本文将基于图像的这三类局部几何结构深入讨论。