【正文】 I=imread(strcat(39。 % 計(jì)算圖像庫(kù)中每一幅圖像與查詢例子圖像的歐式距離 diff = (T0T).^2。v(i,j) V(i,j) = 1。 end if s(i,j)=1amp。amp。h(i,j)155 H(i,j) = 4。 end if h(i,j)=75amp。 H = h。D:\graduate design\test_pictures\*.jpg39。 end if v(i,j)=1amp。amp。h(i,j)295 H(i,j) = 7。 end if h(i,j)=270amp。amp。am； H(i,j)=3。； end； ifh(i,j)=40amp。%打開(kāi)得到的路徑下的文件 [M,N,O] = size(Image)。s color space, image feature extraction and image similarity measure, etc., and use matlab technology to achieve a simple image retrieval procedures. The article closes with an exposition based image retrieval technology research focus and future direction of development. Keywords: Image Retrieval, features of color,color histogram, similar methods of measurement 圖像檢索程序運(yùn)行配置說(shuō)明書(shū) 一、 機(jī)器配置環(huán)境： 1．硬件環(huán)境配置： CPU: GHZ 以上 內(nèi)存： 1G 以上 硬盤(pán)： 20GB 以上 2. 軟件環(huán)境配置： 本程序使用的操作系統(tǒng)為 Windows XP/7，開(kāi)發(fā)平臺(tái)為 MATLAB 二、 MATLAB 軟件安裝： 根據(jù)軟件提示安裝即可 三、運(yùn)行程序 （ 1）第一次運(yùn)行程序時(shí)將 文件放入安裝好軟件后的 MATLAB 文件夾下的 work 文件夾中（例如： C:\MATLAB7\work）； （ 2）第一次運(yùn)行程序時(shí)在 D 盤(pán)按如下路徑建立文件夾（ D:\graduate design\test_pictures），并將示例圖片放入 test_pictures 文件夾中； （ 3）打開(kāi) MATLAB ，點(diǎn)擊 fileopen,在彈出窗口中選擇 work 文件夾中的 文件； （ 4）按 F5 運(yùn)行程序，在彈出窗口中選擇 test_pictures 文件夾中的一 個(gè)圖片作為待匹配圖片，然后程序會(huì)自動(dòng)運(yùn)行并顯示結(jié)果。 致謝 本文是在 XX 老師的悉心指導(dǎo)下完成的，衷心感謝他在論文的寫(xiě)作期間給與我的熱情幫助和指導(dǎo)。實(shí)際上人對(duì)兩幅圖像畫(huà)面的顏色的相似性判定主要考慮少數(shù)幾種主要的顏色。 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。)。 end end for i = 0:71 Hist(i+1) = size(find(L==i),1)。 end if v(i,j)=amp。amp。h(i,j)270 H(i,j) = 6。 end if h(i,j)=190amp。amp。 代碼實(shí)現(xiàn)如下： [M,N,O] = size(Image)。例如 :距離 為 50 的 (0,0,0)與 (50， 0，0)兩種顏色認(rèn)為是同一黑色 ,而距離為 50 的 (200,200,0)和 (150,200,0)則認(rèn)為是兩種差異很大的顏色 (黃色和綠色 )。對(duì)于兩個(gè) N維直方圖 x,y，兩者的歐氏距離可以表示如下： d2(x,y)?(x1?y1)2?(x2?y2)2?...?(xn?yn)2?(x?y)T(x?y) 此距離公式雖然簡(jiǎn)單，但是與特定的顏色分布無(wú)關(guān)，有一種方法可以引入相關(guān)權(quán)值 A,這里 A 是一個(gè) N?N 維矩陣，此時(shí)距離公式可以表述如下： d2(x,y)?(x?y)TA(x?y) 為了簡(jiǎn)化計(jì)算，將直方圖 x,y規(guī)范化使其滿足： 0?xi,yi?1 且 ?xi??yi?1 ii 矩陣 A?[aij],，權(quán) aij 表示顏色 i 與顏色 j 之間的相似度。以下只簡(jiǎn)要介紹系統(tǒng)中常用的直方圖的交、直方圖歐氏距離兩種距離度量方法。這樣圖像的累加直方圖向量 H 可以定義為： ?C1],C2],.........,Ck],.........,Cn]0?Ck]?1 ? Ck]表示 C1~Ck 種顏色的像素的累加頻數(shù)： Ck]? Ci?Ck?h[C] i 我們已經(jīng)計(jì)算出圖像的一般直方圖，可以方便地計(jì)算圖像累加直方圖。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。它的優(yōu)點(diǎn)就在于它能簡(jiǎn)單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所占的比例，特別適用于描述那些難以自動(dòng)分割的圖像和不需要考慮物體空間位置的圖像。減色（ CMY）和加色（ RGB）是互補(bǔ)色，每對(duì)減色產(chǎn)生一種加色，反之亦然。 CMY 顏色空間 以紅、綠、藍(lán)的補(bǔ)色青（ Cyan）、品紅（ Magenta）、黃（ Yellow）為原色構(gòu)成的 CMY 顏色模型，常用于從白光中濾去某種顏色，又被稱(chēng)為減性原色系統(tǒng)。飽和度 S 指顏色的深淺程度，即在純色中包含的白色光的成份。在顯示屏上顯示顏色定義時(shí)，往往采用這種模式。絕大部分的可見(jiàn)光譜可以用紅、綠、藍(lán) R(、 G、 B)三色光按不同比例和強(qiáng)度的混合來(lái)表示。顏色空間中的顏色通常使用代表三個(gè)參數(shù)的三維坐標(biāo)來(lái)指定，這些參數(shù)描述的是顏色在顏色空間中的位置，其顏色要取決于使用的坐標(biāo)。 “ImageSeek，作為 “中國(guó)數(shù)字圖書(shū)館示范工程 ”課題的一個(gè)關(guān)鍵技術(shù)。 (2)新加坡大學(xué)和 MIT媒體實(shí)驗(yàn)室的 Photobook 系統(tǒng) 該系統(tǒng)是用于交互式瀏覽和搜索圖像庫(kù)的工具。首先， V 分量與彩色信息無(wú)關(guān)，其次 H 和 S 分量與人感受彩色的方式緊密相連，其中 H 分量尤其影響人類(lèi)的視覺(jué)判斷。比如 Smith等提出了顏色集合 (color set)方法來(lái)抽取空間局部顏色信息并提供顏色區(qū)域的有效索引。 (9)保健及醫(yī)療：圖像數(shù)據(jù)庫(kù)在該領(lǐng)域中應(yīng)用范圍很廣，除了專(zhuān)用的圖像管理與檢索系統(tǒng)外，還包括建立多媒體醫(yī)療信息管理系統(tǒng)，將龐雜的醫(yī)療數(shù)據(jù)管理起來(lái) .這些數(shù)據(jù)包括病歷、病人的圖像信息 (如 X 光片、 CT掃描及 MRI 照片等 )以及描述手術(shù)過(guò)程的視頻信息等。 (5)法律及公安：它是圖像數(shù)據(jù)庫(kù)技術(shù)的一個(gè)重要應(yīng) 用領(lǐng)域。為了提高檢索的準(zhǔn)確性，整個(gè)過(guò)程是個(gè)逐步逼近和相關(guān)反饋的過(guò)程。盡管經(jīng)過(guò)了多年的研究，較為成熟的基于內(nèi)容的圖像檢索技術(shù)目前仍處于底層水平，由于底層研究是上層研究的基礎(chǔ)，為了給上層建立準(zhǔn)確、有效的圖像特征提取方法，底層的研究仍在不斷的發(fā)展。它利用從圖像中自動(dòng)抽取出來(lái)的底層特征，如顏色、紋理、輪廓和形狀等特征，進(jìn)行計(jì)算和比較，檢索出符合用戶需求的結(jié)果圖像集。首先介紹了基于內(nèi)容的圖像檢索技術(shù)、發(fā)展歷史及基于內(nèi)容的圖像檢索技術(shù)的特點(diǎn)和主要應(yīng)用，并在此基礎(chǔ)上探討了該領(lǐng)域所用到的一些關(guān)鍵技術(shù)。 當(dāng)今幾乎所有的 CBIR 系統(tǒng)都將顏色特征作為主要的檢索手段之一。從研究方向的層面來(lái)看，基于內(nèi)容的圖像檢索可分為三層：第一層是根據(jù)圖像的底層特性來(lái)進(jìn)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(shù)；第二層是基于圖像對(duì)象語(yǔ)義，如圖像中實(shí)體及實(shí)體之間的拓?fù)潢P(guān)系的檢索，對(duì)象級(jí)檢索技術(shù)建立在下層特征基礎(chǔ)上，并引入了對(duì)象模型庫(kù)、對(duì)象識(shí)別和人工智能等圖像理解技術(shù)；第三層是基于圖像的抽象屬性如行為語(yǔ)義，情感語(yǔ)義和場(chǎng)景語(yǔ)義的推理學(xué)習(xí)來(lái)進(jìn)行檢索。 三是它是大型數(shù)據(jù)庫(kù)的快速檢索。 (3)數(shù)字圖書(shū)館：數(shù)字圖書(shū)館實(shí)際上是一個(gè)數(shù)字信息資源庫(kù)，其中有字符數(shù)值庫(kù)、文本庫(kù)、聲音庫(kù)、圖像庫(kù)等。國(guó)外在培訓(xùn)系統(tǒng)領(lǐng)域已投入了大量的經(jīng)費(fèi)，開(kāi)展了相關(guān)課題的研究工作。顏色內(nèi)容包含兩個(gè)一般的概念，一個(gè)對(duì)應(yīng)于全局顏色分布，一個(gè)對(duì)應(yīng)于局部顏 色信息。通常，人們采用歐氏距離來(lái)刻畫(huà)兩種顏色之間的差異， RGB 空間存在的一個(gè)嚴(yán)重問(wèn)題是其中所計(jì)算出來(lái)的兩種顏色之間的距離無(wú)法正確表征人們實(shí)際所感知到的這兩種顏色之間的真實(shí)差異。 所以，顏色特征的 圖像檢索關(guān)鍵技術(shù)路徑如圖 1: 圖 1 顏色特征的圖像檢索關(guān)鍵技術(shù)路徑 國(guó)內(nèi)外研究現(xiàn)狀 [6] 國(guó)外研究現(xiàn)狀 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)專(zhuān)刊介紹該領(lǐng)域研究的最新成果，著名的國(guó)際會(huì)議如： IEEE conference of CVPR 、 ACM conference on multimedia 等紛紛設(shè)立專(zhuān)題交流最新的研究成果。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。顏色模型是用簡(jiǎn)單的數(shù)值方法描述所有顏色的一套規(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(shuō)，顏色模型和顏色空間互為同義詞。 R、 G、 B均為 255 時(shí)表示白光，均為 0 時(shí)表示黑色。 RGB顏色模 型通常采用單位立方體來(lái)表示，在正方體的主對(duì)角線上，各原色的強(qiáng)度相等，產(chǎn)生由暗到明的白色，也就是不同的灰度值。它把彩色信號(hào)表示為三種屬性 :色調(diào) H(Hue)、飽和度 S(Saturation)和亮度 V(value)，其中亮度又稱(chēng) LightneSS 或 Intensity，所以 HSV 空間還有 HLS 和 HIS 這兩種叫法。 圖 3 HSV 顏色模型 Munsen顏色空間具有以下己經(jīng)被人的眼睛所證實(shí)的特點(diǎn) : (1)坐標(biāo)之間的心理感知獨(dú)立性 (PereeptualIndependenee)，即人可以獨(dú)立感知各顏色分量的變化。理論上，青（ Cyan）、品紅（ Magenta）和黃（ Yellow）色素能夠合成吸收所有的顏色并產(chǎn)生黑色。 HSV 空間具有這樣的特性 [9]。 在 RGB 顏色空間中，顏色直方圖可以看成是一個(gè)離散函數(shù)，即 H(k)?nk, (k?0,1,...,L?1) n 其中， k 表示圖像的特征取值， L表示特征可取值的個(gè)數(shù)，凡表示圖像中具體征值為 k 的像素個(gè)數(shù)， n表示圖像像素的總個(gè)數(shù)。 圖 5 顏色直方圖的旋轉(zhuǎn)不變性和縮放不變性 累加直方圖 [10] 當(dāng)圖像中的特征并不能取遍所有可取值時(shí)，統(tǒng)計(jì)直方圖中會(huì)出現(xiàn)一些零值。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(chēng)性、及三角不等性。因而，對(duì)于這樣的圖像進(jìn)行過(guò)細(xì)的比較是不必要的。 (2)圖像匹配（相似度計(jì)算） 在選取了特征之后