【正文】 ，需要選擇或尋找適當?shù)呐袆e準則，從而判斷出待識別的圖像的特征與數(shù)據(jù)庫中的哪些圖像的特征最接近。實驗表明 , 增加顏色直方圖的維數(shù)可以有效提高檢索的精度 , 但當維數(shù)增加到一定程度時 , 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 , 通過減少顏色的維數(shù)來達到節(jié)省特征存儲空間的目的。 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果圖片，代碼實現(xiàn)如下： [B,IX]=sort(w,2)。 imshow(I)。 展望 人們對顏色索引和檢索方法的研究己經(jīng)相當多，它們都分別從不同的方面對基于顏色的圖 像檢索問題進行了研究。然而目前，通過建立合理的用戶查詢界面，利用相關性反饋，是實現(xiàn)趨向基于語義查詢的切實可行的有效方法 。 感謝計算機科學與技術專業(yè) XXXX 級 X 班全班同學給予我的關心、友誼和幫助，是你們給了我美好而難忘的學習生活。*.*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 XX，他在我的論文寫作過程中提出了很多建設性的意見， 并給了我很多啟發(fā)。 CBIR系統(tǒng)在技術上可分為圖像處理技術和數(shù)據(jù)庫技術兩大方面。另外是顏色量化誤差的影響較大，以致差別細微的顏色可能會得出無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 因為 ?zi?0,則 d2?(?1/dmax)， ?zi?0,H?[dij]. ii 5 圖像檢索算法實現(xiàn) 程序開發(fā)運行環(huán)境 Matlab 是集數(shù)值計算、符號運算及圖形處理等強大功能于一體的科學計算語言作為強大的科學計算平臺，它幾乎能夠滿足所有的計算需求 ,它具有如下的優(yōu)勢與特點 : 友好的工作平臺和編程環(huán)境；簡單易用的程序語言；強大的科學計算及數(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。以一定的計量或測量方法來判斷圖像內(nèi)容是否相 關。 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：如圖像的明暗程度、圖像的亮度等。用三個單色直方圖表示時，各個直方圖表示的是圖像在這種顏色分量的統(tǒng)計分布，總共有三個不同的概率分布。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。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。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。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。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。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。 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。VirageVirageEngine 主要有 3 方面的功能 :圖像分析、圖像比較和圖像管理，技術的核心是 VirageEngine 以及在圖像對象層上的操作。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，通過建立更復雜的顏色關系（如顏色對方法）來查詢圖像，該方法是進一步優(yōu)化檢索的一個設想。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。 (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用服務。典型應用領域 [4]包括： (1)搜索引擎：隨著各種電子 商務網(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。 近年來， 隨著科學技術的不斷發(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 多媒體技術的普及使得大量圖像信息出現(xiàn)，過去的文本關鍵詞檢索方法已經(jīng)無法滿足如今人們對于圖像信息檢索的需求，基于內(nèi)容的圖像檢索技術成為了當前研究的熱點。文章最后則對當前基于內(nèi)容圖像檢索技術研究熱點和今后的發(fā)展方向進行簡單的闡述。 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， 隨著計算機技術和通信網(wǎng)技術的發(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 “以關鍵字找圖 ”的方法越來越不適應檢索技術的發(fā)展了。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，適應性更強。 CBIR己經(jīng)成功地應用于一些專門領域。我國在 “人臉 ”及 “指紋 ”數(shù)據(jù)庫建立方面已做了不少工作，并有一批實用性的成果投入應用。 基于內(nèi)容的圖像檢索的關鍵技術 [5] 目前，對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、形狀應用尤為普遍；活動視頻檢索脫胎于序列圖像分析中的技術。 （ 2）指 明一幅示例圖像 通過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果，這是該課題研究方法的根本。 得到圖像特征的統(tǒng)計直方圖后，不同圖像間的特征匹配可借助計算直方圖間的距離來進行。 (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 更進一步， 支持基于顏色、顏色布局、紋理和結構 (對象邊界信息 )及這四個原子查詢的任意組合。 貝爾研發(fā)的具有自主知識產(chǎn)權的智能圖像檢索系統(tǒng)，通過提取圖像的顏色、紋理和形狀等特征，實現(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)部重點科研計劃。 顏色空間 [8] RGB 顏色空間 面向硬設備的最常用顏色模型是 RGB 模型。因為 RGB顏色合成產(chǎn)生白色，它們也稱為加色。 雖然 RGB彩色模型被廣泛應用于 CRT設備顯示彩色圖像，但它并不是一個均勻視覺的顏色空間，不符合人對顏色的感知心 理，而且， RGB顏色空間上的距離并不代表人眼視覺上的顏色知覺差異。飽和度 S 也用百分比來度量，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為白，而后者的原點為黑。 圖 4 CMY 顏色模型 認知科學及視覺心理學證明，人類不能像計算機顯示器那樣只 使用 RGB成分感知顏色，因此，選擇一個適合于人類視覺特征的顏色空間可以改善檢索效果。基于 RGB顏色空間表示時，彩色圖像的直方圖可以用 R、 G、 B三個單 色的直方圖或聯(lián)合分布直方圖來表示。該結論可推廣到任何數(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計算查詢和候選圖像之 間的視覺特征的相似度來完成。 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空間轉換到 HSV 空間的具體過程可參考相關文獻。 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）計算圖像庫中每一幅圖像與查詢例子圖像的歐式距離，代碼實現(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