【正文】 征的圖像檢索，科學(xué)工作者們提出了許多方案。相對(duì)于基于內(nèi)容的圖像檢索技術(shù)，基于顏色特征的圖像檢索還涉及到顏色模型和顏色直方圖。目前常用的顏色空間可分為兩類，一類面向諸如彩色顯示器或打印機(jī)之類的硬設(shè)備，另一類面向以彩色圖像處理為目的的應(yīng)用。其他顏色模型的相關(guān)介紹可參見本人所寫的開題報(bào)告。為了方便，假定所有的顏色值都已被標(biāo)準(zhǔn)化，這樣所有的R、G、B值都在區(qū)間[0，1]中?；叶壬{(diào)沿著軸線從底部到頂部由黑變到白。HSV顏色空間有兩個(gè)特點(diǎn)：其一，亮度分量與圖像的彩色信息無(wú)關(guān)；其二，色調(diào)和飽和度分量與人感受顏色的方式是緊密相連的。而且，HSV顏色空間的量化結(jié)果可以產(chǎn)生符合視覺(jué)特征的維數(shù)較小的顏色空間，有助于顏色特征查詢的應(yīng)用。這些特點(diǎn)使得HSV模型非常適合人的視覺(jué)系統(tǒng)來(lái)感知彩色特性的圖像出來(lái)算法。以上兩種情況，也正是目前 CBIR 系統(tǒng)中顏色特征采用的主要兩種形式：顏色的空間直方圖和圖像的主要顏色。利用顏色特征進(jìn)行圖像檢索的關(guān)鍵之一是顏色特征的提取，圖像的顏色特征可以是顏色特征在圖像檢索中的應(yīng)用研究各種顏色的比例分布以及顏色的空間分布等。圖像的顏色特征可以是各種顏色的比例分布以及顏色的空間分布等，目前大部分基于顏色的圖像檢索系統(tǒng)都采用顏色比例分布來(lái)獲取顏色特征，這是顏色領(lǐng)域中的直方圖。圖22 顏色直方圖計(jì)算示例顏色直方圖計(jì)算簡(jiǎn)單快捷，相對(duì)于集合特性而言，具有與生俱來(lái)的旋轉(zhuǎn)不變性（rotationinvariance）和縮放不變性（scaleinvariance）。 其函數(shù)表達(dá)式如下： （26）其中,k代表圖像的特征取值，L 是特征可取值的個(gè)數(shù)，是圖像中具有特征值為k的像素的個(gè)數(shù)，N是圖像象素的總數(shù)。由于3D 顏色空間的概率分布可視化比較困難，顏色直方圖的表示一般用3個(gè)1D 直方圖來(lái)表示，各個(gè)通道是相互獨(dú)立進(jìn)行 1D 直方圖統(tǒng)計(jì)得到的，即是3D 分布在三個(gè)坐標(biāo)上的投影。在早期的利用顏色特征進(jìn)行圖像檢索的研究中，以直方圖為顏色特征的相似度量采用歐氏距離或馬氏距離，但這種相似度量存在一個(gè)很大的缺陷，歐氏距離在計(jì)算中，對(duì)直方圖特征每個(gè)顏色分量平等對(duì)待，即沒(méi)有考慮顏色間的相似性，如有三幅單色圖像，顏色分別為紅色，粉紅和綠色，用歐氏距離對(duì)三幅圖像的直方圖進(jìn)行相似度量，結(jié)果粉紅色圖像與紅色圖像的相似程度等同于綠色圖像與紅色圖像的相似程度，這不符合人的視覺(jué)感覺(jué)。本論文所開發(fā)的圖像檢索系統(tǒng)取名為“ImageSystem”。Visual C++是Microsoft推出的開發(fā)Win32應(yīng)用程序，面向?qū)ο蟮目梢暬上到y(tǒng)，是近十年來(lái)程序設(shè)計(jì)領(lǐng)域中最強(qiáng)開發(fā)工具之一?；贛FC的應(yīng)用程序框架（Framework）是定義了程序結(jié)構(gòu)的MFC類庫(kù)中類的集合，是Visual C++編程的骨架。本圖像檢索系統(tǒng)充分利用了C++語(yǔ)言面向?qū)ο蟮奶匦砸约癕FC類庫(kù)，同時(shí)利用第三方類庫(kù)擴(kuò)展了MFC的功能。比如BMP, JPEG, GIF, PNG, TIFF, MNG, ICO, PCX, TGA, WMF, WBMP, JBG, J2K 等格式的文件。3．2 ImageSystem系統(tǒng)組成本圖像檢索系統(tǒng)主要有以下幾部分組成：顏色特征提取、顏色特征入庫(kù)、相似性度量、顯示結(jié)果（包括顯示相似圖像和顯示檢索速度）。ImageLib數(shù)據(jù)庫(kù)具有7張表，分別是COLOR_HSV，COLOR_HSL，COLOR_RGB，COLOR_XYZ，COLOR_YIQ，COLOR_YUV，COLOR_HSV_POWER。3．5 特征類的設(shè)計(jì)本系統(tǒng)中的特征類為CFeature，CFeature的設(shè)計(jì)是整個(gè)程序設(shè)計(jì)過(guò)程中最基礎(chǔ)的，也十分重要的。 //析構(gòu)函數(shù)，暫時(shí)未用到，保留public: // 顏色直方圖HSV （含顏色量化） static BOOL Color_HSV(CxImage* pImage, HSV_DATA* pHsvData)。 static BOOL Color_XYZ(CxImage* pImage, HSV_DATA* pHsvData)。 xStart, longamp。 static HSVType RGB_to_HSV( RGBType RGB )。 static void XYZHisto(CxImage* pImage, double **XYZHistogram)。 // 其余輔助函數(shù)的設(shè)計(jì)將不列出}。HSV顏色直方圖的算法描述如下：BOOL CFeature::Color_HSV(CxImage* pImage, HSV_DATA* pHsvData){ long xStart = 0。 double feaHsv[256]。j++) { pHsvDatapush_back(feaHsv[j])。 long lHeight = (long)pImageGetHeight()。 // 第一行 // 0塊 xStart = 0。 FEA_HSV(pImage, feaHsv[0], xStart, xEnd, yStart, yEnd)。 yEnd = lHeight/yNum。 yStart = 0。 xEnd = lWidth/xNum。 // 4塊 xStart = lWidth/xNum。 FEA_HSV(pImage, feaHsv[4], xStart, xEnd, yStart, yEnd)。 yEnd = 2*lHeight/yNum。 yStart = 2*lHeight/yNum。 xEnd = 2*lWidth/xNum。 // 8塊 xStart = 2*lWidth/xNum。 FEA_HSV(pImage, feaHsv[8], xStart, xEnd, yStart, yEnd)。i++) { ()。 } pArrHsvDatapush_back(hsvData)。void CImageSystemView::ColorHSVtoDB() // 顏色特征入庫(kù)HSV{ BeginTimer()。 HSV_DATA dataHSV。 (0, nAmount)。 (strFileName, CXIMAGE_FORMAT_JPG)。dataHSV)。 // 數(shù)據(jù)入庫(kù)HSV if (!()) { AfxMessageBox(數(shù)據(jù)庫(kù)打開失??！)。 CADORecordset adoRs(amp。 it != ()。 // 序列化得到二進(jìn)制文件 _variant_t varBlob。 (i)。 DWORD dwError = ()。i++) { (i)。 } (nAmount)。// HSV顏色void CImageSystemView::ColorHSV(){ CADORecordset adoRs(amp。 CString sName。 (0, nAmount)。 CADOFieldInfo fldInfo。 varBLOB = ()GetFields()GetItem(Data)GetChunk()。 (nPos)。 // 檢索 double* sim = new double [()]。m_imgSrc, amp。 SetDlgItemText(IDC_TEXT_PROGRESS, _T(計(jì)算相似度 進(jìn)度))。 sName = (*it).first。j 256。 } (nAmount)。 SetDlgItemText(IDC_TEXT_PROGRESS, _T(顯示圖片 進(jìn)度))。 if (i=m_nNumImage) { (m_nNumImage)。 hisDst = ((*it).second).second。 AddListImg(imgLib, strIndex)。}第4章 系統(tǒng)的功能實(shí)現(xiàn)4．1 系統(tǒng)的開發(fā)環(huán)境CPU：Intel(R) Pentium M processor 硬盤：80G 4200轉(zhuǎn)顯卡：NVIDIA GeForce Go7300操作系統(tǒng)：Microsoft Windows XP Professional sp2開發(fā)工具：Microsoft Visual Studio .NET 2003開發(fā)語(yǔ)言：VC++數(shù)據(jù)庫(kù)：ACCESS 2000 4．2 系統(tǒng)功能實(shí)現(xiàn)如圖41所示：本系統(tǒng)有以下部分組成：圖像庫(kù)選擇欄目標(biāo)圖像選擇欄顏色特征欄（應(yīng)用于檢索）檢索進(jìn)度欄計(jì)算時(shí)間欄檢索結(jié)果欄特征入庫(kù)標(biāo)題欄圖像檢索標(biāo)題欄圖41 ImageSystem系統(tǒng)如圖41所示，系統(tǒng)的操作步驟如下：選擇圖像庫(kù)特征入庫(kù)（有7種顏色特征可供選擇）選擇目標(biāo)圖像在“顏色特征”一欄選擇一種顏色直方圖單擊“開始檢索”，系統(tǒng)開始圖像檢索，同時(shí)，進(jìn)度條會(huì)顯示檢索的進(jìn)度，并計(jì)算所耗時(shí)間。單擊某一項(xiàng)，完成該種顏色特征入庫(kù)的操作。默認(rèn)為HSV顏色直方圖檢索。選擇目標(biāo)圖像，單擊“開始檢索”按鈕，將按照所選的某種顏色直方圖進(jìn)行圖像的檢索，系統(tǒng)將自動(dòng)完成檢索，并顯示檢索的進(jìn)度，和顯示檢索結(jié)果。雖然現(xiàn)在國(guó)內(nèi)、國(guó)外都有這方面的研究，但是遺憾的是，到現(xiàn)在還沒(méi)建成這樣一個(gè)標(biāo)準(zhǔn)的測(cè)試平臺(tái)。檢索的 效率通常用系統(tǒng)的響應(yīng)時(shí)間和吞吐率來(lái)評(píng)價(jià)。對(duì)于一個(gè)新的檢索策略，研究者如果只給出一系列的實(shí)驗(yàn)結(jié)果圖像，這雖然是性能評(píng)價(jià)的一個(gè)方法，但是很不利于交流。其方法如下，前提是假設(shè)測(cè)試平臺(tái)包含:包含N個(gè)圖像的圖像集；M個(gè)基準(zhǔn)查詢樣本圖像；圖像集中的每個(gè)圖像相對(duì)于基準(zhǔn)查詢樣本圖像的相關(guān)值；若干有效的度量方法。大量的檢索評(píng)價(jià)表明，查全率和查準(zhǔn)率之間存在著特定的關(guān)系:在一個(gè)檢索系統(tǒng)中，當(dāng)查準(zhǔn)率和查全率達(dá)到一定的程度以后，兩者就會(huì)呈現(xiàn)出非線性反變關(guān)系，即不可能兩者同時(shí)達(dá)到最高?？傊?，查全率和查準(zhǔn)率是信息檢索中的度量標(biāo)準(zhǔn)，現(xiàn)在多數(shù)的文獻(xiàn)中都采用此標(biāo)準(zhǔn)。作為本圖像檢索系統(tǒng)的測(cè)試圖像庫(kù)，將選取70幅JPEG類型的圖像，其圖像的尺寸為552777。圖像庫(kù)目錄：F：\FlowerLib檢索圖像如圖51所示圖51 檢索圖像5．3．1 檢索結(jié)果分析根據(jù)7種顏色空間分別對(duì)圖51在圖像數(shù)據(jù)庫(kù)中進(jìn)行檢索，得到不同的檢索結(jié)果，圖52列出了檢索結(jié)果中的前5個(gè)張圖像，分析檢索結(jié)果。所耗時(shí)間的記錄如表51所示。5．4 對(duì)該系統(tǒng)的評(píng)論該基于顏色特征的圖像檢索系統(tǒng)與手工的圖像檢索相比，有以下的優(yōu)勢(shì)：能節(jié)約人力成本，提高企業(yè)的競(jìng)爭(zhēng)力。 有快速的響應(yīng)速度，不管是圖像庫(kù)顏色特征入庫(kù)還是檢索圖片，都能在極短的時(shí)間內(nèi)完成。由于bmp文件需要消耗較多的系統(tǒng)資源，對(duì)系統(tǒng)的處理速度有著較大的影響，并且bmp文件占用磁盤空間也大，不利于存儲(chǔ)，所以建議使用jpg格式的文件。在此基礎(chǔ)上，本文建立了一個(gè)基于顏色特征的圖像檢索系統(tǒng)，系統(tǒng)在Windows XP professional環(huán)境下開發(fā)實(shí)現(xiàn)，采用Microsoft Visual Studio 2003編程工具，Visual C++編程語(yǔ)言。本課題采用CBIR技術(shù)開發(fā)基于顏色的圖像數(shù)據(jù)庫(kù)檢索系統(tǒng)。圖像顏色特征存放在數(shù)據(jù)庫(kù)中。但是，對(duì)比指導(dǎo)老師畢業(yè)設(shè)計(jì)的任務(wù)書，本圖像檢索系統(tǒng)還有一定的缺陷，比如說(shuō)測(cè)試結(jié)果分析中查全率和查準(zhǔn)率還沒(méi)有實(shí)現(xiàn)，不能夠更好的比較各個(gè)顏色模型的檢索效率。這樣的圖像檢索系統(tǒng)具有廣泛的應(yīng)用前景。展望基于內(nèi)容的圖像檢索技術(shù)是一種綜合集成技術(shù)，其一些關(guān)鍵技術(shù)，如特征提取、圖像分割、對(duì)象提取等都是圖形圖像界的經(jīng)典難題。它第一次把圖像和多媒體相關(guān)的內(nèi)容通過(guò)具體的標(biāo)準(zhǔn)來(lái)描述，并建立了一定的描述機(jī)制、目標(biāo)模型以及相應(yīng)的描述語(yǔ)言?？紤]到基于內(nèi)容的圖像檢索技術(shù)與這兩個(gè)學(xué)科的淵源，人機(jī)協(xié)作應(yīng)該是未來(lái)的發(fā)展方向。例如，QBIC系統(tǒng)中使用交互式進(jìn)行圖像分割；MIT研究組在Photobook系統(tǒng)中加入了人的介入，使得版本升級(jí)到Foureyes；MARS系統(tǒng)則首先使用了相關(guān)反饋技術(shù)，通過(guò)人和計(jì)算機(jī)的交互協(xié)作提高系統(tǒng)的性能。盡管目前已經(jīng)出現(xiàn)了基于 Web的圖像搜索引擎，但是因?yàn)槿狈ν黄菩缘倪M(jìn)展，仍然無(wú)法和文本搜索引擎相比擬。如數(shù)據(jù)壓縮中使用的信噪比(SNR)和基于文本的信息檢索中使用的查全率和查準(zhǔn)率都對(duì)各自領(lǐng)域的發(fā)展起了很大的推動(dòng)作用。造成這種情況的主要原因可能是由于人感知的主觀性和評(píng)估標(biāo)準(zhǔn)的客觀性之間的矛盾難以調(diào)和。此次畢業(yè)設(shè)計(jì)從選題直至最后畢業(yè)論文的順利完成，每一步都離不開沈老師的指導(dǎo)。 for(int j = 0。}BOOL CFeature::Color_RGB(CxImage* pImage, HSV_DATA* pHsvData){ double feaHsv[256]。j++) { pHsvDatapush_back(feaHsv[j])。 for(int j = 0。}BOOL CFeature::Color_HSL(CxImage* pImage, HSV_DATA* pHsvData){ double feaHsv[256]。j++) { pHsvDatapush_back(feaHsv[j])。 for(int j = 0。