基于顏色特征的圖像檢索技術研究畢業設計(留存版)

　　

【正文】 段，其最基本的思想是顏色空間直方圖的 特征 匹配，對檢索圖像提取其顏色直方圖，計算與存儲在圖像庫中的圖像的顏色直方圖的距離，距離在一定范圍內的圖像即為被檢索出來的圖像。在實際的多媒體數據庫中，數據量巨大，而且種類和數量巨大，因此要求 CBIR 技術快速地實現對多媒體信息的檢索。我國多媒體教學研究工作也已經開展，網上教學與輔導已進入實用階段，這些都為圖像數據庫應用 于教育培訓領域提供了廣闊的前景。 HSV 空間比較直觀并且符合人的視覺特性。它采用基于小波變換的方法來表示圖像的紋理特征。這樣，我們就能表示出 256256256（約 1600 萬）種顏色。 HSV 模型的色調 H 表示從一個物體反射過來的或透過物體的光的波長，更一般地說，色調是由顏色名稱來辨別的，如紅、橙、黃、綠等，它用角度 180～ 180或 O～ 360 來度量。因為所有打印油墨都會包含一些雜志，這三種油墨實際上產生一種土灰色，必須與黑色油墨混合才能產生真正的黑色。 (2)顏色直方圖的特性 旋轉不變性和縮放 不變性：顏色直方圖是表示圖像中顏色分布的一種方法，它的橫軸表示顏色等級，縱軸表示在某一個顏色等級上具有該顏色的像素在整幅圖像中所占的比例，直方圖顏色空間中的每一個刻度表示了顏色空間中的一種顏色，因此，顏色直方圖具有與身俱來的旋轉不變性和縮放不變性，如圖 5 所示。 設 D 為距離函數， x、 y、 z 為三個特征向量，則所有的距離函數都滿足的條件表示為： (1)D ( x， y ) = D ( y， x ) = 0(自相似性 ) (2)D ( x， y )?D ( x， x )?0(最小性 ) (3)D ( x， y ) = D ( y， x)(對稱性 ) (4)D ( x， y ) + D ( y， z )?D ( x， z )(三 角不等性 ) 圖像的相似度度量，既是圖像檢索技術中的一個關鍵問題，也是其中的一個難點。 (3)結果輸出 將滿足一定相似性條件的一組候選結果按相似度大小排列后返回給用戶。 %將 hsv空間非等間隔 量化： % h量化成 8 級； % s 量化成 3 級； % v量化成 3 級； for i = 1:M for j = 1:N if h(i,j)=20||h(i,j)315 H(i,j) = 0。 end if h(i,j)=295amp。amp。 A=dir(39。目前主要存在的問題 : （ 1）人對顏色特征的視覺感知方面考慮的仍然不夠，雖然目前大多數基于顏色特征的圖像檢索采用了和人對顏色感知相一致的 HSB 顏色空間，但關于兩種顏色之間的相似度的定義和視覺上人對相似顏色的判定仍有一定的差距。 最后，我要衷心感謝我的父母，是你們一直默默地給與我理解與支持，給與我勇敢面對困難的勇氣和力量，讓我能夠順利地完成學業。 %將 hsv空間非等間隔量化： % h量化成 8 級； % s 量化成 3 級； % v量化成 3 級； for i = 1:M ifh(i,j)=20||h(i,j)amp。h(i,j)20 H(i,j) = 1。 end if h(i,j)=315amp。amp。 [M,N,O] = size(Image)。 end if h(i,j)=190amp。amp。 end end %計算 L的直方圖 for i = 0:71 Hist(i+1) = size(find(L==i),1)。,A(IX(n)).name))。amp。 end end end for i = 1:M for j = 1:N if s(i,j)=amp。h(i,j)40 H(i,j) = 2。 for k=1:size(A) B=strcat(39。 end end end for i = 1:M for j = 1:N if v(i,j)=amp。h(i,j)190 H(i,j) = 5。amp。 H = h。在此，向 XX 老師表示最衷心的感謝和最誠摯的敬意。但是直方圖不能反映空間位置的變化，兩幅景色相似但是空間位置完全不同的圖像，得出的直方圖是一模一樣的。 （ 3）計算圖像庫中每一幅圖像與查詢例子圖像的歐式距離，代碼實現如下： diff = (T0T).^2。 end if s(i,j)=1amp。h(i,j)155 H(i,j) = 4。 H = h。 取 aij?(1?dij/dmax),其中， dmax?maxij(dij)。基于文本的檢索方法中 使用的是文本的精確匹配，而基于內容的圖像檢索則通過計算查詢和候選圖像之 間的視覺特征的相似度來完成。基于 RGB顏色空間表示時，彩色圖像的直方圖可以用 R、 G、 B三個單 色的直方圖或聯合分布直方圖來表示。差別僅在于前者的原點為白，而后者的原點為黑。 雖然 RGB彩色模型被廣泛應用于 CRT設備顯示彩色圖像，但它并不是一個均勻視覺的顏色空間，不符合人對顏色的感知心 理，而且， RGB顏色空間上的距離并不代表人眼視覺上的顏色知覺差異。 顏色空間 [8] RGB 顏色空間 面向硬設備的最常用顏色模型是 RGB 模型。 (3)Virage 公司的 Virage 系統 該系統是基于內容的圖像搜索引擎，比 QBIC 更進一步， 支持基于顏色、顏色布局、紋理和結構 (對象邊界信息 )及這四個原子查詢的任意組合。 （ 2）指 明一幅示例圖像 通過與用戶確定的圖像的顏色直方圖的相似性匹配得到查詢結果，這是該課題研究方法的根本。我國在 “人臉 ”及 “指紋 ”數據庫建立方面已做了不少工作，并有一批實用性的成果投入應用。利用圖像內容特征建立索引進行檢索，使得檢索更加有效，適應性更強。文章最后則對當前基于內容圖像檢索技術研究熱點和今后的發展方向進行簡單的闡述。由于圖像內容的豐富內涵以及人們對圖像內容進行抽象時的主觀性不同的人對同一幅圖像有不同的理解，這就引入了主觀多義，不利于檢索。典型應用領域 [4]包括： (1)搜索引擎：隨著各種電子 商務網站的發展，圖像搜索引擎將成為這些網站的重要工具。本文主要研究對靜止圖像檢索，其中數據庫是專用的圖像庫。一般意義上直方圖匹配方法有直方圖相交法，直方圖匹配法，歐氏距離法，中心矩法，累積直方圖匹配法共 6 種。 2 基于顏色特征的圖像檢索方法 顏色度量體系 顏色度量體系 [7]（ color system），也叫做顏色制或者叫做顏色體制，實際上就是人們組織和表示顏色的方法。將所有顏色加在一起產生白色，也就是說，所有光被反射回眼睛。色調 H 和飽和度 S 分量合起來定義了顏色的 色度 (Chromatieity)特性。由于在進行基于內容的圖像檢索時，查詢要求往往是按照用戶的主觀視覺感受而發出的，因此在進行圖像之間顏色差異的比較時， CBIR 系統一般采用具有視覺一致性的顏色空間。 直方圖是總體灰度概念，從直方圖中可以看出圖像整體的性質：如圖像的明暗程度、圖像的亮度等。 D(Ha,Hb)?(0,1)，它的值越接近 1，則兩圖像越相似。 在理論上 , 抽取圖像的顏色特征時使用真彩色將產生最小的誤差。amp。h(i,j)295 H(i,j) = 7。 end if v(i,j)=1amp。D:\graduatedesign\test_pictures\39。 CBIR系統在技術上可分為圖像處理技術和數據庫技術兩大方面。clc。； end； ifh(i,j)=75amp。amp。s(i,j)0 S(i,j) = 0。 end end end %將 三個顏色分量合成為一維特征向量： L = H*Qs*Qv+S*Qv+V； Qs,Qv分別是 S 和 V 的量化級數 , L取值范圍 [0,71] %取 Qs = 3。 h = h*360。h(i,j)190 H(i,j) = 5。 end end end for i = 1:M for j = 1:N if v(i,j)=amp。 end %按顏色的相似性大小顯示查詢結果圖片 [B,IX]=sort(w,2)。D:\graduate design\test_pictures\*.jpg39。v(i,j)0 V(i,j) = 0。amp。 end if h(i,j)=40amp。 end end %計算 L的直方圖 for i = 0:71 Hist(i+1) = size(find(L==i),1)。amp。 end if h(i,j)=190amp。；H(i,j)=2。*.*39。然而目前，通過建立合理的用戶查詢界面，利用相關性反饋，是實現趨向基于語義查詢的切實可行的有效方法 。 imshow(I)。v(i,j) V(i,j) = 2。amp。 end if h(i,j)=155amp。實驗表明 , 增加顏色直方圖的維數可以有效提高檢索的精度 , 但當維數增加到一定程度時 , 檢索的精度提高很小而且可能下降 . 因此在保持一定精度的前提下 , 通過減少顏色的維數來達到節省特征存儲空間的目的。因而，對于這樣的圖像進行過細的比較是不必要的。 圖 5 顏色直方圖的旋轉不變性和縮放不變性 累加直方圖 [10] 當圖像中的特征并不能取遍所有可取值時，統計直方圖中會出現一些零值。 HSV 空間具有這樣的特性 [9]。 圖 3 HSV 顏色模型 Munsen顏色空間具有以下己經被人的眼睛所證實的特點 : (1)坐標之間的心理感知獨立性 (PereeptualIndependenee)，即人可以獨立感知各顏色分量的變化。 RGB顏色模 型通常采用單位立方體來表示，在正方體的主對角線上，各原色的強度相等，產生由暗到明的白色，也就是不同的灰度值。顏色模型是用簡單的數值方法描述所有顏色的一套規則和定義，可使人們方便地描述任何一種顏色，顏色模型通常用顏色空間描述，如RGB、 CMY 和 CMYK，從這個意義上說，顏色模型和顏色空間互為同義詞。 所以，顏色特征的 圖像檢索關鍵技術路徑如圖 1: 圖 1 顏色特征的圖像檢索關鍵技術路徑 國內外研究現狀 [6] 國外研究現狀 基于內容的圖像檢索技術是當前研究的熱點，許多著名雜志如 IEEE PAMI 、 IEEE Image processing 等紛紛設專刊介紹該領域研究的最新成果，著名的國際會議如： IEEE conference of CVPR 、 ACM conference on multimedia 等紛紛設立專題交流最新的研究成果。顏色內容包含兩個一般的概念，一個對應于全局顏色分布，一個對應于局部顏 色信息。 (3)數字圖書館：數字圖書館實際上是一個數字信息資源庫，其中有字符數值庫、文本庫、聲音庫、圖像庫等。從研究方向的層面來看，基于內容的圖像檢索可分為三層：第一層是根據圖像的底層特性來進行檢索，如顏色、紋理，形狀等等，涉及圖像信息處理、圖像分析和相似性匹配技術；第二層是基于圖像對象語義，如圖像