8、图像块与纹理基元的局部位移估计

图像块与纹理基元的局部位移估计

1. 引言

本节将介绍两种新颖且相关的图像和纹理相异度度量方法。

• 局部图像块相异度（LPD） ：由Dinu等人在2012年提出，受字符串的秩距离启发。秩距离在生物学、计算语言学和计算机科学等领域有良好应用。LPD考虑图像块而非像素，能捕捉边缘、角点等特征，且包含上下文信息，具有更好的泛化能力。
• 局部纹理基元相异度（LTD） ：由Ionescu等人在2014年引入，受LPD启发，用于纹理图像。它使用纹理基元，是从图像块中提取的特征集，能更轻量级地表示图像块，计算速度更快，在实际问题中有更广泛应用。

2. 局部图像块相异度

2.1 秩距离扩展到图像

秩距离是Dinu和Manea在2006年提出的字符串相似度度量，在多个领域有应用。计算两个字符串的秩距离时，需扫描字符串，若有重复字符，要进行索引标注以消除重复，然后计算每个标注字符在两个字符串中位置的偏移量并求和。

例如，对于字符串s1 = CCGAATTACG和s2 = AGACTCTGAC，标注后的字符串分别为¯s1 = C1C2G1A1A2T1T2A3C3G2和¯s2 = A1G1A2C1T1C2T2G2A3C3，它们的秩距离为：
[
\begin{align }
\delta(s1, s2) &= |1 - 4| + |2 - 6| + |3 - 2| + |4 - 1| + |5 - 3| + |6 - 5| + |7 - 7|\
&+