類似的圖像搜索解決方案

Question

我的圖像存儲服務器有一個非常大的問題。

它上面有大約2,000,000個產品圖片，並且不斷增加，但其中很多都非常相似。例如：一張120 * 120,118 * 120,131 * 125等多種相似尺寸的iPad照片，他們在我的網站（庫中的相似圖片）上佔用了大量不必要的磁盤空間和不良用戶體驗。

這些圖片已收錄在數據庫中，我可以通過產品找到他們提供一些條件，比如，類別等。我需要找到一種方法，以紀念在數據庫中的這些類似的圖像，並刪除它們。

我所做的： 找到一個名爲pHash的庫可以計算兩個圖像的相似度，我可以用它來逐個計算圖像。但以這種方式，需要很長時間才能找到這些圖像。現在我不知道如何讓這個過程更快。

任何想法？

Answer 1

• 使用pHash計算所有圖像（的每個組合的雙重交叉不）的感知哈希，
• 然後那種哈希（同時保持參考圖像），
• 然後定義您定義爲「圖片等效」的感知哈希的臨界值，然後用參考您要保留的一張圖片替換對等圖片的引用。

Answer 2

你是對的，一個天真的算法將是O(n^2)，因爲你在所有的n大小的數據集進行配對比較。

有一種稱爲blocking的技術，其實現爲canopy clustering，它可以通過將比較窗口大小劃分爲一組可能相似的'塊'來解決成對比較。

您可以通過提取和特徵向量排序（這我不知道如何在圖像做）羣集您的圖像。

然後，定義比較窗，W，使得瓦特<ñ。

然後應用一種稱爲sorted neighborhood method的技術，該技術將固定大小的w窗口依次移動到排序的記錄上。然後，窗口內的每個圖像與其「鄰居」配對，幷包含在候選記錄對列表中。

這基本上減少了比較複雜O(w * n)，得到線性算法具有恆定w。

執行比較後，您應該對匹配對進行傳遞閉包。

你造成對現在怎樣纔算similar圖像。

注意，這個算法是embarrassingly parallel。