【正文】 是空間位置完全不同的圖像，得出的直方圖是一模一樣的。 （ 3）為進一步提高顏色特征的檢索效果，要從顏色物理、視覺、心理幾方面進行綜合深入研究。在此，向 XX 老師表示最衷心的感謝和最誠摯的敬意。 clear all。 H = h。； H(i,j)=1。amp。 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。 for k=1:size(A) B=strcat(39。 V = v。h(i,j)40 H(i,j) = 2。amp。 end end end for i = 1:M for j = 1:N if s(i,j)=amp。s(i,j) S(i,j) = 2。amp。 w(k)=EulerDistance。,A(IX(n)).name))。)。 end end %計算 L的直方圖 for i = 0:71 Hist(i+1) = size(find(L==i),1)。 21 if v(i,j)=amp。amp。h(i,j)270 H(i,j) = 6。 end if h(i,j)=190amp。amp。 [M,N,O] = size(Image)。 end T0=Hist。amp。s(i,j) S(i,j) = 1。 end if h(i,j)=315amp。amp。h(i,j)20 H(i,j) = 1。； end； ifh(i,j)=155amp。 %將 hsv空間非等間隔量化： % h量化成 8 級； % s 量化成 3 級； % v量化成 3 級； for i = 1:M ifh(i,j)=20||h(i,j)amp。)。 最后，我要衷心感謝我的父母，是你們一直默默地給與我理解與支持，給與我勇敢面對困難的勇氣和力量，讓我能夠順利地完成學(xué)業(yè)。在數(shù)據(jù)庫技術(shù)方面， CBIR 系統(tǒng)正產(chǎn)生深刻變化，如 DBMS 中對物理磁盤的管理技術(shù)、索引技術(shù)等底層技術(shù)都向著支持多媒體數(shù)據(jù)和更開放的方向發(fā)展。目前主要存在的問題 : （ 1）人對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相似顏色的判定仍有一定的差距。 end 實例演示；第一步， 運行程序彈出對話框，選擇待匹配圖像，如圖；圖 8；第二步，程序繼續(xù)執(zhí)行，最后在彈出窗口上按與待匹配；圖 9； 6 全文總結(jié)與展望； 全文總結(jié)；隨著多媒體技術(shù)的發(fā)展，包括圖像、音頻、視頻等信息；本文對基于內(nèi)容的圖像檢索技術(shù)作了較全面的研究和介；在對基于顏色特征的圖像檢索方法的研究基礎(chǔ)上，作者； 展望；人們對顏色索引和檢索方法的研究己經(jīng)相 實例演示 第一步，運行程序彈出對話框，選擇待匹配圖像，如圖 8 所示； 圖 8 第二步，程序繼續(xù)執(zhí)行，最后在彈出窗口上按與待匹配圖像相似度從大到小的順序顯示圖像，如 圖 9 所示。 A=dir(39。 end end end （ 2）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。 %將 hsv空間非等間隔 量化： % h量化成 8 級； % s 量化成 3 級； % v量化成 3 級； for i = 1:M for j = 1:N if h(i,j)=20||h(i,j)315 H(i,j) = 0。在系統(tǒng)實現(xiàn)時 , 我們根據(jù) H S V 空間的特征 , 在降低直方圖的維數(shù)并保留足夠的顏色信息前提下 , 對 HSV 空間進行非均勻量 化 , 得到77 種代表顏色。 (3)結(jié)果輸出 將滿足一定相似性條件的一組候選結(jié)果按相似度大小排列后返回給用戶。又由于在掃描圖像時容易產(chǎn)生一些噪音，所以這種過細 的比較容易產(chǎn)生錯誤的結(jié)果。 設(shè) D 為距離函數(shù)， x、 y、 z 為三個特征向量，則所有的距離函數(shù)都滿足的條件表示為： (1)D ( x， y ) = D ( y， x ) = 0(自相似性 ) (2)D ( x， y )?D ( x， x )?0(最小性 ) (3)D ( x， y ) = D ( y， x)(對稱性 ) (4)D ( x， y ) + D ( y， z )?D ( x， z )(三 角不等性 ) 圖像的相似度度量，既是圖像檢索技術(shù)中的一個關(guān)鍵問題，也是其中的一個難點。這些零值的出現(xiàn)會對計算直方圖的 相交帶來很大影響，從而使得算出的匹配值并不能正確的反映兩圖間的顏色差別。 (2)顏色直方圖的特性 旋轉(zhuǎn)不變性和縮放 不變性：顏色直方圖是表示圖像中顏色分布的一種方法，它的橫軸表示顏色等級，縱軸表示在某一個顏色等級上具有該顏色的像素在整幅圖像中所占的比例，直方圖顏色空間中的每一個刻度表示了顏色空間中的一種顏色，因此，顏色直方圖具有與身俱來的旋轉(zhuǎn)不變性和縮放不變性，如圖 5 所示。因此本系統(tǒng)選用 HSV 顏色模型。因為所有打印油墨都會包含一些雜志，這三種油墨實際上產(chǎn)生一種土灰色，必須與黑色油墨混合才能產(chǎn)生真正的黑色。 (2)線性伸縮性 (LinearSealability)，人眼可感知的顏色差異與 HSV 顏色分量的相應(yīng)值上的歐幾里德距離 (EuelideanDIStanee)是成比例的。 HSV 模型的色調(diào) H 表示從一個物體反射過來的或透過物體的光的波長，更一般地說，色調(diào)是由顏色名稱來辨別的，如紅、橙、黃、綠等，它用角度 180～ 180或 O～ 360 來度量。 (0， 0， 0)為黑色， (l，1， 1)為白色。這樣，我們就能表示出 256256256（約 1600 萬）種顏色。任何一種顏色都可用三種基本顏色按不同的比例混合得到，顯示彩色圖像用 RGB相加混色模型： 顏色 =R（ Red 百分比） +G（ Green 百分比） +B（ Blue 百分比） 顏色空間是表示顏色的一種數(shù)學(xué)方法，人們用它來指定和產(chǎn)生顏色，使顏色形象化。它采用基于小波變換的方法來表示圖像的紋理特征。各大研究機構(gòu)和公司都推出了他們的系 統(tǒng)： (1)IBM 的 QBIC 系統(tǒng) IBM 的 QBIC 是第一個商業(yè)化的基于內(nèi)容的圖像檢索系統(tǒng)，它的系統(tǒng)結(jié)構(gòu)包括圖像入庫、特征計算、查詢階段三部分，允許使用例子圖像、用戶構(gòu)建的草圖和圖畫、選擇的顏色和紋理模式、鏡頭和目標(biāo)運動和其他圖形信息等，對大型圖 像和視頻數(shù)據(jù)庫進行查詢； (2)新加坡大學(xué)和 MIT媒體實驗室的 Photob；該系統(tǒng)是用于交互式瀏覽和搜索圖像庫的工具； (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； (4)美國哥倫比亞大學(xué)的VisualSEEK 系統(tǒng)； VISualSEEK 圖像查詢系統(tǒng)是一個可視化的圖； 國內(nèi)研究現(xiàn)狀；相對國外而言，國內(nèi)在這方面的 像和視頻數(shù)據(jù)庫進行查詢。 HSV 空間比較直觀并且符合人的視覺特性。按照全局顏色分布來索引圖像可以通過計算每種顏色的像素的個數(shù)并構(gòu)造顏色灰度直方圖來實現(xiàn)，這對檢索具有相似的總體顏色內(nèi)容的圖像是一個很好的途徑。我國多媒體教學(xué)研究工作也已經(jīng)開展，網(wǎng)上教學(xué)與輔導(dǎo)已進入實用階段，這些都為圖像數(shù)據(jù)庫應(yīng)用 于教育培訓(xùn)領(lǐng)域提供了廣闊的前景。因此，如何快速、高效地從數(shù)字圖書館中找出用戶所需的信息就成為現(xiàn)代圖書館研究的熱點和關(guān)鍵技術(shù)之一。在實際的多媒體數(shù)據(jù)庫中，數(shù)據(jù)量巨大，而且種類和數(shù)量巨大，因此要求 CBIR 技術(shù)快速地實現(xiàn)對多媒體信息的檢索。需要用到知識庫和更加有效的人工智能和神經(jīng)網(wǎng)絡(luò)技術(shù)。 也是 將是現(xiàn)在到未來很長一段時間 最常見的圖像檢索手段，其最基本的思想是顏色空間直方圖的 特征 匹配，對檢索圖像提取其顏色直方圖，計算與存儲在圖像庫中的圖像的顏色直方圖的距離，距離在一定范圍內(nèi)的圖像即為被檢索出來的圖像。 電子信息工程專業(yè) 畢業(yè) 設(shè)計 （報告） 題目 基于顏色特征的圖像檢索技術(shù)研究 二級學(xué)院 電子信息與自動化學(xué)院 專 業(yè) 電子信息工程 班 級 學(xué)生姓名 學(xué)號 指導(dǎo)教師 時 間 目錄 摘要 ..............................................................1 關(guān)鍵字 ............................................................1 1 緒論 ...........................................................1 基于內(nèi)容的圖像檢索的概念 .......................................1 基于內(nèi)容的圖像檢索的發(fā)展歷史 ..................................1 基于內(nèi)容的圖像檢索的特點和主要應(yīng)用 ............................1 基于內(nèi)容的圖像檢索的關(guān)鍵技術(shù) ..................................2 國內(nèi)外研究現(xiàn)狀 ................................................3 國外研究現(xiàn)狀 ................................................3 國內(nèi)研究現(xiàn)狀 ................................................4 2 基于顏色特征的圖像檢索方法 .....................................4 顏色度量體系 .................................................4 顏色空間 ......................................................5 RGB 顏色空間 ................................................5 H