【正文】 快速地實現(xiàn)對多媒體信息的檢索。利用圖像內(nèi)容特征建立索引進行檢索，使得檢索更加有效，適應(yīng)性更強。需要用到知識庫和更加有效的人工智能和神經(jīng)網(wǎng)絡(luò)技術(shù)。 基于內(nèi)容的圖像檢索的發(fā)展歷史 圖像檢索技術(shù)的發(fā)展 [2]可以分為兩個階段，第一階段始于 70 年代，當時的圖像檢索是通過人工的標注來實現(xiàn)的， 隨著計算機技術(shù)和通信網(wǎng)技術(shù)的發(fā)展，特別是因特網(wǎng)的快速發(fā)展，圖像數(shù)據(jù)的容量越來越大了，這種 “以關(guān)鍵字找圖 ”的方法越來越不適應(yīng)檢索技術(shù)的發(fā)展了。 也是 將是現(xiàn)在到未來很長一段時間 最常見的圖像檢索手段，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(nèi)的圖像即為被檢索出來的圖像。文章最后則對當前基于內(nèi)容圖像檢索技術(shù)研究熱點和今后的發(fā)展方向進行簡單的闡述。 電子信息工程專業(yè) 畢業(yè) 設(shè)計 （報告） 題目 基于顏色特征的圖像檢索技術(shù)研究 二級學(xué)院 電子信息與自動化學(xué)院 專 業(yè) 電子信息工程 班 級 學(xué)生姓名 學(xué)號 指導(dǎo)教師 時 間 目錄 摘要 ..............................................................1 關(guān)鍵字 ............................................................1 1 緒論 ...........................................................1 基于內(nèi)容的圖像檢索的概念 .......................................1 基于內(nèi)容的圖像檢索的發(fā)展歷史 ..................................1 基于內(nèi)容的圖像檢索的特點和主要應(yīng)用 ............................1 基于內(nèi)容的圖像檢索的關(guān)鍵技術(shù) ..................................2 國內(nèi)外研究現(xiàn)狀 ................................................3 國外研究現(xiàn)狀 ................................................3 國內(nèi)研究現(xiàn)狀 ................................................4 2 基于顏色特征的圖像檢索方法 .....................................4 顏色度量體系 .................................................4 顏色空間 ......................................................5 RGB 顏色空間 ................................................5 HSV 顏色空間 ................................................5 CMY 顏色空間 ................................................6 3 顏色特征的表達 .................................................7 顏色直方圖 ....................................................7 累加直方圖 .....................................................8 4 圖像特征的相似性匹配 .............................................9 距離度量方法 ...................................................9 直方圖的交集的方法 ............................................9 歐式距離法 ....................................................9 5 圖像檢索算法實現(xiàn) ................................................10 程序開發(fā)運行環(huán)境 ..............................................10 程序檢索邏輯 ...................................................10 算法具體實現(xiàn) ..................................................11 實例演示 ......................................................14 6 全文總 結(jié)與展望 ..................................................15 全文總結(jié) ......................................................15 展望 ..........................................................15 致謝 ..............................................................15 參考文獻 ..........................................................16 英文摘要 ...........................................................16 基于顏色特征的圖像檢索算法的實現(xiàn) 摘要 ： 文章介紹了一種基于顏色特征的圖像檢索技術(shù)的算法并給出了程序?qū)崿F(xiàn)。 近年來， 隨著科學(xué)技術(shù)的不斷發(fā)展，計算機和互聯(lián)網(wǎng)方面的取得了歷史性的發(fā)展，多媒體信息爆炸性增長與 多媒體技術(shù)的普及使得大量圖像信息出現(xiàn)，過去的文本關(guān)鍵詞檢索方法已經(jīng)無法滿足如今人們對于圖像信息檢索的需求，基于內(nèi)容的圖像檢索技術(shù)成為了當前研究的熱點。 關(guān)鍵詞 ： 圖像檢索、顏色直方圖、特征匹配、顏色空間 1 緒論 基于內(nèi)容的圖像 檢索的概念 [1]基于內(nèi)容的圖像檢索（ Content Based Image Retrieval, CBIR）是一項 從圖像數(shù)據(jù)庫中找出與檢索式內(nèi)容相似的圖像的檢索技術(shù)。由于圖像內(nèi)容的豐富內(nèi)涵以及人們對圖像內(nèi)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。這三個層次由低到 高，與人的認知接近，下一個層次通常包含了比上一個層次更高級的語義，更高層的語義往往通過較低層的語義推理獲得。 二是基于內(nèi) 容的圖像檢索是一種近似匹配，即按照某種相似性度量，比較圖像特征間的差異度。 四是以相關(guān)反饋為有效手段。典型應(yīng)用領(lǐng)域 [4]包括： (1)搜索引擎：隨著各種電子 商務(wù)網(wǎng)站的發(fā)展，圖像搜索引擎將成為這些網(wǎng)站的重要工具。 (4)商標檢索系統(tǒng)：可在收錄了己注冊商標的數(shù)據(jù)庫中查找是否有與注冊商標類似的，防止商標權(quán)受侵害。 (6)郵票資料庫：主要用于郵票資料的管理與查詢，也可以提供郵票鑒定等更高級的應(yīng)用服務(wù)。 (8)工業(yè)與商業(yè)：工業(yè)應(yīng)用包括企業(yè)多媒體信息系統(tǒng)、 CAD/CAM 等商業(yè)應(yīng)用有電子商務(wù)、在線廣告、在線購物、股票等。本文主要研究對靜止圖像檢索，其中數(shù)據(jù)庫是專用的圖像庫。局部顏色信息是指局部相似的顏色區(qū)域，它考慮了顏色的分類與一些初級的幾何特征。 （ 3）指明圖像中一個子圖 分割圖像為各個小塊，然后利用選擇小塊來確定圖像中感興趣的對象的輪廓，通過建立更復(fù)雜的顏色關(guān)系（如顏色對方法）來查詢圖像，該方法是進一步優(yōu)化檢索的一個設(shè)想。 HSV 顏色模型有兩個重要的特點作為基礎(chǔ)。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。 它的系統(tǒng)框架和結(jié)構(gòu)對后來圖像檢索系統(tǒng)具有深遠的影響。VirageVirageEngine 主要有 3 方面的功能 :圖像分析、圖像比較和圖像管理，技術(shù)的核心是 VirageEngine 以及在圖像對象層上的操作。 國內(nèi)研究現(xiàn)狀 相對國外而言，國內(nèi)在這方面的研究起步相對較晚： 95 年開始進行多媒體圖像檢索的研究，完成了基于顏色和基于形狀的圖像原型系統(tǒng)，總體設(shè)計思想是允許用戶找到包含特定顏色、紋理和形狀的圖像。 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。顏色空間通常用三維模型表示，空間中的顏色能夠看到或者使用顏色模型產(chǎn)生。在 RGB模型中，所有顏色都可看作是 3 個基本顏色，即紅（ R,red），綠（ G,green）和藍（ B,blue）的不同組合。 如圖 2 所示，采用三維直角坐標系，紅、綠、藍為原色，各個原色混合在一起產(chǎn)生復(fù)合色。將所有顏色加在一起產(chǎn)生白色，也就是說，所有光被反射回眼睛。正方體的其它六個角點分別為紅、黃、綠、青、藍和品紅，需要注意的一點是， RGB顏色模型所覆蓋的顏色域取決于顯示設(shè)備熒光點的顏色特征，是與硬件相關(guān)的。但在對彩色圖像進行特征提取時，需要用數(shù)量來描述顏色的差別，因此需要用另一種符合人的視覺心理的視覺彩色模型來表示顏色。亮度 V 是顏色的明暗程度，通常用百分比度量， O%為最暗的黑色，而 100%為最亮的白色。色調(diào) H 和飽和度 S 分量合起來定義了顏色的 色度 (Chromatieity)特性。因為 HSV 顏色空間根據(jù)色調(diào) H 的值來區(qū)分 不同的顏色，因此在 HSV 的三個分量中， H 分量是尤為重要的，它可以很好地模擬人類對顏色的識別和記憶過程。前者是定義在白色中減去某種顏色來定義的一種顏色，而后者通過從黑色中加入顏色來定義一種顏色。將這些油墨混合產(chǎn)生顏色稱為四色印刷。由于在進行基于內(nèi)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(fā)出的，因此在進行圖像之間顏色差異的比較時， CBIR 系統(tǒng)一般采用具有視覺一致性的顏色空間。 3 顏色特征的表達 顏色直方