【正文】 A=dir(39。amp。 end if h(i,j)=295amp。 %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 20 if h(i,j)=20||h(i,j)315 H(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)。 end if s(i,j)=amp。h(i,j)75 H(i,j) = 3。amp。 [FileName,PathName] = uigetfile(39。在圖像處理技術(shù)方面，更加準確有效地描述圖像內(nèi)容的數(shù)據(jù)模型是今后長期需要解決的重要方面。,A(IX(n)).name))。amp。 end end end for i = 1:M for j = 1:N if s(i,j)=amp。h(i,j)40 H(i,j) = 2。但是 , 特征抽取和特征匹配的計算量以及特征的存儲都將隨實際顏色數(shù)目增多而非線性膨脹 , 因此 , 使用真彩色在實際檢索過程中是不現(xiàn)實的。 直方圖交集方法能對兩幅圖像進行詳細的比較，然而對于許多合成的圖像，如商標等，它們有大量的一致顏色，三維直方圖只有幾個域的值很高，而其它許多域的顏色信息變化有限。再如圖像的灰度動態(tài)范圍太小會使許多細節(jié)分辨不清楚，而灰度級分布均勻，則會給人以清晰、明快的感覺。所謂視覺一致性，是指對兩種不同的顏色，它們在顏色空間中坐標的距離與它們在觀察者的顏色感知空間中的距離是大致相同的。 HSV顏色模型用 Munsell三維空間坐標系統(tǒng)表示，其示意圖如圖 3 所示。加色用于光照、視頻和顯示器。組織和表示顏色的方法主要有兩種：一種是顏色模型，一種是編目系統(tǒng)。本文重點討論歐氏距離法，并將其作為系統(tǒng)編程實現(xiàn)的主要方法。 對于目標圖像和檢索圖像進行顏色空間轉(zhuǎn)換、亮度圖像的邊緣提取和二值分割、提取目標區(qū)域的顏色特征。 (2)家庭用圖像檢索：數(shù)碼科技使得普通家庭也會產(chǎn)生成千上萬的圖像，家庭圖像檢索系統(tǒng)將是家庭 PC 的一個基本工具。為了克服文本標注檢索的弊端， 90 年代研究者提出了基于內(nèi)容的圖像檢索，其方法是 :根據(jù)圖像的顏色特征、紋理特征、形狀特征以及空間關(guān)系等作為索引，計算查詢圖像和目標圖像之間的相似距離，然后按相似度匹配進行檢索，這種技術(shù)很大程度地利用了人們的視覺客觀特性， 避免不同人對圖像主觀理解的不同而達不到理想的搜索效果。文章 著重探討了圖像的顏色空間、圖像特征提取及圖像相似性度量等內(nèi)容，并利用 matlab 技術(shù)實現(xiàn)了一個簡單圖像檢索的程序。 基于內(nèi)容的圖像檢索的特點和主要應(yīng)用 基于內(nèi)容的圖像檢索技術(shù)有以下特點 [3]： 一是它突破了傳統(tǒng)的基于表達式檢索的局限，從媒體內(nèi)容中提取信息線索。典型的例子有 :面部數(shù)據(jù)庫、指紋數(shù)據(jù)庫、犯罪紀錄數(shù)據(jù)庫以及建筑物保安數(shù)據(jù)庫等。 運用顏色直方圖進行檢索有如下三種方式： （ 1）指明顏色組成 該法需要用戶對圖像中的顏色非常敏感，而且使用起來也不方便，檢索的查準率和查全率并不高，因此暫時不做進一步開發(fā)。圖像在裝入時按形狀、紋理和人臉的面部外形三種特征自動分類，同時還能結(jié)合文本關(guān)鍵字進行查詢，圖像根據(jù)類別通過顯著語義特征壓縮編碼。 對于顏色空 間的構(gòu)造需要滿足三個要求： 完備性 (Completeness)，顏色空間應(yīng)能描述人能感知的所有顏色； 一致性 (Uniformity )，顏色在空間度量的差異和感知的差異相吻合； 唯一性(Uniqueness)，顏色空間中顏色在感知上彼此不同。圖像如用于電視、幻燈片、網(wǎng)絡(luò)、多媒體，一般使用 RGB模式。 CMY顏色模型對應(yīng)的直角坐標系的子空間與 RGB顏色模型所對應(yīng)的子空間幾乎完全相同。 顏色直方圖可以基于不同的顏色空間和坐標系，最常用的是 RGB 顏色空間，因為大部分的數(shù)字圖像都是用 RGB顏色空間表達的。這樣，最后得到的累加直方圖特征向量為： L?l[0],l[1],...........,l[k],...........,l[35] 4 圖像特征的相似性匹配； 相似度匹配方法 [11]；圖像檢索的效果很大程度上取決于匹配算法的優(yōu)劣；設(shè) D 為距離函數(shù)， x、 y、 z為三個特征向量，則所有；(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)(；圖像的相似度度量， 4 圖像特征的相似性匹配 相似度匹配方法 [11] 圖像檢索的效果很 大程度上取決于匹配算法的優(yōu)劣。若取 z=xy,則有 ?z ii 取定了距離公式后，我們需要確定 A 的取值， ?0,?1?zi?1,d2?zTAz， 且要保證此矩陣 A 能夠使 d2?0,我們用 dij 表示顏色 i與顏色 j 在 RGB 顏色空間的距離。 [h,s,v] = rgb2hsv(Image)。amp。s(i,j) S(i,j) = 1。 end T=Hist。 在對基于顏色特征的圖像檢索方法的研究基礎(chǔ)上，作者用 matlab 語言編寫了一個簡單的圖像檢索演示程序，實驗證明，該程序?qū)崿F(xiàn)了圖像檢索 的基本功能，但基于顏色特征的圖像檢索僅是從圖像的低層特性出發(fā)，這些方法具有計算簡單、對平移和旋轉(zhuǎn)不敏感等優(yōu)點。 XX 老師淵博的知識，認真負責的工作作風，平易近人的態(tài)度讓我獲益匪淺。 [h,s,v] = rgb2hsv(Image)。； end； ifh(i,j)=190amp。amp。s(i,j) S(i,j) = 2。)。amp。h(i,j)295 H(i,j) = 7。 end if v(i,j)=1amp。D:\graduate design\test_pictures\39。 end T=Hist。s(i,j) S(i,j) = 1。amp。 % 計算每一幅圖像的顏色直方圖 [h,s,v] = rgb2hsv(Image)。v(i,j) V(i,j) = 1。amp。 end if h(i,j)=75amp。； H(i,j)=0。 參考文獻 [1]洪安祥 .基于內(nèi)容的圖像檢索若干論題研究 [D].浙江 :浙江大學 ,20xx:136. [2]M Flickner,HSawhney, by image and video content:the QBIC system[J].IEEE Computer,20xx,28(9):2332. [3]顧燕 .基于內(nèi)容的圖像檢索方法及其實驗系統(tǒng)設(shè)計 [D].江蘇 :河海大學 ,20xx:310. [4]劉士林 .基于內(nèi)容的圖像檢索 [J].佳木斯大學學報 .20xx,19(3):259. [5]徐杰 ,施鵬飛 .基于內(nèi)容的圖像檢索技術(shù) [J].中國圖像圖形學報 .20xx,8(9):978. [6]王冰 .基于顏色特征的圖像檢索方法研究 [D].山東 :山東大學 ,20xx:211. [7]高升 .基于顏色特征的圖像檢索方法及系統(tǒng)實現(xiàn) [D].北京 :北京郵電大學 ,20xx:45. [8]張潔 .基于顏色特征的圖像檢索系統(tǒng)設(shè)計與實現(xiàn) [D].吉林 :吉林大學 ,20xx:10. [9]劉德龍 .基于顏色特征的圖像檢索系統(tǒng)設(shè)計與實現(xiàn) [D].武漢 :華中師范大學 ,20xx:12. [10]孫君頂編著 .圖像低層特征提取與檢索技術(shù) [M].北京 :電子工業(yè)出版社 ,20xx:540. [11]周明全 ,耿國華 ,韋娜著 .基于內(nèi)容圖像檢索技術(shù) [M].北京：清華大學出版社 ,20xx:435. 英文摘要 Colorbased Image Retrieval Technology Computer science and technology XXXXXX Tutor XXXXXXX Abstract: This paper describes the image retrieval algorithm based on color features and gives procedures to achieve. First introduced the contentbased image retrieval technology, the history of the development and contentbased image retrieval technology characteristics and the main application explored some of the key technology used in the field, and on this basis. The article focuses on the image39。 （ 2） 從顏色特征的表示來看，各種形式的顏色直方圖是最常采用的表示方法，一般指定相同的顏色集，采用幾十到上百維的高維直方圖。D:\graduate design\test_pictures\*.jpg39。v(i,j)0 V(i,j) = 0。amp。 end if h(i,j)=40amp。 算法具體實現(xiàn) （ 1）顏色空間的選擇及顏色的矢量量化 通常 , 人們采用歐氏距離表示兩種顏色之間的差異 , 最常用的 RGB顏色空間存在一個嚴重問題是其中所計算出來的兩種顏色之間的距離無法正確表征人們實際所感知到的這兩種顏色之間的真實差異。 常見的方法有：直方圖相交法、直方圖歐氏距離、直方圖余弦距離、二值集hammimg距離、直方圖二次距離度量、二值集二次距離、直方圖 Mahalanobis距離。 位置無關(guān)性：直方圖描述了每個灰度級的像素的個數(shù)，但不能為這些像素在圖像中的位置提供任何線索。將這些油墨混合產(chǎn)生顏色稱為四色印刷。亮度 V 是顏色的明暗程度，通常用百分比度量， O%為最暗的黑色，而 100%為最亮的白色。 如圖 2 所示，采用三維直角坐標系，紅、綠、藍為原色，各個原色混合在一起產(chǎn)生復(fù)合色。 國內(nèi)研究現(xiàn)狀 相對國外而言，國內(nèi)在這方面的研究起步相對較晚： 95 年開始進行多媒體圖像檢索的研究，完成了基于顏色和基于形狀的圖像原型系統(tǒng)，總體設(shè)計思想是允許用戶找到包含特定顏色、紋理和形狀的圖像。 HSV 顏色模型有兩個重要的特點作為基礎(chǔ)。 (8)工業(yè)與商業(yè)：工業(yè)應(yīng)用包括企業(yè)多媒體信息系統(tǒng)、 CAD/CAM 等商業(yè)應(yīng)用有電子商務(wù)、在線廣告、在線購物、股票等。 四是以相關(guān)反饋為有效手段。 關(guān)鍵詞 ： 圖像檢索、顏色直方圖、特征匹配、顏色空間 1 緒論 基于內(nèi)容的圖像 檢索的概念 [1]基于內(nèi)容的圖像檢索（ Content Based Image Retrieval, CBIR）是一項 從圖像數(shù)據(jù)庫中找出與檢索式內(nèi)容相似的圖像的檢索技術(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