Matlab Pyramid_Match_Kernel（直方图交叉核）算法实现

function similarity_result = pyramid_match_kernel(descriptor,tem)
% 此函数通过描述符计算图像之间的相似性
% 用EMD算法的最小功表示相似性，功越小，图片越相似

       % 计算出存储相似性结果的矩阵形式：1*n 的 matrix
       % n是图片或者说特征的个数
       similarity_result = tem * descriptor;

       % 我们每一张图片的256*1的特征矩阵
       % 所以向量空间X的直径为D
       D = size(descriptor,1);
       
       % d = 特征向量的维度
       d = size(tem,1);
       
       % L = 共有几个不同分辨率的直方图进行交叉核
       L = fix(log2(D));
       
       % R：L个直方图的分辨率都不一样，每一个的r_L都存在R中。
       for i = 1:L+1
           % 每一个Hi（x）直方图的bin的高度（从0开始）
           ri_number = (D/(2^(i-1) * sqrt(d)))^d ;
           % 存储所有直方图的bin高度
           R_number(1,i) = ri_number;
           % 边长（从0开始）
           side = 2^(i-1);
           % 存储
           R_number(2,i) = side;
       end
       
       
       for i = 1:size(descriptor,2)
       % 对每一张图片的特征进行抽取
           
            % deccriptor    
            one_img = descriptor(:,i);
       
            % 进行交叉核之前，所需要的变量
            for k = 1:L+1
                % 提取每一个直方图中bin的分辨率
                L_side = R_number(2,k);
                % Hi（x）中的bin的高度
                L_n_historgram = R_number(1,k); 
                
                % 分成多少份
                each_batch = D / L_n_historgram;
                
                if each_batch ==1
                    
                    % 无需计算
                    tmp_img = one_img;
                    
                else
                    for p = 1:L_n_historgram
                        
                        % 算每一份的值
                        each_val = sum(one_img(((each_batch-1) * p):(each_batch * p),1));
                        
                        % 赋值
                        tmp_img(p,1) = each_val;
                        
                    end
                end
                % 算出第Hi（x）个直方图的特征，数据库中的图片
                img_feature = (tmp_img / L_side)';
                % 查询的图片特征
                tem_feature = tem / L_side;
                
                % 进行直方图交叉核操作，取最小值
                logic_feature1 = double(logical(img_feature <= tem_feature));
                logic_feature2 = double(logical(tem_feature < img_feature));       
                
                % 算出直方图交叉之后的Hi（X）的特征
                sum_feature_L = (logic_feature1 .* img_feature) + (logic_feature2 .* tem_feature);
                
                tmp_Ni(1,k) = sum(sum_feature_L ~= 0);
                
                
                % Ni是代表每两层之间新匹配的数目
                if k == 1
                    Ni = tmp_Ni(1,k);
                else
                    res = tmp_Ni(1,k);
                    Ni  = res - tmp_Ni(1,k-1);
                end
                
                Ni_L(1,k) = Ni;
                
            end
            
            tm_simi = 0;
            % 进行权重加和
            for m = 1:L+1
                
                weight = 1/(2^(m-1));
                tm = Ni_L(1,m) * weight;
                tm_simi = tm+ tm_simi;
                
            end
            
            % 存储每一张图片的相似度
            similarity_result(i) = tm_simi;
                
       end
       
       % 归一化
       similarity_result = similarity_result / max(similarity_result);

end

Pyramid_Match_Kernel算法是用于人脸识别中的一种比较好的算法，也是一种衡量两幅图片之间相似性的算法，但是我认为最好图片特征信息是用historgram表示的image_feature再用这种方法评测。

代码如上图所示。