图像信息检索技术(张婷玉).pptVIP

一、基于颜色特征的检索 颜色模型 GRB、HSI、YUV…… 研究方法： 1.矢量距离法 2.直方图交叉法 3.直接差值法 3.直接差值法 把直方图在各个灰度级上的值对应相减,并做归一化处理,用差值代表图像之间的差别。如果两幅图像内容一样,则相似度为1。相似度值越小,表示图像间差别越大。另外,根据图像的不同特点,可以采用不同的方法对图像进行预处理,然后用直方图进行匹配,以满足不同的检索要求。 纹理分析方法,大致可分为两类： 1.统计方法：用于分析像木纹、沙地、草坪等细致而不规则的物体,并根据关于象素间灰度的统计性质对纹理规定出特征及特征与参数间的关系， Query By Example。 2.结构方法 ：先采用QBE(Query By Example)方式 进行检索，缩小查找纹理的范围。检索时首先将一些大致的图像纹理以小图像的形式全部显示给用户,一旦用户选中了其中某个与查询要求最接近的纹理形式,系统则以查询表的形式让用户适当调整纹理特征，并逐步返回越来越精确的结果 。 * 主讲人：张婷玉 组员： 贾建敏 夏倩 夏菁菁当前存在图片检索问题 用户比较难于表达自己的检索需求（相对于关键词检索） 能否把文本检索技术和图像检索技术结合起来进行检索？ 对很多主题，利用Google image检索出的图像数量远远高于对应的网页数量，如何排序？ 理想的状态 输入关键词 输入图像（草图） 有哪些信誉好的足球投注网站引擎找到那些网页，它们即含有关键词同时包含和输入图像非常接近的图像。 主讲内容 基于内容的图像检索技术： 1、基于颜色的图像检索 2、基于纹理特征的检索 3、基于形状特征的检索 HSI Color Space  1.矢量距离法 以图像的直方图在各个灰度级上的值构成特征矢量,按照欧氏距离公式计算特征矢量之间的距离,以这个距离值代表图像之间的差别程度。试验证明,如果选择合适的彩色空间,那么,欧氏距离与人感觉的颜色差别是一致的。 2.直方图交叉法 取两幅图像的直方图在各个灰度级上的较小值,累加后即表示图像之间的相似程度。这种相似度实际上表示两幅图像的公共部分。 基于颜色特征的图象检索 颜色直方图的相似性 HSV模型简介： 是一种适合人眼分辨的模型,在基于内容检索中用这种模型更适合用户的肉眼判断。这种颜色模型把彩色信号表示为三种属性:色调(Hue)、饱和度(Saturation)和亮度(Value)。 具体方法： 一般一幅图像的颜色非常多,尤其是真彩色图像,因此,直方图矢量的维数也会非常多。所以,将H、S、V三个分量按照人的感知进行非等间隔量化,然后通过数学公式把HSV三维空间中的特征矢量转换为一维空间中的特征矢量。用转换后的直方图计算的差值对应于感知上的差别,这样可以比较明显地区分颜色上不相似的图像。 二、基于纹理特征的检索 纹理的概念： 纹理是图像中一个重要而又难以描述的特性。很多图像在局部区域内可能呈现出不规则性,而在整体上却表现出某种规律性。习惯上把图像中这种局部不规则而整体有规律的特性称之为纹理。从人类的感知经验出发,纹理特征主要有粗糙性、方向性和对比度,这也是用于检索的主要特征。 结构化方法的具体实现过程： (1)谐波测试，目的是提供纹理图像结构化程度与非结构化纹理判决依据（置信度）。 (2)基于置信度进行纹理分类。 实际计算（简化过程） 分类结果 规则纹理 不规则纹理 规则纹理 规则纹理 不规则纹理 规则纹理 三、基于形状特征的检索 形状检索：从图像中提取的目标边缘称为轮廓。基于形状或轮廓的检索是基于内容检索的一个重要方面,它能使用户通过勾勒图像的形状或轮廓,从图像库中检索出形状相似的图像。常用的形状描述子：1.基于统计特征：粗糙度，均值，方差等； 2.基于全局性几何特征：面积、周长、长轴、短轴、主轴方向、凹凸面积、紧密度、实心度、偏心率等。 3.变换域特征：矩，Fourier描绘子、小波描绘子、形态描绘子等； 基于形状特征的检索方法有两种: 一、分割图像经过边缘提取后,得到目标的轮廓线,针对这种轮廓线进行的形状特征检索。 二、直接针对图形寻找适当的矢量特征用于检索算法。 ,同时采用三个特征作为形状特征,即长/短轴比、周长2/面积比、最近与最远点的连线间的夹角。这三个特征对形状的大小变化与旋转都不变。其中长短轴分别定义为形状质心到形状边缘最远点或最近点的。