【正文】 ，需要選擇或?qū)ふ疫m當(dāng)?shù)呐袆e準(zhǔn)則，從而判斷出待識(shí)別的圖像的特征與數(shù)據(jù)庫(kù)中的哪些圖像的特征最接近。實(shí)驗(yàn)表明 , 增加顏色直方圖的維數(shù)可以有效提高檢索的精度 , 但當(dāng)維數(shù)增加到一定程度時(shí) , 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(guò)減少顏色的維數(shù)來(lái)達(dá)到節(jié)省特征存儲(chǔ)空間的目的。 h = h*360。 end if h(i,j)=155amp。h(i,j)190 H(i,j) = 5。amp。 end end end for i = 1:M for j = 1:N if v(i,j)=amp。v(i,j) V(i,j) = 2。 end （ 4）按顏色的相似性大小顯示查詢結(jié)果圖片，代碼實(shí)現(xiàn)如下： [B,IX]=sort(w,2)。 imshow(I)。 展望 人們對(duì)顏色索引和檢索方法的研究己經(jīng)相當(dāng)多，它們都分別從不同的方面對(duì)基于顏色的圖 像檢索問(wèn)題進(jìn)行了研究。然而目前，通過(guò)建立合理的用戶查詢界面，利用相關(guān)性反饋，是實(shí)現(xiàn)趨向基于語(yǔ)義查詢的切實(shí)可行的有效方法 。 感謝計(jì)算機(jī)科學(xué)與技術(shù)專業(yè) XXXX 級(jí) X 班全班同學(xué)給予我的關(guān)心、友誼和幫助，是你們給了我美好而難忘的學(xué)習(xí)生活。*.*39。 h = h*360。；H(i,j)=2。amp。 end if h(i,j)=190amp。h(i,j)270 H(i,j) = 6。amp。 19 if v(i,j)=amp。 end end %計(jì)算 L的直方圖 for i = 0:71 Hist(i+1) = size(find(L==i),1)。 Image=imread(B)。 end if h(i,j)=40amp。h(i,j)75 H(i,j) = 3。amp。 end if s(i,j)=amp。v(i,j)0 V(i,j) = 0。 Qv = 3 for i = 1:M for j = 1:N L(i,j) = H(i,j)*9+S(i,j)*3+V(i,j)。D:\graduate design\test_pictures\*.jpg39。 imshow(I)。 end %按顏色的相似性大小顯示查詢結(jié)果圖片 [B,IX]=sort(w,2)。v(i,j) V(i,j) = 2。 end end end for i = 1:M for j = 1:N if v(i,j)=amp。amp。h(i,j)190 H(i,j) = 5。 end if h(i,j)=155amp。 h = h*360。D:\graduate design\test_pictures\39。 end end end %將 三個(gè)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(jí)數(shù) , L取值范圍 [0,71] %取 Qs = 3。amp。s(i,j)0 S(i,j) = 0。 end if h(i,j)=295amp。amp。am if h(i,j)=20||h(i,j)315 H(i,j) = 0。； end； ifh(i,j)=75amp。 S = s。clc。 還要感謝我的同學(xué) XX，他在我的論文寫作過(guò)程中提出了很多建設(shè)性的意見(jiàn)， 并給了我很多啟發(fā)。 CBIR系統(tǒng)在技術(shù)上可分為圖像處理技術(shù)和數(shù)據(jù)庫(kù)技術(shù)兩大方面。另外是顏色量化誤差的影響較大，以致差別細(xì)微的顏色可能會(huì)得出無(wú)差別或差別很大的兩種決然不同的顏色直方圖。D:\graduatedesign\test_pictures\39。 EulerDistance = sqrt( sum( diff(:) ) )。 end if v(i,j)=1amp。amp。h(i,j)295 H(i,j) = 7。 end if h(i,j)=270amp。amp。 S = s。 在理論上 , 抽取圖像的顏色特征時(shí)使用真彩色將產(chǎn)生最小的誤差。 有 d2?zTAz??zizj(1?dij/dmax)??zizj?(?zizjdij)/dmax ijijij 因?yàn)??zi?0,則 d2?(?1/dmax)， ?zi?0,H?[dij]. ii 5 圖像檢索算法實(shí)現(xiàn) 程序開(kāi)發(fā)運(yùn)行環(huán)境 Matlab 是集數(shù)值計(jì)算、符號(hào)運(yùn)算及圖形處理等強(qiáng)大功能于一體的科學(xué)計(jì)算語(yǔ)言作為強(qiáng)大的科學(xué)計(jì)算平臺(tái)，它幾乎能夠滿足所有的計(jì)算需求 ,它具有如下的優(yōu)勢(shì)與特點(diǎn) : 友好的工作平臺(tái)和編程環(huán)境；簡(jiǎn)單易用的程序語(yǔ)言；強(qiáng)大的科學(xué)計(jì)算及數(shù)據(jù)處理能力；出色的圖形處理功能。 D(Ha,Hb)?(0,1)，它的值越接近 1，則兩圖像越相似。以一定的計(jì)量或測(cè)量方法來(lái)判斷圖像內(nèi)容是否相 關(guān)。 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(zhì)：如圖像的明暗程度、圖像的亮度等。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。由于在進(jìn)行基于內(nèi)容的圖像檢索時(shí)，查詢要求往往是按照用戶的主觀視覺(jué)感受而發(fā)出的，因此在進(jìn)行圖像之間顏色差異的比較時(shí)， CBIR 系統(tǒng)一般采用具有視覺(jué)一致性的顏色空間。前者是定義在白色中減去某種顏色來(lái)定義的一種顏色，而后者通過(guò)從黑色中加入顏色來(lái)定義一種顏色。色調(diào) H 和飽和度 S 分量合起來(lái)定義了顏色的 色度 (Chromatieity)特性。但在對(duì)彩色圖像進(jìn)行特征提取時(shí)，需要用數(shù)量來(lái)描述顏色的差別，因此需要用另一種符合人的視覺(jué)心理的視覺(jué)彩色模型來(lái)表示顏色。將所有顏色加在一起產(chǎn)生白色，也就是說(shuō)，所有光被反射回眼睛。在 RGB模型中，所有顏色都可看作是 3 個(gè)基本顏色，即紅（ R,red），綠（ G,green）和藍(lán)（ B,blue）的不同組合。 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(shí)際上就是人們組織和表示顏色的方法。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(duì)象層上的操作。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。 （ 3）指明圖像中一個(gè)子圖 分割圖像為各個(gè)小塊，然后利用選擇小塊來(lái)確定圖像中感興趣的對(duì)象的輪廓，通過(guò)建立更復(fù)雜的顏色關(guān)系（如顏色對(duì)方法）來(lái)查詢圖像，該方法是進(jìn)一步優(yōu)化檢索的一個(gè)設(shè)想。本文主要研究對(duì)靜止圖像檢索，其中數(shù)據(jù)庫(kù)是專用的圖像庫(kù)。 (6)郵票資料庫(kù)：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(jí)的應(yīng)用服務(wù)。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。 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。由于圖像內(nèi)容的豐富內(nèi)涵以及人們對(duì)圖像內(nèi)容進(jìn)行抽象時(shí)的主觀性不同的人對(duì)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。 近年來(lái)， 隨著科學(xué)技術(shù)的不斷發(fā)展，計(jì)算機(jī)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(zhǎng)與 多媒體技術(shù)的普及使得大量圖像信息出現(xiàn)，過(guò)去的文本關(guān)鍵詞檢索方法已經(jīng)無(wú)法滿足如今人們對(duì)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(dāng)前研究的熱點(diǎn)。文章最后則對(duì)當(dāng)前基于內(nèi)容圖像檢索技術(shù)研究熱點(diǎn)和今后的發(fā)展方向進(jìn)行簡(jiǎn)單的闡述。 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(gè)階段，第一階段始于 70 年代，當(dāng)時(shí)的圖像檢索是通過(guò)人工的標(biāo)注來(lái)實(shí)現(xiàn)的， 隨著計(jì)算機(jī)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(lái)越大了，這種 “以關(guān)鍵字找圖 ”的方法越來(lái)越不適應(yīng)檢索技術(shù)的發(fā)展了。利用圖像內(nèi)容特征建立索引進(jìn)行檢索，使得檢索更加有效，適應(yīng)性更強(qiáng)。 CBIR己經(jīng)成功地應(yīng)用于一些專門領(lǐng)域。我國(guó)在 “人臉 ”及 “指紋 ”數(shù)據(jù)庫(kù)建立方面已做了不少工作，并有一批實(shí)用性的成果投入應(yīng)用。 基于內(nèi)容的圖像檢索的關(guān)鍵技術(shù) [5] 目前，對(duì)于通用的靜止圖像檢索，用于檢索的特征主要有顏色（ Color）、紋理（ Texture）、形狀（ Shape）等，其中顏色、紋理、形狀應(yīng)用尤為普遍；活動(dòng)視頻檢索脫胎于序列圖像分析中的技術(shù)。 （ 2）指 明一幅示例圖像 通過(guò)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(jié)果，這是該課題研究方法的根本。 得到圖像特征的統(tǒng)計(jì)直方圖后，不同圖像間的特征匹配可借助計(jì)算直方圖間的距離來(lái)進(jìn)行。 (3)Virage 公司的 Virage 系統(tǒng) 該系統(tǒng)是基于內(nèi)容的圖像搜索引擎，比 QBIC 更進(jìn)一步， 支持基于顏色、顏色布局、紋理和結(jié)構(gòu) (對(duì)象邊界信息 )及這四個(gè)原子查詢的任意組合。 貝爾研發(fā)的具有自主知識(shí)產(chǎn)權(quán)的智能圖像檢索系統(tǒng)，通過(guò)提取圖像的顏色、紋理和形狀等特征，實(shí)現(xiàn)了基于圖像內(nèi)容的快速智能檢索，被列入 20xx 年信息產(chǎn)業(yè)部重點(diǎn)科研計(jì)劃。 顏色空間 [8] RGB 顏色空間 面向硬設(shè)備的最常用顏色模型是 RGB 模型。因?yàn)?RGB顏色合成產(chǎn)生白色，它們也稱為加色。 雖然 RGB彩色模型被廣泛應(yīng)用于 CRT設(shè)備顯示彩色圖像，但它并不是一個(gè)均勻視覺(jué)的顏色空間，不符合人對(duì)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(jué)上的顏色知覺(jué)差異。飽和度 S 也用百分比來(lái)度量，從濃度最小的 O%到濃度完全飽和的100%。差別僅在于前者的原點(diǎn)為白，而后者的原點(diǎn)為黑。 圖 4 CMY 顏色模型 認(rèn)知科學(xué)及視覺(jué)心理學(xué)證明，人類不能像計(jì)算機(jī)顯示器那樣只 使用 RGB成分感知顏色，因此，選擇一個(gè)適合于人類視覺(jué)特征的顏色空間可以改善檢索效果?；?RGB顏色空間表示時(shí)，彩色圖像的直方圖可以用 R、 G、 B三個(gè)單 色的直方圖或聯(lián)合分布直方圖來(lái)表示。該結(jié)論可推廣到任何數(shù)目的不連接區(qū)域的情形?；谖谋镜臋z索方法中 使用的是文本的精確匹配，而基于內(nèi)容的圖像檢索則通過(guò)計(jì)算查詢和候選圖像之 間的視覺(jué)特征的相似度來(lái)完成。 直方圖交集的公式如下： D(Ha,Hb)=i,j,k?min{Ha(i,j,k),Hb(i,j,k)} i,j,kN?Hb(i,j,k)N D(Ha,Hb)為其中 Ha 為查詢圖像直方圖， Hb 為圖像庫(kù)中的任一圖像直方圖， 兩圖像的匹配值。 取 aij?(1?dij/dmax),其中， dmax?maxij(dij)。從 RGB空間轉(zhuǎn)換到 HSV 空間的具體過(guò)程可參考相關(guān)文獻(xiàn)。 H = h。 end if h(i,j)=75amp。h(i,j)155 H(i,j) = 4。amp。 end if s(i,j)=1amp。v(i,j) V(i,j) = 1。 （ 3）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，代碼實(shí)現(xiàn)如下： diff = (T0T).^2。 I=imread(strcat(39。但是直方圖不能反映空間位置的變化，兩幅景色相似但