Формирование индекса для поиска похожих изображений транспортных средств
3
3) визуально похожие изображения имеют одинаковые значения
хеш-функций, вероятность этого близка к 1:
( )
( ) 1 ε, 0 ε 1,
1,
k
P H I H J
k N
;
4) визуально отличающиеся изображения имеют различные зна-
чения хеш-функций, вероятность близка к 1:
( )
) ) 1 δ, 0 δ 1, '
k
P H I H I
I
J
,
значения параметров
и
близки к 0.
Предлагаемый алгоритм индексирования основывается на опре-
делении особых точек изображения. Устойчивость значения хеш-
функции зависит от устойчивости алгоритма определения особых
точек и метода сжатия полученных дескрипторов в короткий индекс.
Концептуально процесс формирования индекса изображения пред-
ставлен на рис. 1.
Рис. 1.
Формирование значения хеш-вектора
Анализ алгоритмов получения хеш-функций.
Существуют не-
сколько классов алгоритмов получения хеш-функций изображений,
которые возможно применить к предметной области.
К классу методов визуально восприимчивого хеширования (англ.
perceptual image hashing) относят алгоритмы, привязывающиеся к ло-
кальным особенностям изображений (например, алгоритмы, осно-
ванные на дискретном преобразовании Фурье), а также к особым
точкам [3]. Методы, относящиеся к данному классу, устойчивы к аф-
финным преобразованиям и зашумлениям, однако устойчивость за-
висит от выбора алгоритма определения особых точек.
К классу методов хеширования изображений по содержанию
(англ. content based hashing) относят методы, выявляющие из изобра-
жения признаки, основанные на статистических данных интенсивно-
стей участков изображения, таких, как среднее, дисперсия и моменты
более высокого порядка [4, 5]. К недостаткам следует отнести то, что
методы устойчивы не ко всем аффинным преобразованиям.
Выделяют также класс методов, основанных на обучении (алго-
ритм усиления простого чувствительного кодирования (англ. Boost-
ing Similarity Sensitive Coding, BoostSSC) [6], ограниченный метод
Больцмана (англ. Restricted Boltzmann Machines, RBM))). Методы ос-
новываются на использовании нейронных сетей применительно к
