用于自动比较两个度量值组的方法和装置的制作方法

专利名称：用于自动比较两个度量值组的方法和装置的制作方法
技术领域：
本发明一般涉及用于自动比较两个度量值组的方法和实施该方法的装置。
背景技术：
度量值组可例如关于一些图像数据，该图像数据例如通过照相机获得并且分别表 征图像。该方法能够用于确定相似的图像，例如用于从大量镜头中自动找到一照相镜头的 图像，或者用于找到相继镜头之间的分隔点。已知通过将度量值分别分配给能够由索引表示的有限数量的类(有时类也被称 为库)之一来处理度量值组，使得这些度量值被分配给所述类，并且由此定义频次分布，该 频次分布针对每个类指出分配给该类的各个度量值组的频次。在这里，所述类通常对应于 具有可用值的度量值的区间的子区间。这样的频次分布的已知表示法由直方图生成。相互 比较两个或更多度量值组这一技术目的(例如为了确定在大量度量值组的估计期间能够 自动且快速地比较的事件)于是能够变成相互比较两个直方图并且测量这些直方图之间 的相似性这一目的。已知有各种用于比较直方图或者比较可由直方图描述的分布的方法。对于这些方 法中最简单的方法，例如通过测量与频次分布对应的直方图的重叠，逐个类或逐个库地比 较待比较的频次分布的(分配给各个类的)频次。这些方法虽然能够以很低的计算复杂度 实现，但带来很大的缺点，即未考虑相邻类之间的相似性。实际上彼此接近但由于类的选择 而被随机分配至两个不同的(例如相邻的)类的度量值，于是被完全不同地处理，并且对于 相应的直方图的相似性估计，所述度量值的接近度还是未被考虑。因此，这些简单的方法在 很多情况下导致不令人满意且无意义的结果，这些结果特别是无法实现关于度量值组或相 应事件的相似性的可靠估计。特别地，以这样的方法获得的结果不利地取决于库或类的大 小并且取决于相邻库之间一定程度上任意选择的边界的精确位置。其它用于比较直方图的方法不仅考虑准确的对应或重叠，也考虑相邻或接近的类 或库之间的相似性。该方法例如为Rubner等人在International Journal ofComputer Vision中(40 (2)，第99-121页)公布的、名为Earth Mover's Distance的用于直方图的距 离量度。这些方法及类似方法事实上适用于实质上更有意义的频次分布或直方图的相似性 的估计，但是具有极高计算复杂度的缺点。因此，用于计算所谓的Earth Mover's Distance 的以上方法的计算复杂度随着度量值类的数量的增加而增加0(N3)与exp(N)之间，其中N 为类的数量。特别地，对于使用并且要比较大量度量值类的应用，即使在比较一对度量值组时， 这样的高计算复杂度可能已是不可接受的。

发明内容
因此，本发明的目的在于提供一种用于自动 比较两个度量值组的方法，该方法允 许可靠地测量这些组之间的相似性，使得甚至考虑到相对于远距离的库而更加靠近的库或类的相当大的相似性，该方法将以很低的计算复杂度来实现，因而也适于对大量成对的度 量值组的估计。此外，本发明的目的在于开发用于自动比较两个度量值组的装置。根据本发明，所述目的通过具有权利要求1所述特征的方法以及通过具有权利要 求13所述特征的装置来实现。在从属权利要求中示出本发明的有利实施例以及改进方案。对于提出的用于自动比较两个度量值组的方法，所述两个度量值组的度量值分别被分配给由索引限定的有限数量的类之一，使得分别针对所述两组中的每一组定义频次分 布，该频次分布针对每一类指出被分配到该类的度量值的频次，之后，以下述方式根据第一 修正值(在此仅例如称之为match)的最终值计算这些频次分布之间的距离量度。因此，以 相对低的计算复杂度确定该距离量度，使得该距离量度以有意义的方式表示两个度量值组 之间的相似性或非相似性。为此，分别对于彼此之间距离为距离d的所有索引i和j，通过使用两个变量组的 算法计算所述第一修正值match，其中，给定的最大距离dmax ^ 1，对于所有的整数距离d符 合0彡d彡dmax，以d = 0开始并且继续增加距离d ；-另一修正值的当前值被定义为m = min(qi' , ν/ )其中，m代表另一修正值，q/代表两个变量组中的第一组的变量，而ν/代表第 二变量组中的变量，这两个变量组中的变量在算法开始时被定义为Qi ‘ =Qi, V/ =Vj，其 中，Qi代表所述两个频次分布中第一频次分布中的频次，而\代表第二频次分布中的频次；在此之后，变量Qi ‘和Vj ‘分别通过减去另一修正值m的当前值而被重新定义，并 且乘以矩阵元素的另一修正值m的当前值与初始定义为match = 0的第一修正值match 的当前值相加，其中，矩阵元素ay形成相似性矩阵，对于所有索引i，ai,i = 1，并且对于最 大相距dmax且i乒j的所有索引i和j，1 ^ Bijj < I0该方法能够以简单的方式通过利用编程技术相应地设计的装置来执行，该方法的 特点为，一方面(利用通过相似性矩阵的矩阵元素将偏离考虑在内的加权)，从两个度量值 组中被分配给彼此不相同但仅相距不太远的类的度量值的频次(通过称之为dmax的最大距 离确定)相互比较，除非对于相同或靠近的类已确定频次的对应。这相对于仅逐个库地实 施的传统的比较而言，针对度量值组的相似性获得更可靠且有意义的量度，特别地，该量度 适当地考虑到相似度量值被随机分配到邻近的类。另一方面，所述方法(不同于相对有意 义的已知方法)能够以非常低的计算复杂度有利地实现，这也允许处理大量度量值以及比 较大量度量值组。对于最大距离Clmax的给定值，事实上产生取决于类的数量而仅为O(N)量 级的计算复杂度，其中N表示类的数量。甚至对于dmax= 1，该方法也能够导致非常令人满 意的结果。能够以各种方式根据修正值match、或者更精确地根据由所述算法获得的第一修 正值match的最终值计算距离量度，例如将距离量度计算为dist = l-match/( Σ i q^其中，dist代表所述距离量度，并且qi的定义如上，在所有的类上进行求和。当 dist从dist = 0(这对于相同或相当大的距离量度值)直至dist = 1(这对于较不相似的 各组度量值对)时，通过该定义能够容易地估计该距离量度。应理解，在这里以及下文中所选择的修正值、自由变量参数以及变量的所有名字仅是示例性的，并且可任意变换。在能够通过容易可编程的算法产生的本发明的典型实施例中，由满足整数η > 1 的η元组形成索引，其中，在两个任意的索引i与j之间的所述距离d被定义为d = maxk(dk)其中，对于符合KkSn的所有k获得最大值，并且dk分别定义为dk = |ik-jk或者被定义为dk = min(|ik-jkI, Ik-|ik-jk|)其中，k指示相应η元组的位置，而ik代表索引i的位置，jk代表索引j的位置，并 且Ik代表表示所述类的索引的第k位置可取的值的数量。在最简单的情况下，能够使η = 1，并且(1被定义为(1= i-j或(1 = !^11(|1-」|，1-|1-」|)，仅有单个位置索引(one-place index) i、j，其可取I值。如果度量值再现待比较的两个图像记录的不同图像点上的亮度， 则所述类于是例如可对应于白与黑之间的不同灰度区间。当然，在所述方法的典型实施例 中，可以使η = 2或η = 3，当然η也可更大。当对一个具有周期特性的度量值的类或库进 行索引时(利用索引的相应的位置)，关于dk定义的第二替选方案总是存在，例如为能够被 显示在色环上的色调。相似性矩阵的矩阵元素ay能够例如被定义为Bijj = 1/[1+( Σ k dkp)1/p]其中，dk的定义如上，并且ρ为幂，该幂例如可被选择为ρ = 2，其中，在符合 l^k^n的所有k上进行求和。通过这样定义的相似性矩阵，通过很低的计算复杂度能够 实现充分考虑由分配给一定程度上相邻的库或类而造成的度量值组的相似性或非相似性。可使用各种算法计算在此称之为match的第一修正值。本发明的特别简单地可编 程实施例提出，为计算第一修正值match _进入第一程序循环，在该程序循环中，所述距离d以整数步长从0直到选自整数 的最大距离dmax ；-在此之后，紧接着，对于符合1彡k彡η的所有整数k(例如以k = 1开始并且以 k = η结束)分别进入一个程序循环，在该程序循环中，在此例如称为hk的另一变量遍历符 合-d < hk < +d的所有整数值(例如，以整数步长，从-d至+d)；-之后，紧接着，对于符合KkSn的所有整数k(例如以k = 1开始并且以k = η结束)分别进入另一个程序循环，在其中，索引i的位置ik的值遍历能够根据其位置取值 的所有Ik值，以索引所述类(例如，如果类被相应地索引，则以整数步长从ik= 1至ik = Ik)-于是，另一修正值m的当前值被定义为m = min(qi' , vi+h')其中，q/的定义如上，h代表由变量hk生成的η元组，而vi+h'代表第二变量组的 变量，并且如果η元组i+h具有的值可为所述类的索引的值，则vi+h'在所述算法开始时被 定义为vi+h' = vi+h,并且如果η元组i+h的至少一个位置具有的值不能为所述类的索引的 相应位置的值，则vi+h'被定义为vi+h' = 0或者被定义为vi+h' = vi+M，其中，L代表η元 组，该η元组在η元组i+h的第k个位置具有的值可为所述类的索引的相应位置的值的情况下通过Lk = O限定，否则通过Lk = Ik或者Lk = -Ik限定，使得η元组i+h+L的所有位置 具有的值可为所述类的索引的相应位置的值；-在此之后，通过减去另一修正值m的当前值分别再次限定变量q/和vi+h'，并 且与矩阵元素ai,i+h相乘的另一修正值m的当前值被加到在所述算法开始时被定义为match =0的第一修正值match上；-在此之后，再以相反的顺序结束所有的所述程序循环。如此描述的算法涉及伴随新定义另一修正值m的运算步骤(如上根据第四子行所 述)，并且也涉及上述的在第五子步骤执行之后的后续运算步骤，该第五子步骤在一定程度 上比所需更多地被执行，因为对于d的每个新值，变量hk取-d与+d之间所有值，并且因此 还对于一些h计算最小值min(qi' , vi+h‘)，其中对于这些h而言，i和i+h之间的距离小 于d。然而，这是无害的，因为在这些过多数量的运算步骤期间确定的m的新值各自消失，原 因是变量q/和vi+h'中的至少一个在这些情况下由于在程序循环的已执行部分中的新定 义而已取得值0。在本发明的典型应用中，两个度量值组将具有特征Σ i Vi =Σ i 例如在每个度 量值在比较两个具有相似数量的图像点的图像期间对应于一个图像点的情况下是如此。在 其它情况下，首先标准化所述度量值是有利的，使得Σ i Vi =Σ i Qi0在此，求和应被理解 为在所有类上进行，并且Qi和Vi可按如上定义。对于自动估计被比较的度量值组之间的相似性或非相似性，可以将计算出的距离 量度与阈值和/或与其它相应地计算出的度量值组之间的距离量度比较。然后，例如根据 该比较的结果，这两个度量值组可被指定为彼此相似。所述方法的优选应用在于，该方法用于确定两个图像之间的相似性，其中，两个度 量值组的度量值再现该两个图像的图像数据。在此，特别地，度量值可分别被分配给一个图 像点。典型地，于是类代表针对亮度值和/或色彩和/或色饱和度的区间，其中，有利地选 择这些区间使它们相互靠近并且覆盖所有可能的度量值。可替选地或者另外地，图像能够 在空间上被分成子区域，所述子区域被分别分配给一个类或一部分的类。这些子区域能够 再次例如用一个或两个索引位置来索引。如果度量值对应于图像数据，该方法例如可用于有利简单和可靠的自动场景识别 或用于图案识别。在此，包含有多个图像的图像能够以所述方式成对地或分别地与基准图 像比较。因为计算复杂度低，根据需要，从而能够比较极大量的图像对。


接下来参考图1和图2描述本发明的实施例 ，附图中图1示出选择待比较的直方图，用于示例本发明的实施例；以及图2以示例方式示出适于用实施例中的方法比较图像的三个度量值的图形表示。
具体实施例方式本发明的第一实施例示出用于比较两个图像的方法，这两个图像分别由一个度量 值组表示，各图像的各个图像点的这些度量值分别表示一个在黑与白之间的灰度值，并且 能够例如被摄像机捕获。这两个度量值组中的每一个被分别分配给来自有限数量I个类中的类(也称之为库)，这些类中的每一个对应于一个灰度值区间，并且这些区间相互靠近， 并且覆盖从黑到白的所有灰度梯级。因此，对于两个组中的每一个分别定义频次分布，该频 次分布通过对于每个类指出相应组中分配给该类的度量值的频次，在该情况下再现灰度值 分布。这些频次分布中的每一个能够被显示为直方图。在图1中示出该类型的一维直方图 的示例。借助于相应地通过编程技术设计的装置，计算出频次分布之间的距离量度，在此 称之为dist，该距离量度被定义成使其适于作为对两个度量值组之间的相似性或非相似性 的量度，因而适于这两个图像的、相对于它们的灰度值分布的相似性或非相似性。这里，该 距离量度不必具有数学意义上的计量的所有特性。
在此，通过算法计算距离量度dist，下文中以更详细的方式再次描述该算法match = 0FOR d =
FOR h = [-d. . d]FOR i = [1. . I]m = min(qi, vi+h)qi = q厂mvi+h = vi+h-mmatch = match+mX a^ i+hENDENDENDdist = 1-(match/ Σ i q》该表示法的每一行代表一个程序命令，其中，用于计算距离量度dist的第一修正 值被称为match，另一修正值被称为m。d、h、i、qi以及Vj (其中，j分别被选为i+h)关于另 外的变量，其中，Qi和Vj分别属于变量组，并且以i或j = i+h来索引。以FOR开始的行表 示程序循环的开始，其中，其后提到的变量以整数步长从方括号中左边的值向后遍历到同 一括号中右边的值。包括语句END的行分别表示相应的程序循环的结束。所有其它具有等 式形式的行应该被理解由等号右边的根据自身可解的数学表达式来定义等号左边的变量。 用d-表示一参数，该(1_表示一些类之间的最大距离，这些类的频次、即对这些类分配以 两个组的度量值甚至在所述度量值组的相似性估计期间也由于这些类的相似性而应考虑 在内。对于本发明的简单实施例，最大距离dmax可被选择成例如为dmax= 1，但是也可选择 为更大的值。类的数量I相对于数量级可例如为I = 50，该数量I也指出索引i可达到的 值。此外，重要的是，变量Qi和Vj (针对与类对应的索引i和j的值)在该方法开始时 被相应地定义为两个频次分布的频次(被分配给相应的类)，因此使得变量Qi在这些变量 的首次新定义之前与对应于第一图像的频次分布的频次对应，变量\在遍历该算法期间在 首次新定义之前与对应于第二图像的频次分布的频次对应。此外，存在如果j 彡 0 或 j > I，则 Vj = 0，Bijj = l/[l+|i-j|],
参数ai,」应被理解为相似性矩阵的矩阵元素。由此获得的距离量度dist具有以下特性在比较两个相同的图像、因而比较两个 相同的频次分布期间dist = 0，并且在比较越来越更加不同的图像期间(然而在此仅考虑 其灰度值分布)距离量度具有更大的值，直至dist = 1。因此该方法也考虑到度量值的相 似性，在此也为灰度值，所述灰度虽然仅略微彼此偏离，但是位于相邻的类或库中。但是实 施该方法的计算复杂度极低，并且随着类的数量I的增加而仅以O(I)量级增加。因此，由距离量度dist表示的、在不同的频次分布之间的非相似性对应于在相应 的直方图之间的无偏地观察到的偏离。例如，这在图1(a)和图1(b)中示出。在图1(a)中，在左边，以上下方式示出第一频次分布Q1和第二频次分布力，并且 在相邻的右边，以上下方式示出同一第一频次分布Q1和另一第二频次分布V2。频次分布Q1 和V1以及频次分布Q1和V2都恰好在一个库中对应。所有三个频次分布Q1J1和V2分别示 出恰好另一具有未消失频次的库，其中，所述库不仅在Q1与V1之间不对应，而且在Q1与V2 之间也不对应。结果，通过所述方法确定的距离量度在图1(a)左边示出的频次分布Q1与 V1的比较期间比在右边示出的频次分布Q1与V2的比较期间更小，因为具有那两个首先提到 的频次分布Q1与V1的不对应的库相比频次分布Q1与V2的情况而言相互靠得更近。在这方 面，对两对频次分布Q1与V1或Q1与V2之间的相似性或非相似性的估计与无偏的观察对应。 相反，在分别逐个库地简单比较两个直方图的情况下，频次分布Q1与V1或Q1与V2之间的相 似性或非相似性会被估计成同样与无偏的观察相反。在相应的表示法中，在图1(b)中示出另一示例，由于该示例，如在图中左边示出 的另一第一频次分布Q2要与在图1 (a)中已示出的频次分布V1比较，此外，当使用同一方法 时与图1(b)中的右边在频次分布Q2下面示出的另一第二频次分布V3比较。在此，频次分 布V3代表平均分布，同时频次分布Q2再次示出仅仅两个具有未消失的频次的库，然而，所述 库相对于频次分布V1的已占据的库稍有偏移。通过这里所提出的方法，在图1(b)中左边 表示的两个频次分布Q2和V1相比在图1 (b)中右边表示的两个频次分布Q2和V3被估计成 相互偏离更小。这再次与无偏的观察对应。当采用其中仅逐个库地比较频次分布或直方图 的传统的简单方法时，在右边示出的两个频次分布Q2和V3之间的距离相反地会被不适当地 估计成比更加相似很多的直方图或频次分布Q2和V1之间的距离或非相似性更小。以在此 提出的方法所达到的结果相对于将度量值分配至相邻库(该分配取决于库之间的边界的 精确位置，因而在一定程度上是随机的)也较不敏感得多。当然，能够被分成一维可索引的类的任何其它类型度量值的组也能够以所述方式 相互比较。当考虑到不仅在直接相邻的库之间的而且在第一库与最后的库之间的大相似性 时，在此，度量值也能够再现就该点而言具有循环结构的度量尺度。这能够例如是度量值再 次产生能够显示在色环上的色调的情况。在这种情况下，通过以下定义替换上述算法中变 量、和ay的定义是有利的VJ+I = Vj,<formula>formula see original document page 9</formula>
在本发明的实施例中，通过该实施例，也能够处理其中每个度量值组具有不同数 量的度量值的度量值组，变量Vi和Qi首先还被标准化，使得Σ i Vi =Σ i Qiο以所述方式计算出的距离量度dsit最终能够与阈值和/或与其它相应计算出的其它度量值组之间的距离比较，然后，取决于该比较的结果，这两组度量值能够被估计为彼 此相似或者被估计为不相似。用于实施该实施例或本发明其它实施例的装置涉及还适于记录度量值的系统，并 且例如能够包括用于记录图像数据的照相机或读出这样的度量值的机构。第二实施例与刚刚描述的实施例不同，第二实施例的变化在于度量值所分成的 类或库由索引对来索引。如果度量值再现两个度量维度，即为二维的，则是有利的。(术语 “度量值”在本文献的含义下包括度量值是多维的情况。)对于图像数据，这些度量维度能 够例如为亮度和色饱和度，或者亮度和色调，或者色调和色饱和度。索引对的每个位置于是 对包括相应度量维度的度量值空间的子区间进行索引。用于本发明该实施例中的方法的算 法略微不同于前述算法，并且随后以相应的、显然的方式再现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，则Vu = 0并且Biij^1= l/[l+(|i-k I2+|j-i I2)172]对于该方法的改进方案，可假设两个待比较的度量值组的度量值会再次分别被分 配给两个待比较的图像的一个图像点，并且代表相应图像点的色调和色饱和度。在此，色调 通道也被分成由索引对(i，j)的前者来索引的I个库或类。因为色调能够方便地显示色环 上，并且就该点而言为循环的度量维度，所以由索引对的前者限定的首个类和末尾的类被 作为相邻处理。为此，变量Vu和矩阵元素的定义应如下修改如果1 彡 0 或 1 > J，则 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] 对于变量qy和它们的索引对应于类，当然，应当如在 第一实施例中那样，分别使这些变量在算法开始时被相应地定义为待比较的两个频次分布的频次。相似地，度量值组当然也可进行比较，在这种情况下，每个度量值再现关于相当多 (通常为η)的度量维度的结果。在该情况下，将度量值分成以η元组来索引的类是有利的。 通过上文所述实施例的改进会得到之后要使用的算法，使得能够以如下相应的表示方式再 现算法核心
<formula>formula see original document page 11</formula>现在以η位索引来索引的变量tIi1..…in和Vj1,·...jn在算法开始时再次被相应地 定义为待比较的两个频次分布的频次，其中，类似于前述实施例，关于这些未与类对应的索 弓丨分配的变量 …的相应定义能够将度量维度是否具有循环特征考虑在内。再现多维度量值的维度的度量维度数量η可为大于1的任何值。在刚刚描述的示例中，可选择η = 3，针对待比较图像中的每个图像点的度量值对应于色空间的HSV显示，用于代表亮度、色调和色饱和度。在图2中示出色空间的这种显示 的图示，这里，V(值)为亮度，S(饱和度)为色饱和度并且H(色调)为色调。这三个度量 维度当中，例如其中之一(即色调H)应作为循环度量维度处理。所述方法能够在其不同的实施例中特别用于自动场景识别或图案识别。对于更 高维度的度量值，除了提到的颜色特征之外，也可考虑图像的立体结构。通过所述方式，图 像(包括可能非常多图像)在此也能够成对地进行比较或者分别与一个或多个基准图像比 较。所描述的通常用于在度量值的情况下比较频次分布的方法也特别用于比较再现图像特 性或图像特征的频次分布。优选应用为比较在待比较的图像中的颜色的频次分布。由于提出的方法的计算复杂度低，该方法特别有利地用于自动场景识别，优选以 所描述的比较颜色直方图的形式使用。特别是如下文中描述的那样实施所述方法或所述算 法相似的颜色作为相似处理，并且在它们被分配给不同的类或库的情况下考虑在 内。这非常广泛地对应于颜色相似性的连续建模，与在不考虑所述相似性的情况下的色空 间的简单离散化不同。因此，源自亮度或阴影稍有不同的镜头的图像也被进行比较并识别 为相似。根据所述内容，所提出的距离量度也适用于比较多维颜色直方图，因为要考虑更 多的信息，所以多维颜色直方图比一维直方图具有更大的区分力。所有这些以非常低的计算复杂度实现。因此，可以想到用所述方法检查可包括例 如1000至2000个镜头的影片。如果关于每个镜头使用多个关键帧(镜头的代表性图像)， 并且如果每个镜头要例如与其前面的50个镜头比较，其中对于每对镜头，一个镜头的每个 关键帧要与另一镜头的每个关键帧比较，则对于这样的应用，需要数量级为平均100000次 直方图比较或度量值组比较。通过在此所述的方法，由于非常低的计算复杂度，能够令人满 意地实现该目的。为自动实施所描述的方法，提出一种装置，该装置在其它地方被描述为“被相应地 编程”或“通过编程技术被设计用于实施该方法”。该装置可被更加精确地描述为用于自动 比较两组分别由一个频次分布表示的度量值的装置(所述度量值能够例如由两个图像的 图像数据提供)，其中，如果这两个频次分布中的、针对有限数量的类(通过索引来限定)中 的每一个类的每一个频次分布分别表示由该频次分布代表的组中分配给该类的度量值的 频次，该装置通过编程技术被设计用于实施随后提到的步骤-分别对于彼此之间距离为距离d的所有索引i和j，通过使用两个变量组的算法 来计算第一修正值(这里例如称之为matctOmatch，其中，给定的最大距离dmax彡1，对于所 有的整数距离d符合0 < d < dmax，以d = 0开始并且继续增加距离d ；·另一修正值的当前值被定义为m = min (q/ , ν/ )其中，m为另一修正值，q/为两个变量组中的第一组的变量，而ν/为第二变量 组中的变量，这两个变量组中的变量在算法开始时被定义为Qi‘ =QiiVj' =\，其中，Cli为 所述两个频次分布中第一频次分布中的频次，而\为第二频次分布中的频次；
在此之后，变量q/和ν/分别通过减去另一修正值m的当前值而被重新定义， 并且乘以矩阵元素的另一修正值m的当前值与初始定义为match = 0的第一修正值match的当前值相加，其中，矩阵元素形成相似性矩阵，对于所有索引i，aul = 1，并且 对于最大相距dmax且i乒j的所有索引i和j，1彡」< 1 ；_根据由此获得的第一修正值match的最终值，在所述频次分布之间计算反映两 个度量值组之间的相似性或非相似性的距离量度。因此，所述装置被编程成使得该装置响应相应的命令(例如在输入或读入两个上 述类型的频次分布之后)执行包括上述步骤的程序。此外，在一有利的实施例中，该装置通 过编程技术还被设计成在执行这些步骤之前、在输入或读入两组度量值之后将两组度量值 分别分配给通过索引限定的有限数量的类中的类，使得分别针对这两组中的每一组定义频 次分布，并且对于每个类，该频次分布指出被分配至该类的度量值的频次，于是这些频次分 布被用作代表度量值组的频次分布。此外，该装置可通过编程技术被设计成实 施上述或其 它步骤，例如根据不同的从属方法权利要求产生的步骤或根据实施例的描述产生的步骤。
权利要求
一种用于自动比较两个度量值组的方法，其中·所述两个度量值组的度量值分别被分配给由索引限定的有限数量的类之一，使得分别针对所述两组中的每一组定义频次分布，该频次分布针对每一类指出被分配到该类的度量值的频次；·在此之后，根据在此例如被称为match的第一修正值的最终值计算所述频次分布之间的反映所述两个度量值组之间的相似性或非相似性的距离量度；·分别对于彼此之间距离为距离d的所有索引i和j，通过使用两个变量组的算法计算所述第一修正值match，其中，给定的最大距离dmax≥1，对于所有的整数距离d符合0≤d≤dmax，以d＝0开始并且继续增加距离d；-另一修正值的当前值被定义为m＝min(qi′，vj′)其中，m代表另一修正值，qi′代表两个变量组中的第一组的变量，而vj′代表第二变量组中的变量，这两个变量组中的变量在算法开始时被定义为qi′＝qi，vj′＝vj，其中，qi代表所述两个频次分布中第一频次分布中的频次，而vj代表第二频次分布中的频次；在此之后，变量qi′和vj′分别通过减去另一修正值m的当前值而被重新定义，并且乘以矩阵元素ai，j的另一修正值m的当前值与初始定义为match＝0的第一修正值match的当前值相加，其中，矩阵元素ai，j形成相似性矩阵，对于所有索引i，ai，i＝1，并且对于最大相距dmax且i≠j的所有索引i和j，1≤ai，j＜1。
2.根据权利要求1所述的方法，其特征在于，根据所述第一修正值match的最终值如下 计算所述距离量度dist = 1-match/ (2 ± qj其中，dist代表所述距离量度，并且qi的定义如上，在所有的类上进行求和。
3.根据权利要求1或2所述的方法，其特征在于，所述索引由满足整数n> 1的n元组 形成，其中，在两个任意的索引i与j之间的所述距离d被定义为d = maxk (dk)其中，对于符合1 < k < n的所有k获得最大值，并且dk分别定义为dk = Iik"jk或者被定义为<formula>formula see original document page 2</formula>其中，k指示相应n元组的位置，而ik代表索引i的位置，jk代表索引j的位置，并且 Ik代表描述所述类的索引的第k位置可取的值的数量。
4.根据权利要求3所述的方法，其特征在于，相似性矩阵的矩阵元素ay被定义为 aU3 =l/[l+(Ek dk2)1/2]其中，dk的定义如上，并且在符合1 < k < n的所有k上求和。
5.根据权利要求3或4所述的方法，其特征在于，为计算所述第一修正值match-进入第一程序循环，在该程序循环中，所述距离d以整数步长从0直到选自整数的最 大距离；-在此之后，紧接着，对于符合1 < k < n的所有整数k分别进入一个程序循环，在该程 序循环中，在此例如称为hk的另一变量遍历符合_d < hk < +d的所有整数值；-在此之后，紧接着，对于符合1 < n的所有整数k分别进入另一个程序循环，在该 程序循环中，索引i的位置ik的值从该位置遍历所有Ik，以索引具有可采取的值的类；-于是，另一修正值m的当前值被定义为m = min(qi' , vi+h')其中，q/的定义如上，h代表由变量hk生成的n元组，而vi+h'代表第二变量组的变 量，并且如果n元组i+h具有的值可为所述类的索引的值，则vi+h'在所述算法开始时被定 义为vi+h' = vi+h,并且如果n元组i+h的至少一个位置具有的值不能为所述类的索引的相 应位置的值，则vi+h'被定义为vi+h' = 0或者被定义为vi+h' = vi+M，其中，L代表n元组， 该n元组在n元组i+h的第k个位置具有的值可为所述类的索引的相应位置的值的情况下 通过Lk = 0限定，否则通过Lk = Ik或者Lk = -Ik限定，使得n元组i+h+L的所有位置具有 的值可为所述类的索引的相应位置的值；-在此之后，通过减去另一修正值m的当前值分别再次限定变量q/和vi+h'，并且与 矩阵元素\ i+h相乘的另一修正值m的当前值被加到在所述算法开始时被定义为match = 0的第一修正值match上；-在此之后，再以相反的顺序结束所有的所述程序循环。
6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述度量值首先被标准 化，使得乙1 Vi=Ei qi，其中，的定义如上，并且在所有的类上求和。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，计算出的距离量度与阈值 和/或与其它相应地计算出的、在度量值组之间的距离量度进行比较，并且根据该比较的 结果，所述两个度量值组被指定为彼此相似。
8.根据权利要求1至7中任意一项所述的方法，其特征在于，该方法用于确定两个图像 之间的相似性，所述两个度量值组再现所述两个图像的图像数据。
9.根据权利要求8所述的方法，其特征在于，所述度量值分别被分配给一个图像点，所 述类代表关于亮度值和/或色调和/或色饱和度的区间。
10.根据权利要求8或9所述的方法，其特征在于，该方法用于场景、镜头或子镜头变化 的自动识别，或者用于图案识别。
11.根据权利要求8至9中任意一项所述的方法，其特征在于，图像以成对地进行比较 或者分别与基准图像比较。
12.根据权利要求1至11中任意一项所述的方法，其特征在于，该方法在被相应地编程 的装置上实施。
13.一种用于比较至少两个度量值组的装置，其特征在于，该装置通过编程技术被设计 用于实施根据权利要求1至12中任意一项所述的方法。
全文摘要
本发明涉及一种用于自动比较两个度量值组的方法，其中所述两个度量值组的度量值分别被分配给由索引限定的有限数量的类之一，使得分别针对所述两组中的每一组定义频次分布，该频次分布针对每一类指出被分配到该类的度量值的频次；在此之后，根据在此例如被称为match的第一修正值的最终值计算所述频次分布之间的相似性或非相似性的距离量度；分别对于彼此之间距离为距离d的所有索引i和j，通过使用两个变量组的算法计算所述第一修正值match，其中，给定的最大距离dmax≥1，对于所有的整数距离d符合0≤d≤dmax，另一修正值的实际值被定义为m＝min(qi′，vj′)，其中以d＝0开始并且继续增加距离d；其中，m代表另一修正值，qi′代表两个变量组中的第一组的变量，而vj′代表第二变量组中的变量，这两个变量组中的变量在算法开始时被定义为qi′＝qi，vj′＝vj，其中，qi代表所述两个频次分布中第一频次分布中的频次，而vj代表第二频次分布中的频次；变量qi′和vj′分别通过减去另一修正值m的当前值而被重新定义，并且乘以矩阵元素ai，j的另一修正值m的当前值与初始定义为match＝0的第一修正值match的当前值相加，其中，矩阵元素ai，j形成相似性矩阵。本发明还涉及用于自动比较两个度量值组的相应的装置。
文档编号G06K9/64GK101836203SQ200880113025
公开日2010年9月15日 申请日期2008年10月24日 优先权日2007年10月24日
发明者克里斯坦·皮特森 申请人:弗劳恩霍弗应用技术研究院