技術(shù)特征：

1.一種多幅影像間的快速相似度計算方法，其特征在于，包括以下步驟：

輸入：影像集合p＝{image_i}，i＝1，2...n,f＝{feature_i}，i＝1，2...m；

輸出：影像兩兩相似度矩陣Sim[p_i，p_j]；

步驟1 computeTrack()：計算每一個影像的SIFT特征點的idf；

步驟2 構(gòu)造K個hash函數(shù)；

步驟3 對所有影像進行K次哈希求值；

步驟4 foreach image_i and image_j；

步驟5 Sim[p_i，p_j]＝image_i和image_j之間的相似度sim(p_i，p_j)；

步驟6 endfor。

2.根據(jù)權(quán)利要求1所述的多幅影像間的快速相似度計算方法，其特征在于，步驟1中computeTrack()計算每一個影像的SIFT特征點的idf倒排索引，輸出的就是各個特征點在各個影像上的分布情況的稀疏矩陣。

3.根據(jù)權(quán)利要求1所述的多幅影像間的快速相似度計算方法，其特征在于，步驟2中構(gòu)造K個hash函數(shù)，此處定義K＝50，哈希函數(shù)是單向映射函數(shù)，選擇標準較為寬泛，只要能夠從[0..R-1]映射到[0..R-1]即能采用，主要的目標就是均勻的覆蓋所有值域區(qū)間；利用哈希函數(shù)生成器，指定映射的范圍，能方便生成指定數(shù)目的哈希函數(shù)。

4.根據(jù)權(quán)利要求1所述的多幅影像間的快速相似度計算方法，其特征在于，步驟3中哈希求值：使用這K個hash函數(shù)，對每個影像中的每個特征點進行哈希求值，記為h(feature_i)，i＝1，2...m；每個影像image_i都得到K個hmin_k(image_i)，hmin_k(image_i)是影像image_i中的特征點元素經(jīng)過hash函數(shù)變換后，具有最小哈希值的特征點元素feature_i。

5.根據(jù)權(quán)利要求1所述的多幅影像間的快速相似度計算方法，其特征在于，步驟4中影像image_i和影像image_j之間的相似度計算，采用如下公式：

sim(p_i，p_j)＝

|hmin_k(image_i)∩hmin_k(image_j)/hmin_k(image_i)∪hmin_k(image_i)

即在K個最小哈希值中求出交集和并集之比，即為兩個影像的相似度。