【正文】 :1. 人對(duì)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(shù)基于顏色特征的圖像檢索采用了和人對(duì)顏色感知相一致的HSB顏色空間，但關(guān)于兩種顏色之間的相似度的定義和視覺上人對(duì)相似顏色的判定仍有一定的差距。 本文對(duì)基于內(nèi)容的圖像檢索技術(shù)作了較全面的研究和介紹，重點(diǎn)研究了基于顏色特征的圖像檢索方法，并對(duì)其中涉及到的顏色模型，顏色直方圖，顏色量化，相似性度量等進(jìn)行了較深入研究。系統(tǒng)提取該示例的圖像特征，將該示例圖像的特征與數(shù)據(jù)庫中的所有圖像的特征按照二次式距離匹配算法進(jìn)行相似性匹配，并按相似性大小排列顯示出前10幅與查詢樣本相似的圖像到圖像數(shù)據(jù)庫中。v 系統(tǒng)鏹支持單個(gè)圖像入庫。本文系統(tǒng)沒有涉及到的領(lǐng)域知識(shí)庫的建立，并且為了提高檢索效率，本文系統(tǒng)將圖像本地特征與圖像特征一起存儲(chǔ)。本地特征指不經(jīng)過處理就能的到的信息，如圖像的尺寸等信息。其次數(shù)據(jù)庫中通常還包括完整的圖像數(shù)據(jù)。本文設(shè)計(jì)的系統(tǒng)結(jié)構(gòu)框圖如圖所示：人機(jī)接口示例圖像特征提取圖像特征檢索圖像源特征提取 圖像數(shù)據(jù)庫用 查詢戶 結(jié)果 圖像查詢 圖像入庫系統(tǒng)結(jié)構(gòu)圖該系統(tǒng)主要由圖像預(yù)處理模塊，特征提取模塊，相似性度量模塊，相似度排序模塊，簡單反饋模塊組成。一方面用戶不需要具備專業(yè)知識(shí)就可以使用v 本系統(tǒng)；另一方面，用戶可以很容易的構(gòu)造自己的查詢要求。這個(gè)方法的缺點(diǎn)是實(shí)用性不強(qiáng)。設(shè)實(shí)體a和b，它們對(duì)應(yīng)的特征分別為A和B，則兩個(gè)特征間應(yīng)當(dāng)滿足匹配性、單調(diào)性和獨(dú)立性假設(shè)。其數(shù)學(xué)表達(dá)式為：D(x，y)= 其中為特征向量x，y的協(xié)方差矩陣。二次式距離的數(shù)學(xué)描述為:SA(Q，P) = 其中HQ和HP分別為由HQ(K)和HP(K)中所有的元素組成的向量，A為相似矩陣。兩幅圖像之間的標(biāo)準(zhǔn)化相似性度量為：S(Q，P)=其中HQ(i)和HP(i)分別代表查詢圖像Q和數(shù)據(jù)庫圖像P的含有n個(gè)柄的直方圖。其中 LL2 距離可分別表示為：D1=|Xi Yi|D2=(Xi Yi)2上式中 n 是特征向量的維數(shù)。按照距離公理，在定義距離測(cè)度時(shí)要滿足距離公理的四個(gè)條件:自相似性、最小性、對(duì)稱性、及三角不等性。 圖像的相似性度量圖像檢索的效果很大程度上取決于匹配算法的優(yōu)劣。設(shè)原始圖像為f(x，y)，首先以一定準(zhǔn)則在f(x，y)中找出一個(gè)灰度值T作為閾值，將圖像分割為兩部分：g(x，y)= 1 f(x，y)T0 f(x，y)T上式中全局閾值T的選擇直接影響分割效果，Otsu法是一種使類間方差最大的自動(dòng)確定閾值的方法，是由大津于1979年提出的，該方法具有簡單、處理速度快的特點(diǎn)。所謂的“不連續(xù)性”是指像素灰度的不連續(xù)，形成跳變的階躍，或是指像素排列形成的紋理結(jié)構(gòu)的突變。再如圖像的灰度動(dòng)態(tài)范圍太小會(huì)使許多細(xì)節(jié)分辨不清楚，而灰度級(jí)分布均勻，則會(huì)給人以清晰、明快的感覺。當(dāng)一幅圖像被壓縮為直方圖后，所有的空間信息將全部丟失，因此，任一特定的圖像具有唯一的直方圖，但并非一一對(duì)應(yīng)，而是一對(duì)多，不同的圖像有可能具有相同的直方圖特征。用三個(gè)單色直方圖表示時(shí)，各個(gè)直方圖表示的是圖像在這種顏色分量的統(tǒng)計(jì)分布，總共有三個(gè)不同的概率分布。顏色直方圖是顏色信息的函數(shù)，其核心思想是在一定的顏色空間中對(duì)圖像各種顏色出現(xiàn)的頻數(shù)進(jìn)行統(tǒng)計(jì)，顏色直方圖描述的是不同色彩在整幅圖像中所占的比例，而并不關(guān)心每種色彩所處的空間位置，即圖像的對(duì)象或物體。 顏色特征、特征提取及特征表達(dá)顏色特征與圖像中的物體或場(chǎng)景十分相關(guān)，它定義明確，抽取容易，對(duì)圖像本身的尺寸、方向、視覺的依賴性較小，具有尺度不變性、旋轉(zhuǎn)不變性和位置不變性等特點(diǎn)，對(duì)圖像的描述最簡便而有效，在圖像的各種特征中最顯著、可靠和穩(wěn)定，是人識(shí)別圖像的主要感知特征。設(shè)各通道的量化級(jí)數(shù)分別為l，m，n，則總的量化級(jí)數(shù)（特征維數(shù)）K=lxmxn。每個(gè)顏色空間又有三個(gè)通道，分別是紅（R）、綠（G）、藍(lán)（B）、色調(diào)（H）、飽和度（S）、亮度（V）。 均勻顏色空間的量化目前，大多數(shù)圖像均以真彩色的格式存儲(chǔ)，真彩色能夠表示224種顏色。HSV顏色空間可以看作是倒置的圓錐形，長軸表示亮度V，通過用百分比度量，從黑0%到白100%，體現(xiàn)光線的明暗程度。三基色都達(dá)到最高亮度時(shí)則表示為白色。對(duì)于顏色空間的構(gòu)造需要滿足三個(gè)要求：v 完備性(Completeness)，顏色空間應(yīng)能描述人能感知的所有顏色；v 一致性(Uniformity )，顏色在空間度量的差異和感知的差異相吻合；v 唯一性(Uniqueness)，顏色空間中顏色在感知上彼此不同。 顏色的度量體系顏色度量體系（color system），也叫做顏色制或者叫做顏色體制，實(shí)際上就是人們組織和表示顏色的方法。顏色模型（color model）是用數(shù)值方法指定顏色的一套規(guī)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(gè)意義上說，顏色模型和顏色空間互為同義詞。v 特征調(diào)整對(duì)系統(tǒng)返回的結(jié)果可通過瀏覽來挑選，直至找到滿意的結(jié)果，或從候選結(jié)果中選擇一個(gè)示例，經(jīng)過特征調(diào)整，形成一個(gè)新的查詢。圖像的特征，是人對(duì)圖像視覺效果的量化表示，能較好的表征人對(duì)圖像的視覺感受。壓縮技術(shù)是節(jié)約圖像數(shù)據(jù)占用空間的手段，系統(tǒng)需要支持各種不同的壓縮格式和它們之間的相互轉(zhuǎn)換。v 存儲(chǔ)子系統(tǒng)負(fù)責(zé)存儲(chǔ)和管理原始圖像數(shù)據(jù)。目前主要使用圖像的特征作為索引，利用相似性度量獲得相似結(jié)果集合。 特征 索 引顏 色形 狀紋 理空間關(guān) 系用戶引擎領(lǐng)域知識(shí)圖像源 圖 像 庫 查詢 匹配 預(yù)處理 索引 結(jié)果 索引 相關(guān)反饋 過濾 用戶 存儲(chǔ) 相似度度量 索引 特征提取 子系統(tǒng) 子系統(tǒng) 子系統(tǒng) 子系統(tǒng) 子系統(tǒng) CBIR的系統(tǒng)結(jié)構(gòu)v 用戶子系統(tǒng)是用戶提交查詢請(qǐng)求和接收瀏覽查詢結(jié)果的接口。v 基于空間位置關(guān)系的檢索是基于圖像中對(duì)象所在的位置和對(duì)象之間的空間關(guān)系的研究。并且，紋理特征是一種統(tǒng)計(jì)特征，有旋轉(zhuǎn)不變性和較強(qiáng)的抗噪音能力。降低表示顏色特征維數(shù)的方法。在進(jìn)行檢索圖像時(shí)，對(duì)每一幅給定的查詢圖，進(jìn)行圖像分析，并提取圖像特征向量，利用基于這些特征定義的特征度量函數(shù)計(jì)算或評(píng)價(jià)特征之間的相似性，將該圖像的特征向量和特征庫中的特征向量進(jìn)行匹配，根據(jù)匹配的結(jié)果搜索圖像庫中將最相似的一些檢索結(jié)果就可以提取出所需要的檢索圖，返回給用戶。此外，對(duì)多媒體對(duì)象的檢索一般都是內(nèi)容相似程度的檢索——即查找內(nèi)容描述與檢索要求最接近的對(duì)象。圖像和視頻對(duì)象具有較強(qiáng)的非結(jié)構(gòu)化特性，許多多媒體信息以流的形式存在(例如視頻流)，這種媒體想要得到它的信息，必須對(duì)它先進(jìn)行結(jié)構(gòu)化處理，而這種結(jié)構(gòu)化不能通過簡單的抽象來完成，而需要相應(yīng)的媒體分割和組織技術(shù)。檢索到的相關(guān)圖像的平均排序?yàn)镻1；檢索到的相關(guān)圖像的數(shù)目；所有實(shí)際的相關(guān)圖像的排序號(hào)之和為 SUM；則有 理想的相關(guān)圖像的平均排序P2；實(shí)際的相關(guān)圖像數(shù)目N；則有 相關(guān)圖像丟失率：R=在理想情況下，所有相關(guān)圖像都排在最前面，因此，平均值越小，表明檢索算法越好。查準(zhǔn)率和查全率越高說明檢索系統(tǒng)的效果越好。查準(zhǔn)率和查全率的定義如下：v 查準(zhǔn)率 Precision 定義為查詢結(jié)果中與例子圖像相關(guān)的圖像所占的百分比例，Precision= 100%表示查詢出圖像均為相關(guān)圖像。一般地，圖像檢索分為兩種主要類型：圖像匹配和相似性查詢。要解決這個(gè)矛盾，一方面對(duì)上述的檢索方法進(jìn)行改進(jìn)，尤其是底層特征的選取、表示及匹配，盡可能縮小其與高層豐富語義之間的差距；另一方面增進(jìn)人機(jī)之間的交互，計(jì)算機(jī)將查詢的信息反饋給人，人對(duì)查詢結(jié)果的評(píng)判信息反饋給計(jì)算機(jī)，這種反饋技術(shù)使計(jì)算機(jī)能夠具有一定的學(xué)習(xí)能力，從而使檢索結(jié)果逐步達(dá)到用戶的要求。該系統(tǒng)實(shí)現(xiàn)了基于文本、顏色、紋理特征的圖像檢索。在VisualSEEK中，整幅圖的顏色分布使用全局顏色直方圖，區(qū)域顏色的索引采用二進(jìn)制顏色集的表達(dá)方法。圖像在裝入時(shí)按形狀、紋理和人臉的面部外形三種特征自動(dòng)分類，同時(shí)還能結(jié)合文本關(guān)鍵字進(jìn)行查詢，圖像根據(jù)類別通過顯著語義特征壓縮編碼。 國內(nèi)外研究現(xiàn)狀 國外研究成果基于內(nèi)容的圖像檢索技術(shù)是當(dāng)前研究的熱點(diǎn)，許多著名雜志如IEEE PAMI 、IEEE Image processing 等紛紛設(shè)?？榻B該領(lǐng)域研究的最新成果，著名的國際會(huì)議如：IEEE conference of CVPR 、 ACM conference on multimedia等紛紛設(shè)立專題交流最新的研究成果?；谖谋痉绞降膱D像檢索存在很大的局限性，圖像中包含的大量有用信息無法被有效地訪問和利用，在這樣的環(huán)境下尋找資料是非常耗時(shí)的，因此人們提出了一種新的對(duì)圖像內(nèi)容語義的檢索技術(shù)——基于圖像內(nèi)容的檢索CBIR（ContentedBased Image Retrieval），它不需要用戶的參與，而利用圖像自身的特征，如顏色、紋理、形狀等特征來進(jìn)行檢索，具有較強(qiáng)的客觀性?；蛘吒鶕?jù)等級(jí)目錄的形式瀏覽查找特定類目下的圖像，如Getty AAT使用近133，000個(gè)術(shù)語來描述藝術(shù)、藝術(shù)史、建筑以及其它文化方面的對(duì)象，并推出30多個(gè)等級(jí)目錄，從7方面描述圖像的概念、物理屬性、類型和刊號(hào)等。基于上述方法，本文利用Matlab 技術(shù)，采用直方圖特征建立了一個(gè)基于顏色特征圖像檢索原型系統(tǒng)，取得了令人滿意的試驗(yàn)結(jié)果。本文介紹了一種基于顏色特征的圖像檢索技術(shù)研究方法?；陬伾卣鞯膱D像檢索技術(shù)研究摘要：多媒體技術(shù)和技術(shù)的普及導(dǎo)致了大量圖像信息的出現(xiàn)，傳統(tǒng)的文本關(guān)鍵詞檢索方法己經(jīng)不能適應(yīng)圖像信息的檢索需求，基于內(nèi)容的圖像檢索技術(shù)成為目前研究的熱點(diǎn)。CBIR技術(shù)的核心是表示圖像內(nèi)容的特征，而顏色特征計(jì)算簡單，性質(zhì)穩(wěn)定，作為圖像的一種重要視覺信息，在中已得到廣泛應(yīng)用。面對(duì)這種研究現(xiàn)狀，本文簡單介紹RGB和HSV兩種通用的顏色空間及兩者的轉(zhuǎn)化方法，詳細(xì)分析了基于內(nèi)容的圖像檢索系統(tǒng)所具有的優(yōu)點(diǎn)、系統(tǒng)結(jié)構(gòu)及相關(guān)處理技術(shù)，并對(duì)利用圖像的顏色特征進(jìn)行檢索中涉及到的問題進(jìn)行了詳細(xì)的研究，重點(diǎn)探討了圖像顏色特征的表示、顏色特征的提取和相似性度量等方面的問題等。TBIR沿用了傳統(tǒng)文本檢索技術(shù)，回避了對(duì)圖像可視化元素的分析，而是從圖像名稱、圖像尺寸、壓縮類型、作者、年代等方面標(biāo)引圖像，一般以關(guān)鍵詞形式的提問查詢圖像，圖像所在頁面的主題、圖像的文件名稱、與圖像密切環(huán)繞的文字內(nèi)容、圖像的鏈接地址等都被用作