專利名稱：用于自動比較兩個度量值組的方法和裝置的制作方法
技術領域：
本發(fā)明一般涉及用于自動比較兩個度量值組的方法和實施該方法的裝置。
背景技術：
度量值組可例如關于一些圖像數(shù)據(jù)，該圖像數(shù)據(jù)例如通過照相機獲得并且分別表 征圖像。該方法能夠用于確定相似的圖像，例如用于從大量鏡頭中自動找到一照相鏡頭的 圖像，或者用于找到相繼鏡頭之間的分隔點。已知通過將度量值分別分配給能夠由索引表示的有限數(shù)量的類(有時類也被稱 為庫)之一來處理度量值組，使得這些度量值被分配給所述類，并且由此定義頻次分布，該 頻次分布針對每個類指出分配給該類的各個度量值組的頻次。在這里，所述類通常對應于 具有可用值的度量值的區(qū)間的子區(qū)間。這樣的頻次分布的已知表示法由直方圖生成。相互 比較兩個或更多度量值組這一技術目的(例如為了確定在大量度量值組的估計期間能夠 自動且快速地比較的事件)于是能夠變成相互比較兩個直方圖并且測量這些直方圖之間 的相似性這一目的。已知有各種用于比較直方圖或者比較可由直方圖描述的分布的方法。對于這些方 法中最簡單的方法，例如通過測量與頻次分布對應的直方圖的重疊，逐個類或逐個庫地比 較待比較的頻次分布的(分配給各個類的)頻次。這些方法雖然能夠以很低的計算復雜度 實現(xiàn)，但帶來很大的缺點，即未考慮相鄰類之間的相似性。實際上彼此接近但由于類的選擇 而被隨機分配至兩個不同的(例如相鄰的)類的度量值，于是被完全不同地處理，并且對于 相應的直方圖的相似性估計，所述度量值的接近度還是未被考慮。因此，這些簡單的方法在 很多情況下導致不令人滿意且無意義的結(jié)果，這些結(jié)果特別是無法實現(xiàn)關于度量值組或相 應事件的相似性的可靠估計。特別地，以這樣的方法獲得的結(jié)果不利地取決于庫或類的大 小并且取決于相鄰庫之間一定程度上任意選擇的邊界的精確位置。其它用于比較直方圖的方法不僅考慮準確的對應或重疊，也考慮相鄰或接近的類 或庫之間的相似性。該方法例如為Rubner等人在International Journal ofComputer Vision中(40 (2)，第99-121頁)公布的、名為Earth Mover's Distance的用于直方圖的距 離量度。這些方法及類似方法事實上適用于實質(zhì)上更有意義的頻次分布或直方圖的相似性 的估計，但是具有極高計算復雜度的缺點。因此，用于計算所謂的Earth Mover's Distance 的以上方法的計算復雜度隨著度量值類的數(shù)量的增加而增加0(N3)與exp(N)之間，其中N 為類的數(shù)量。特別地，對于使用并且要比較大量度量值類的應用，即使在比較一對度量值組時， 這樣的高計算復雜度可能已是不可接受的。

發(fā)明內(nèi)容
因此，本發(fā)明的目的在于提供一種用于自動 比較兩個度量值組的方法，該方法允 許可靠地測量這些組之間的相似性，使得甚至考慮到相對于遠距離的庫而更加靠近的庫或類的相當大的相似性，該方法將以很低的計算復雜度來實現(xiàn)，因而也適于對大量成對的度 量值組的估計。此外，本發(fā)明的目的在于開發(fā)用于自動比較兩個度量值組的裝置。根據(jù)本發(fā)明，所述目的通過具有權利要求1所述特征的方法以及通過具有權利要 求13所述特征的裝置來實現(xiàn)。在從屬權利要求中示出本發(fā)明的有利實施例以及改進方案。對于提出的用于自動比較兩個度量值組的方法，所述兩個度量值組的度量值分別被分配給由索引限定的有限數(shù)量的類之一，使得分別針對所述兩組中的每一組定義頻次分 布，該頻次分布針對每一類指出被分配到該類的度量值的頻次，之后，以下述方式根據(jù)第一 修正值(在此僅例如稱之為match)的最終值計算這些頻次分布之間的距離量度。因此，以 相對低的計算復雜度確定該距離量度，使得該距離量度以有意義的方式表示兩個度量值組 之間的相似性或非相似性。為此，分別對于彼此之間距離為距離d的所有索引i和j，通過使用兩個變量組的 算法計算所述第一修正值match，其中，給定的最大距離dmax ^ 1，對于所有的整數(shù)距離d符 合0彡d彡dmax，以d = 0開始并且繼續(xù)增加距離d ；-另一修正值的當前值被定義為m = min(qi' , ν/ )其中，m代表另一修正值，q/代表兩個變量組中的第一組的變量，而ν/代表第 二變量組中的變量，這兩個變量組中的變量在算法開始時被定義為Qi ‘ =Qi, V/ =Vj，其 中，Qi代表所述兩個頻次分布中第一頻次分布中的頻次，而\代表第二頻次分布中的頻次；在此之后，變量Qi ‘和Vj ‘分別通過減去另一修正值m的當前值而被重新定義，并 且乘以矩陣元素的另一修正值m的當前值與初始定義為match = 0的第一修正值match 的當前值相加，其中，矩陣元素ay形成相似性矩陣，對于所有索引i，ai,i = 1，并且對于最 大相距dmax且i乒j的所有索引i和j，1 ^ Bijj < I0該方法能夠以簡單的方式通過利用編程技術相應地設計的裝置來執(zhí)行，該方法的 特點為，一方面(利用通過相似性矩陣的矩陣元素將偏離考慮在內(nèi)的加權)，從兩個度量值 組中被分配給彼此不相同但僅相距不太遠的類的度量值的頻次(通過稱之為dmax的最大距 離確定)相互比較，除非對于相同或靠近的類已確定頻次的對應。這相對于僅逐個庫地實 施的傳統(tǒng)的比較而言，針對度量值組的相似性獲得更可靠且有意義的量度，特別地，該量度 適當?shù)乜紤]到相似度量值被隨機分配到鄰近的類。另一方面，所述方法(不同于相對有意 義的已知方法)能夠以非常低的計算復雜度有利地實現(xiàn)，這也允許處理大量度量值以及比 較大量度量值組。對于最大距離Clmax的給定值，事實上產(chǎn)生取決于類的數(shù)量而僅為O(N)量 級的計算復雜度，其中N表示類的數(shù)量。甚至對于dmax= 1，該方法也能夠?qū)е路浅Ａ钊藵M 意的結(jié)果。能夠以各種方式根據(jù)修正值match、或者更精確地根據(jù)由所述算法獲得的第一修 正值match的最終值計算距離量度，例如將距離量度計算為dist = l-match/( Σ i q^其中，dist代表所述距離量度，并且qi的定義如上，在所有的類上進行求和。當 dist從dist = 0(這對于相同或相當大的距離量度值)直至dist = 1(這對于較不相似的 各組度量值對)時，通過該定義能夠容易地估計該距離量度。應理解，在這里以及下文中所選擇的修正值、自由變量參數(shù)以及變量的所有名字僅是示例性的，并且可任意變換。在能夠通過容易可編程的算法產(chǎn)生的本發(fā)明的典型實施例中，由滿足整數(shù)η > 1 的η元組形成索引，其中，在兩個任意的索引i與j之間的所述距離d被定義為d = maxk(dk)其中，對于符合KkSn的所有k獲得最大值，并且dk分別定義為dk = |ik-jk或者被定義為dk = min(|ik-jkI, Ik-|ik-jk|)其中，k指示相應η元組的位置，而ik代表索引i的位置，jk代表索引j的位置，并 且Ik代表表示所述類的索引的第k位置可取的值的數(shù)量。在最簡單的情況下，能夠使η = 1，并且(1被定義為(1= i-j或(1 = !^11(|1-」|，1-|1-」|)，僅有單個位置索引(one-place index) i、j，其可取I值。如果度量值再現(xiàn)待比較的兩個圖像記錄的不同圖像點上的亮度， 則所述類于是例如可對應于白與黑之間的不同灰度區(qū)間。當然，在所述方法的典型實施例 中，可以使η = 2或η = 3，當然η也可更大。當對一個具有周期特性的度量值的類或庫進 行索引時(利用索引的相應的位置)，關于dk定義的第二替選方案總是存在，例如為能夠被 顯示在色環(huán)上的色調(diào)。相似性矩陣的矩陣元素ay能夠例如被定義為Bijj = 1/[1+( Σ k dkp)1/p]其中，dk的定義如上，并且ρ為冪，該冪例如可被選擇為ρ = 2，其中，在符合 l^k^n的所有k上進行求和。通過這樣定義的相似性矩陣，通過很低的計算復雜度能夠 實現(xiàn)充分考慮由分配給一定程度上相鄰的庫或類而造成的度量值組的相似性或非相似性?？墒褂酶鞣N算法計算在此稱之為match的第一修正值。本發(fā)明的特別簡單地可編 程實施例提出，為計算第一修正值match _進入第一程序循環(huán)，在該程序循環(huán)中，所述距離d以整數(shù)步長從0直到選自整數(shù) 的最大距離dmax ；-在此之后，緊接著，對于符合1彡k彡η的所有整數(shù)k(例如以k = 1開始并且以 k = η結(jié)束)分別進入一個程序循環(huán)，在該程序循環(huán)中，在此例如稱為hk的另一變量遍歷符 合-d < hk < +d的所有整數(shù)值(例如，以整數(shù)步長，從-d至+d)；-之后，緊接著，對于符合KkSn的所有整數(shù)k(例如以k = 1開始并且以k = η結(jié)束)分別進入另一個程序循環(huán)，在其中，索引i的位置ik的值遍歷能夠根據(jù)其位置取值 的所有Ik值，以索引所述類(例如，如果類被相應地索引，則以整數(shù)步長從ik= 1至ik = Ik)-于是，另一修正值m的當前值被定義為m = min(qi' , vi+h')其中，q/的定義如上，h代表由變量hk生成的η元組，而vi+h'代表第二變量組的 變量，并且如果η元組i+h具有的值可為所述類的索引的值，則vi+h'在所述算法開始時被 定義為vi+h' = vi+h,并且如果η元組i+h的至少一個位置具有的值不能為所述類的索引的 相應位置的值，則vi+h'被定義為vi+h' = 0或者被定義為vi+h' = vi+M，其中，L代表η元 組，該η元組在η元組i+h的第k個位置具有的值可為所述類的索引的相應位置的值的情況下通過Lk = O限定，否則通過Lk = Ik或者Lk = -Ik限定，使得η元組i+h+L的所有位置 具有的值可為所述類的索引的相應位置的值；-在此之后，通過減去另一修正值m的當前值分別再次限定變量q/和vi+h'，并 且與矩陣元素ai,i+h相乘的另一修正值m的當前值被加到在所述算法開始時被定義為match =0的第一修正值match上；-在此之后，再以相反的順序結(jié)束所有的所述程序循環(huán)。如此描述的算法涉及伴隨新定義另一修正值m的運算步驟(如上根據(jù)第四子行所 述)，并且也涉及上述的在第五子步驟執(zhí)行之后的后續(xù)運算步驟，該第五子步驟在一定程度 上比所需更多地被執(zhí)行，因為對于d的每個新值，變量hk取-d與+d之間所有值，并且因此 還對于一些h計算最小值min(qi' , vi+h‘)，其中對于這些h而言，i和i+h之間的距離小 于d。然而，這是無害的，因為在這些過多數(shù)量的運算步驟期間確定的m的新值各自消失，原 因是變量q/和vi+h'中的至少一個在這些情況下由于在程序循環(huán)的已執(zhí)行部分中的新定 義而已取得值0。在本發(fā)明的典型應用中，兩個度量值組將具有特征Σ i Vi =Σ i 例如在每個度 量值在比較兩個具有相似數(shù)量的圖像點的圖像期間對應于一個圖像點的情況下是如此。在 其它情況下，首先標準化所述度量值是有利的，使得Σ i Vi =Σ i Qi0在此，求和應被理解 為在所有類上進行，并且Qi和Vi可按如上定義。對于自動估計被比較的度量值組之間的相似性或非相似性，可以將計算出的距離 量度與閾值和/或與其它相應地計算出的度量值組之間的距離量度比較。然后，例如根據(jù) 該比較的結(jié)果，這兩個度量值組可被指定為彼此相似。所述方法的優(yōu)選應用在于，該方法用于確定兩個圖像之間的相似性，其中，兩個度 量值組的度量值再現(xiàn)該兩個圖像的圖像數(shù)據(jù)。在此，特別地，度量值可分別被分配給一個圖 像點。典型地，于是類代表針對亮度值和/或色彩和/或色飽和度的區(qū)間，其中，有利地選 擇這些區(qū)間使它們相互靠近并且覆蓋所有可能的度量值?？商孢x地或者另外地，圖像能夠 在空間上被分成子區(qū)域，所述子區(qū)域被分別分配給一個類或一部分的類。這些子區(qū)域能夠 再次例如用一個或兩個索引位置來索引。如果度量值對應于圖像數(shù)據(jù)，該方法例如可用于有利簡單和可靠的自動場景識別 或用于圖案識別。在此，包含有多個圖像的圖像能夠以所述方式成對地或分別地與基準圖 像比較。因為計算復雜度低，根據(jù)需要，從而能夠比較極大量的圖像對。


接下來參考圖1和圖2描述本發(fā)明的實施例 ，附圖中圖1示出選擇待比較的直方圖，用于示例本發(fā)明的實施例；以及圖2以示例方式示出適于用實施例中的方法比較圖像的三個度量值的圖形表示。
具體實施例方式本發(fā)明的第一實施例示出用于比較兩個圖像的方法，這兩個圖像分別由一個度量 值組表示，各圖像的各個圖像點的這些度量值分別表示一個在黑與白之間的灰度值，并且 能夠例如被攝像機捕獲。這兩個度量值組中的每一個被分別分配給來自有限數(shù)量I個類中的類(也稱之為庫)，這些類中的每一個對應于一個灰度值區(qū)間，并且這些區(qū)間相互靠近， 并且覆蓋從黑到白的所有灰度梯級。因此，對于兩個組中的每一個分別定義頻次分布，該頻 次分布通過對于每個類指出相應組中分配給該類的度量值的頻次，在該情況下再現(xiàn)灰度值 分布。這些頻次分布中的每一個能夠被顯示為直方圖。在圖1中示出該類型的一維直方圖 的示例。借助于相應地通過編程技術設計的裝置，計算出頻次分布之間的距離量度，在此 稱之為dist，該距離量度被定義成使其適于作為對兩個度量值組之間的相似性或非相似性 的量度，因而適于這兩個圖像的、相對于它們的灰度值分布的相似性或非相似性。這里，該 距離量度不必具有數(shù)學意義上的計量的所有特性。
在此，通過算法計算距離量度dist，下文中以更詳細的方式再次描述該算法match = 0FOR d =
FOR h = [-d. . d]FOR i = [1. . I]m = min(qi, vi+h)qi = q廠mvi+h = vi+h-mmatch = match+mX a^ i+hENDENDENDdist = 1-(match/ Σ i q》該表示法的每一行代表一個程序命令，其中，用于計算距離量度dist的第一修正 值被稱為match，另一修正值被稱為m。d、h、i、qi以及Vj (其中，j分別被選為i+h)關于另 外的變量，其中，Qi和Vj分別屬于變量組，并且以i或j = i+h來索引。以FOR開始的行表 示程序循環(huán)的開始，其中，其后提到的變量以整數(shù)步長從方括號中左邊的值向后遍歷到同 一括號中右邊的值。包括語句END的行分別表示相應的程序循環(huán)的結(jié)束。所有其它具有等 式形式的行應該被理解由等號右邊的根據(jù)自身可解的數(shù)學表達式來定義等號左邊的變量。 用d-表示一參數(shù)，該(1_表示一些類之間的最大距離，這些類的頻次、即對這些類分配以 兩個組的度量值甚至在所述度量值組的相似性估計期間也由于這些類的相似性而應考慮 在內(nèi)。對于本發(fā)明的簡單實施例，最大距離dmax可被選擇成例如為dmax= 1，但是也可選擇 為更大的值。類的數(shù)量I相對于數(shù)量級可例如為I = 50，該數(shù)量I也指出索引i可達到的 值。此外，重要的是，變量Qi和Vj (針對與類對應的索引i和j的值)在該方法開始時 被相應地定義為兩個頻次分布的頻次(被分配給相應的類)，因此使得變量Qi在這些變量 的首次新定義之前與對應于第一圖像的頻次分布的頻次對應，變量\在遍歷該算法期間在 首次新定義之前與對應于第二圖像的頻次分布的頻次對應。此外，存在如果j 彡 0 或 j > I，則 Vj = 0，Bijj = l/[l+|i-j|],
參數(shù)ai,」應被理解為相似性矩陣的矩陣元素。由此獲得的距離量度dist具有以下特性在比較兩個相同的圖像、因而比較兩個 相同的頻次分布期間dist = 0，并且在比較越來越更加不同的圖像期間(然而在此僅考慮 其灰度值分布)距離量度具有更大的值，直至dist = 1。因此該方法也考慮到度量值的相 似性，在此也為灰度值，所述灰度雖然僅略微彼此偏離，但是位于相鄰的類或庫中。但是實 施該方法的計算復雜度極低，并且隨著類的數(shù)量I的增加而僅以O(I)量級增加。因此，由距離量度dist表示的、在不同的頻次分布之間的非相似性對應于在相應 的直方圖之間的無偏地觀察到的偏離。例如，這在圖1(a)和圖1(b)中示出。在圖1(a)中，在左邊，以上下方式示出第一頻次分布Q1和第二頻次分布力，并且 在相鄰的右邊，以上下方式示出同一第一頻次分布Q1和另一第二頻次分布V2。頻次分布Q1 和V1以及頻次分布Q1和V2都恰好在一個庫中對應。所有三個頻次分布Q1J1和V2分別示 出恰好另一具有未消失頻次的庫，其中，所述庫不僅在Q1與V1之間不對應，而且在Q1與V2 之間也不對應。結(jié)果，通過所述方法確定的距離量度在圖1(a)左邊示出的頻次分布Q1與 V1的比較期間比在右邊示出的頻次分布Q1與V2的比較期間更小，因為具有那兩個首先提到 的頻次分布Q1與V1的不對應的庫相比頻次分布Q1與V2的情況而言相互靠得更近。在這方 面，對兩對頻次分布Q1與V1或Q1與V2之間的相似性或非相似性的估計與無偏的觀察對應。 相反，在分別逐個庫地簡單比較兩個直方圖的情況下，頻次分布Q1與V1或Q1與V2之間的相 似性或非相似性會被估計成同樣與無偏的觀察相反。在相應的表示法中，在圖1(b)中示出另一示例，由于該示例，如在圖中左邊示出 的另一第一頻次分布Q2要與在圖1 (a)中已示出的頻次分布V1比較，此外，當使用同一方法 時與圖1(b)中的右邊在頻次分布Q2下面示出的另一第二頻次分布V3比較。在此，頻次分 布V3代表平均分布，同時頻次分布Q2再次示出僅僅兩個具有未消失的頻次的庫，然而，所述 庫相對于頻次分布V1的已占據(jù)的庫稍有偏移。通過這里所提出的方法，在圖1(b)中左邊 表示的兩個頻次分布Q2和V1相比在圖1 (b)中右邊表示的兩個頻次分布Q2和V3被估計成 相互偏離更小。這再次與無偏的觀察對應。當采用其中僅逐個庫地比較頻次分布或直方圖 的傳統(tǒng)的簡單方法時，在右邊示出的兩個頻次分布Q2和V3之間的距離相反地會被不適當?shù)?估計成比更加相似很多的直方圖或頻次分布Q2和V1之間的距離或非相似性更小。以在此 提出的方法所達到的結(jié)果相對于將度量值分配至相鄰庫(該分配取決于庫之間的邊界的 精確位置，因而在一定程度上是隨機的)也較不敏感得多。當然，能夠被分成一維可索引的類的任何其它類型度量值的組也能夠以所述方式 相互比較。當考慮到不僅在直接相鄰的庫之間的而且在第一庫與最后的庫之間的大相似性 時，在此，度量值也能夠再現(xiàn)就該點而言具有循環(huán)結(jié)構的度量尺度。這能夠例如是度量值再 次產(chǎn)生能夠顯示在色環(huán)上的色調(diào)的情況。在這種情況下，通過以下定義替換上述算法中變 量、和ay的定義是有利的VJ+I = Vj,<formula>formula see original document page 9</formula>
在本發(fā)明的實施例中，通過該實施例，也能夠處理其中每個度量值組具有不同數(shù) 量的度量值的度量值組，變量Vi和Qi首先還被標準化，使得Σ i Vi =Σ i Qiο以所述方式計算出的距離量度dsit最終能夠與閾值和/或與其它相應計算出的其它度量值組之間的距離比較，然后，取決于該比較的結(jié)果，這兩組度量值能夠被估計為彼 此相似或者被估計為不相似。用于實施該實施例或本發(fā)明其它實施例的裝置涉及還適于記錄度量值的系統(tǒng)，并 且例如能夠包括用于記錄圖像數(shù)據(jù)的照相機或讀出這樣的度量值的機構。第二實施例與剛剛描述的實施例不同，第二實施例的變化在于度量值所分成的 類或庫由索引對來索引。如果度量值再現(xiàn)兩個度量維度，即為二維的，則是有利的。(術語 “度量值”在本文獻的含義下包括度量值是多維的情況。)對于圖像數(shù)據(jù)，這些度量維度能 夠例如為亮度和色飽和度，或者亮度和色調(diào)，或者色調(diào)和色飽和度。索引對的每個位置于是 對包括相應度量維度的度量值空間的子區(qū)間進行索引。用于本發(fā)明該實施例中的方法的算 法略微不同于前述算法，并且隨后以相應的、顯然的方式再現(xiàn)match = 0FOR d =
FOR g = [-d. . d]FOR h = [-d. . d]FOR i = [1. . I]FOR j = [L.J]m = min (q^j, vi+g, J+h)qijJ = qijrmvi+g, J+h = vi+g,沖-mmatch = match+mX a^ j ;i+gj J+hENDENDENDENDENDdist = 1-(match/ Σ ^jqijj)其中如果k彡0或k > I或1彡0或1 > J，則Vu = 0并且Biij^1= l/[l+(|i-k I2+|j-i I2)172]對于該方法的改進方案，可假設兩個待比較的度量值組的度量值會再次分別被分 配給兩個待比較的圖像的一個圖像點，并且代表相應圖像點的色調(diào)和色飽和度。在此，色調(diào) 通道也被分成由索引對(i，j)的前者來索引的I個庫或類。因為色調(diào)能夠方便地顯示色環(huán) 上，并且就該點而言為循環(huán)的度量維度，所以由索引對的前者限定的首個類和末尾的類被 作為相鄰處理。為此，變量Vu和矩陣元素的定義應如下修改如果1 彡 0 或 1 > J，則 Vu = 0 _0] Vk+Ijl = Vkjl Bi, J ;k, 1/[1+ (min (| i_k |，I-1 i_k |))2+1 j_l |2)1/2] 對于變量qy和它們的索引對應于類，當然，應當如在 第一實施例中那樣，分別使這些變量在算法開始時被相應地定義為待比較的兩個頻次分布的頻次。相似地，度量值組當然也可進行比較，在這種情況下，每個度量值再現(xiàn)關于相當多 (通常為η)的度量維度的結(jié)果。在該情況下，將度量值分成以η元組來索引的類是有利的。 通過上文所述實施例的改進會得到之后要使用的算法，使得能夠以如下相應的表示方式再 現(xiàn)算法核心
<formula>formula see original document page 11</formula>現(xiàn)在以η位索引來索引的變量tIi1..…in和Vj1,·...jn在算法開始時再次被相應地 定義為待比較的兩個頻次分布的頻次，其中，類似于前述實施例，關于這些未與類對應的索 弓丨分配的變量 …的相應定義能夠?qū)⒍攘烤S度是否具有循環(huán)特征考慮在內(nèi)。再現(xiàn)多維度量值的維度的度量維度數(shù)量η可為大于1的任何值。在剛剛描述的示例中，可選擇η = 3，針對待比較圖像中的每個圖像點的度量值對應于色空間的HSV顯示，用于代表亮度、色調(diào)和色飽和度。在圖2中示出色空間的這種顯示 的圖示，這里，V(值)為亮度，S(飽和度)為色飽和度并且H(色調(diào))為色調(diào)。這三個度量 維度當中，例如其中之一(即色調(diào)H)應作為循環(huán)度量維度處理。所述方法能夠在其不同的實施例中特別用于自動場景識別或圖案識別。對于更 高維度的度量值，除了提到的顏色特征之外，也可考慮圖像的立體結(jié)構。通過所述方式，圖 像(包括可能非常多圖像)在此也能夠成對地進行比較或者分別與一個或多個基準圖像比 較。所描述的通常用于在度量值的情況下比較頻次分布的方法也特別用于比較再現(xiàn)圖像特 性或圖像特征的頻次分布。優(yōu)選應用為比較在待比較的圖像中的顏色的頻次分布。由于提出的方法的計算復雜度低，該方法特別有利地用于自動場景識別，優(yōu)選以 所描述的比較顏色直方圖的形式使用。特別是如下文中描述的那樣實施所述方法或所述算 法相似的顏色作為相似處理，并且在它們被分配給不同的類或庫的情況下考慮在 內(nèi)。這非常廣泛地對應于顏色相似性的連續(xù)建模，與在不考慮所述相似性的情況下的色空 間的簡單離散化不同。因此，源自亮度或陰影稍有不同的鏡頭的圖像也被進行比較并識別 為相似。根據(jù)所述內(nèi)容，所提出的距離量度也適用于比較多維顏色直方圖，因為要考慮更 多的信息，所以多維顏色直方圖比一維直方圖具有更大的區(qū)分力。所有這些以非常低的計算復雜度實現(xiàn)。因此，可以想到用所述方法檢查可包括例 如1000至2000個鏡頭的影片。如果關于每個鏡頭使用多個關鍵幀(鏡頭的代表性圖像)， 并且如果每個鏡頭要例如與其前面的50個鏡頭比較，其中對于每對鏡頭，一個鏡頭的每個 關鍵幀要與另一鏡頭的每個關鍵幀比較，則對于這樣的應用，需要數(shù)量級為平均100000次 直方圖比較或度量值組比較。通過在此所述的方法，由于非常低的計算復雜度，能夠令人滿 意地實現(xiàn)該目的。為自動實施所描述的方法，提出一種裝置，該裝置在其它地方被描述為“被相應地 編程”或“通過編程技術被設計用于實施該方法”。該裝置可被更加精確地描述為用于自動 比較兩組分別由一個頻次分布表示的度量值的裝置(所述度量值能夠例如由兩個圖像的 圖像數(shù)據(jù)提供)，其中，如果這兩個頻次分布中的、針對有限數(shù)量的類(通過索引來限定)中 的每一個類的每一個頻次分布分別表示由該頻次分布代表的組中分配給該類的度量值的 頻次，該裝置通過編程技術被設計用于實施隨后提到的步驟-分別對于彼此之間距離為距離d的所有索引i和j，通過使用兩個變量組的算法 來計算第一修正值(這里例如稱之為matctOmatch，其中，給定的最大距離dmax彡1，對于所 有的整數(shù)距離d符合0 < d < dmax，以d = 0開始并且繼續(xù)增加距離d ；·另一修正值的當前值被定義為m = min (q/ , ν/ )其中，m為另一修正值，q/為兩個變量組中的第一組的變量，而ν/為第二變量 組中的變量，這兩個變量組中的變量在算法開始時被定義為Qi‘ =QiiVj' =\，其中，Cli為 所述兩個頻次分布中第一頻次分布中的頻次，而\為第二頻次分布中的頻次；
在此之后，變量q/和ν/分別通過減去另一修正值m的當前值而被重新定義， 并且乘以矩陣元素的另一修正值m的當前值與初始定義為match = 0的第一修正值match的當前值相加，其中，矩陣元素形成相似性矩陣，對于所有索引i，aul = 1，并且 對于最大相距dmax且i乒j的所有索引i和j，1彡」< 1 ；_根據(jù)由此獲得的第一修正值match的最終值，在所述頻次分布之間計算反映兩 個度量值組之間的相似性或非相似性的距離量度。因此，所述裝置被編程成使得該裝置響應相應的命令(例如在輸入或讀入兩個上 述類型的頻次分布之后)執(zhí)行包括上述步驟的程序。此外，在一有利的實施例中，該裝置通 過編程技術還被設計成在執(zhí)行這些步驟之前、在輸入或讀入兩組度量值之后將兩組度量值 分別分配給通過索引限定的有限數(shù)量的類中的類，使得分別針對這兩組中的每一組定義頻 次分布，并且對于每個類，該頻次分布指出被分配至該類的度量值的頻次，于是這些頻次分 布被用作代表度量值組的頻次分布。此外，該裝置可通過編程技術被設計成實 施上述或其 它步驟，例如根據(jù)不同的從屬方法權利要求產(chǎn)生的步驟或根據(jù)實施例的描述產(chǎn)生的步驟。
權利要求
一種用于自動比較兩個度量值組的方法，其中·所述兩個度量值組的度量值分別被分配給由索引限定的有限數(shù)量的類之一，使得分別針對所述兩組中的每一組定義頻次分布，該頻次分布針對每一類指出被分配到該類的度量值的頻次；·在此之后，根據(jù)在此例如被稱為match的第一修正值的最終值計算所述頻次分布之間的反映所述兩個度量值組之間的相似性或非相似性的距離量度；·分別對于彼此之間距離為距離d的所有索引i和j，通過使用兩個變量組的算法計算所述第一修正值match，其中，給定的最大距離dmax≥1，對于所有的整數(shù)距離d符合0≤d≤dmax，以d＝0開始并且繼續(xù)增加距離d；-另一修正值的當前值被定義為m＝min(qi′，vj′)其中，m代表另一修正值，qi′代表兩個變量組中的第一組的變量，而vj′代表第二變量組中的變量，這兩個變量組中的變量在算法開始時被定義為qi′＝qi，vj′＝vj，其中，qi代表所述兩個頻次分布中第一頻次分布中的頻次，而vj代表第二頻次分布中的頻次；在此之后，變量qi′和vj′分別通過減去另一修正值m的當前值而被重新定義，并且乘以矩陣元素ai，j的另一修正值m的當前值與初始定義為match＝0的第一修正值match的當前值相加，其中，矩陣元素ai，j形成相似性矩陣，對于所有索引i，ai，i＝1，并且對于最大相距dmax且i≠j的所有索引i和j，1≤ai，j＜1。
2.根據(jù)權利要求1所述的方法，其特征在于，根據(jù)所述第一修正值match的最終值如下 計算所述距離量度dist = 1-match/ (2 ± qj其中，dist代表所述距離量度，并且qi的定義如上，在所有的類上進行求和。
3.根據(jù)權利要求1或2所述的方法，其特征在于，所述索引由滿足整數(shù)n> 1的n元組 形成，其中，在兩個任意的索引i與j之間的所述距離d被定義為d = maxk (dk)其中，對于符合1 < k < n的所有k獲得最大值，并且dk分別定義為dk = Iik"jk或者被定義為<formula>formula see original document page 2</formula>其中，k指示相應n元組的位置，而ik代表索引i的位置，jk代表索引j的位置，并且 Ik代表描述所述類的索引的第k位置可取的值的數(shù)量。
4.根據(jù)權利要求3所述的方法，其特征在于，相似性矩陣的矩陣元素ay被定義為 aU3 =l/[l+(Ek dk2)1/2]其中，dk的定義如上，并且在符合1 < k < n的所有k上求和。
5.根據(jù)權利要求3或4所述的方法，其特征在于，為計算所述第一修正值match-進入第一程序循環(huán)，在該程序循環(huán)中，所述距離d以整數(shù)步長從0直到選自整數(shù)的最 大距離；-在此之后，緊接著，對于符合1 < k < n的所有整數(shù)k分別進入一個程序循環(huán)，在該程 序循環(huán)中，在此例如稱為hk的另一變量遍歷符合_d < hk < +d的所有整數(shù)值；-在此之后，緊接著，對于符合1 < n的所有整數(shù)k分別進入另一個程序循環(huán)，在該 程序循環(huán)中，索引i的位置ik的值從該位置遍歷所有Ik，以索引具有可采取的值的類；-于是，另一修正值m的當前值被定義為m = min(qi' , vi+h')其中，q/的定義如上，h代表由變量hk生成的n元組，而vi+h'代表第二變量組的變 量，并且如果n元組i+h具有的值可為所述類的索引的值，則vi+h'在所述算法開始時被定 義為vi+h' = vi+h,并且如果n元組i+h的至少一個位置具有的值不能為所述類的索引的相 應位置的值，則vi+h'被定義為vi+h' = 0或者被定義為vi+h' = vi+M，其中，L代表n元組， 該n元組在n元組i+h的第k個位置具有的值可為所述類的索引的相應位置的值的情況下 通過Lk = 0限定，否則通過Lk = Ik或者Lk = -Ik限定，使得n元組i+h+L的所有位置具有 的值可為所述類的索引的相應位置的值；-在此之后，通過減去另一修正值m的當前值分別再次限定變量q/和vi+h'，并且與 矩陣元素\ i+h相乘的另一修正值m的當前值被加到在所述算法開始時被定義為match = 0的第一修正值match上；-在此之后，再以相反的順序結(jié)束所有的所述程序循環(huán)。
6.根據(jù)權利要求1至5中任意一項所述的方法，其特征在于，所述度量值首先被標準 化，使得乙1 Vi=Ei qi，其中，的定義如上，并且在所有的類上求和。
7.根據(jù)權利要求1至6中任意一項所述的方法，其特征在于，計算出的距離量度與閾值 和/或與其它相應地計算出的、在度量值組之間的距離量度進行比較，并且根據(jù)該比較的 結(jié)果，所述兩個度量值組被指定為彼此相似。
8.根據(jù)權利要求1至7中任意一項所述的方法，其特征在于，該方法用于確定兩個圖像 之間的相似性，所述兩個度量值組再現(xiàn)所述兩個圖像的圖像數(shù)據(jù)。
9.根據(jù)權利要求8所述的方法，其特征在于，所述度量值分別被分配給一個圖像點，所 述類代表關于亮度值和/或色調(diào)和/或色飽和度的區(qū)間。
10.根據(jù)權利要求8或9所述的方法，其特征在于，該方法用于場景、鏡頭或子鏡頭變化 的自動識別，或者用于圖案識別。
11.根據(jù)權利要求8至9中任意一項所述的方法，其特征在于，圖像以成對地進行比較 或者分別與基準圖像比較。
12.根據(jù)權利要求1至11中任意一項所述的方法，其特征在于，該方法在被相應地編程 的裝置上實施。
13.一種用于比較至少兩個度量值組的裝置，其特征在于，該裝置通過編程技術被設計 用于實施根據(jù)權利要求1至12中任意一項所述的方法。
全文摘要
本發(fā)明涉及一種用于自動比較兩個度量值組的方法，其中所述兩個度量值組的度量值分別被分配給由索引限定的有限數(shù)量的類之一，使得分別針對所述兩組中的每一組定義頻次分布，該頻次分布針對每一類指出被分配到該類的度量值的頻次；在此之后，根據(jù)在此例如被稱為match的第一修正值的最終值計算所述頻次分布之間的相似性或非相似性的距離量度；分別對于彼此之間距離為距離d的所有索引i和j，通過使用兩個變量組的算法計算所述第一修正值match，其中，給定的最大距離dmax≥1，對于所有的整數(shù)距離d符合0≤d≤dmax，另一修正值的實際值被定義為m＝min(qi′，vj′)，其中以d＝0開始并且繼續(xù)增加距離d；其中，m代表另一修正值，qi′代表兩個變量組中的第一組的變量，而vj′代表第二變量組中的變量，這兩個變量組中的變量在算法開始時被定義為qi′＝qi，vj′＝vj，其中，qi代表所述兩個頻次分布中第一頻次分布中的頻次，而vj代表第二頻次分布中的頻次；變量qi′和vj′分別通過減去另一修正值m的當前值而被重新定義，并且乘以矩陣元素ai，j的另一修正值m的當前值與初始定義為match＝0的第一修正值match的當前值相加，其中，矩陣元素ai，j形成相似性矩陣。本發(fā)明還涉及用于自動比較兩個度量值組的相應的裝置。
文檔編號G06K9/64GK101836203SQ200880113025
公開日2010年9月15日 申請日期2008年10月24日 優(yōu)先權日2007年10月24日
發(fā)明者克里斯坦·皮特森 申請人:弗勞恩霍弗應用技術研究院