基于改进颜色直方图图像检索算法.docVIP

基于改进的颜色直方图的图像检索算法 作者： ???? 来源：/tember/archive/2006/06/05/773456.asp???? 发表时间：2006-06-05???? 浏览次数： 1819 ???? 字号：大??中??小 所谓基于内容图像的检索是指由图像分析软件对输入的图像先进行图像分析，根据图像中物体或区域的颜色(color)、形状(shape)或纹理(texture)等特征以及这些特征的组合，自动抽取特征，在将输入图像存入图像库的同时将其相应的特征向量也存入与图像库相连的特征库。在进行检索图像时，对每一幅给定的查询图，进行图像分析，并提取图像特征向量。将该图像的特征向量和特征库中的特征向量进行匹配，根据匹配的结果到图像库中有哪些信誉好的足球投注网站就可以提取出所需要的检索图。这是一种基于图像固有属性的机械匹配，特别适用于检索目标明确的查询要求(例如对商标的检索)，产生的结果也比较准确。目前这种较成熟的检索技术主要应用于图像数据库的检索。在基于Web的图像有哪些信誉好的足球投注网站引擎中应用这种检索技术虽还具有一定的困难，但已有部分图像有哪些信誉好的足球投注网站引擎进行了尝试，如、yahoo, WebSEEK就提供了基于图像的形状或颜色直方图的粗陋的可视检索功能。 ?? 基于内容的图像检索是一个逐步求精的过程，大致可以经过以下几个步骤: (1).特征提取 对图像数据进行自动或半自动的特征提取，提取用户感兴趣的、适合检索要求的特征。特征提取可以是全局性的，如整幅图像，也可能是针对某个目标，如图像中的子区域等。 (2).图像匹配 在选取了特征之后，需要选择或寻找适当的判别准则，从而判断出待识别的图像的特征与数据库中的哪些图像的特征最接近。常用的度量准则是距离度量法。 (3).结果输出，将满足一定相似性条件的一组候选结果按相似度大小排列后返回给用户。 (4).特征调整，对系统返回的结果可通过浏览来挑选，直至找到满意的结果，或从候选结果中选择一个示例，经过特征调整，形成一个新的查询。 图像特征的提取的方法 图像特征提取的好坏，将直接影响着图像检索系统的性能，特征提取是基于内容的图像检索的基础。特征的提取可以分为手工提取、半自动提取和自动提取。这在很大程度上依赖于图像处理技术的发展。 从图像中提取出来的图像特征，主要分为三个层次:低层次、中层次和高层次。低层次的图像特征是形状、纹理、颜色、轮廓等图像某一方面的特征。高层次的图像特征是在图像中层次特征基础上的再一次抽象，它赋予图像一定的语义信息，是图像所包含内容的一种抽象概括，也是基于内容的图像检索所要达到的最终目标。本文主要是针对颜色特征的提取进行研究。 基于颜色特征的图像检索 在图像的形状、颜色、纹理等特征中，颜色特征是最显著、最可靠、最稳定的视觉特征，是人识别图像的主要感知特征。相对于几何特征而言，颜色对图像中子对象的大小和方向的变化都不敏感，具有相当强的鲁棒性。同时，在许多情况下，颜色又是描述一幅图像最简便而有效的特征。人们对于一幅图像的印象，往往从图像中颜色的空间分布开始。所有这些都促使颜色成为基于内容的图像检索所采取的主要手段之一。 对于基于颜色特征的图像检索，科学工作者们提出了多种方案。譬如颜色直方图、主色调、颜色矩(Color Moments)，颜色集(Color sets)、聚类、扫描线投影等检索算法，颜色直方图是目前较常使用的检索方法。 特征提取与图像子块的划分 特征提取是图像分析和识别的基础。特征提取的方法是决定图像检索系统效率的关键。一般情况下,图像的目标形状可以通过图像分割获得。但是,图像分割是图像分析中公开的难题,尤其对于场景复杂的图像,通过分割直接提取有意义的形状特征几乎是不可能的。为了避免图像分割的困难,文中采用几何划分的方法对图像进行局部特征提取,并用特征组合描述整幅图像。本文将图像划分成大小相等的栅格状区域,提取每块的颜色直方图作为特征矢量。用具有视觉一致性的HSV 颜色空间模型分析图像颜色信息。为了减少计算复杂性,将HSV 空间的每一维分量都均匀量化为10 份。因为光照强度不影响图像的内容表示,所以V分量可以忽略不计。这样计算颜色直方图时,通过划分后,每一个块的特征包含了颜色的局部分布信息,而所有块的空间分布,又反映了图像内容的颜色模式结构。因此,对于一幅场景复杂的图像,可以从结构分布的角度,用特征组合的方式描述。 在基于划分的特征表示方法中,划分尺度的选择直接影响图像内容描述的有效性[6] 。全局颜色直方图虽然具有计算简单,对平移和旋转不敏感的优点,但无法捕捉颜色组成之间的空间关系,丢失了图像的空间信息。这无疑是不够准确的。两幅颜色直方图非常相似的图像其内容可能丝毫无相似之处。因此,在基于颜色的图像检索中引入空域的信息对于确保检索精度是十分重要的。事实