位图数据相似性算法

Question

我希望能够比较两个位图或位图的部分，并查看它们的相似程度。

我发现了一些字符串数据的相似算法，例如Levenshtein距离和Jaro-Winkler距离。但是，这些算法在处理位图数据时显然没有帮助。

有人能建议一种用于比较位图相似度的算法吗？

编辑

感谢提供想法、链接等信息。

虽然所有信息都有助于熟悉这个主题，但我想知道如何生成图像，更接近这样的方式：

- Daniel

---

你想要生成一张像原始梵高画作一样的图片吗？你能澄清一下吗？ - gordy

生成一张图片，不一定像这样，但是这个图片是从视频中的静止画面中剪切出来的。我更感兴趣的是评估相似性，而不是创建它（尽管我也想了解更多关于创建它的内容）。 - Daniel

你是否需要一种类似的程序，以便随机演化出像那样的图像？为此，我认为下面的神经网络解决方案可能非常有效。 - gordy

Answer 1

您可以使用Hausdorff图像比较算法，但请注意这需要二值图像。需要注意的是，外观相似的图像可能具有完全不同的底层像素表示。人类感知使得计算视觉相似性非常困难。Hausdorff算法通过允许两个不同的图像在总体相似性相同时获得高分来很好地解决了这个问题。如果您想计算数据距离，可以使用任何您喜欢的距离度量，并直接在像素上进行比较。我特别喜欢使用Mahalanobis距离进行这些比较。

- Mark Elliot

Answer 2

这里有一个有趣的链接，来自一个类似的问题。使用自我训练的神经网络来识别相似的图像。

- gordy

Answer 3

你想使用希尔伯特曲线来细分图像并读取RGB值。然后，您可以使用快速傅里叶变换将图像记录为离散模拟信号。然后，您可以将其存储到数据库中并与其他结果进行比较。结果应该非常好。实际上，这就像JPEG压缩（希尔伯特曲线）中的量化器步骤，只是JPEG压缩使用莫顿曲线。

- Micromega

Answer 4

神经网络也可以带来解决方案。您可以使用Kohonen网络（它将把您的图像分组到类别中并给出它们的拓扑地图），或使用Hopfield网络（提供一些代表性的图片，在学习过程中之后，网络将把这些图片分类到在学习模式下提供的图片中）。

Kohonen网络：http://en.wikipedia.org/wiki/Self-organizing_map

Hopfield网络http://en.wikipedia.org/wiki/Hopfield_network

- dfens