【文章內(nèi)容簡介】 關(guān)系特征等。v 存儲子系統(tǒng)負(fù)責(zé)存儲和管理原始圖像數(shù)據(jù)。圖像數(shù)據(jù)庫中存儲的信息有圖像數(shù)據(jù)，特征索引數(shù)據(jù)和其他文本描述信息。存儲技術(shù)包括圖像預(yù)處理技術(shù)和壓縮技術(shù)等。預(yù)處理技術(shù)是圖像在入庫之前的處理，包括濾出噪聲，對比度調(diào)整，幾何矯正和比例變換等。壓縮技術(shù)是節(jié)約圖像數(shù)據(jù)占用空間的手段，系統(tǒng)需要支持各種不同的壓縮格式和它們之間的相互轉(zhuǎn)換。 CBIR的檢索過程基于內(nèi)容的圖像檢索是一個逐步求精的過程，大致可以經(jīng)過以下幾個步驟:v 查詢要求用戶查找一個數(shù)據(jù)對象時，利用系統(tǒng)人機界面提供的輸入方式形成一個查詢條件。查詢接口一般要對所提交的數(shù)據(jù)進行預(yù)處理，然后再傳遞給搜索引擎。v 特征提取特征提取是以手工提取、半自動提取或自動提取的廣度提取圖像的顏色、紋理、形狀等特征或它們的組合。圖像的特征，是人對圖像視覺效果的量化表示，能較好的表征人對圖像的視覺感受。v 相似性匹配在選取了特征之后，將待識別的圖像的特（查詢特征）與數(shù)據(jù)庫中的特征按照一定的匹配算法進行匹配。將圖像的特征看作是坐標(biāo)空間中的點，通過距離度量函數(shù)計算兩個點之間的接近程度來衡量圖像特征間的相似度。v 結(jié)果返回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。v 特征調(diào)整對系統(tǒng)返回的結(jié)果可通過瀏覽來挑選，直至找到滿意的結(jié)果，或從候選結(jié)果中選擇一個示例，經(jīng)過特征調(diào)整，形成一個新的查詢。如此重復(fù)，逐步縮小查詢的范圍，直到用戶對查詢結(jié)果滿意為止。特征提取相似性匹配返回候選結(jié)果滿意？輸出檢索結(jié)果用戶查詢說明示例、一般性描述從候選結(jié)果中選擇一個示例修改用戶查詢說明 N Y CBIR的處理過程第三章 基于顏色的圖像檢索 顏色模型和顏色空間顏色是視覺系統(tǒng)對可見光的感知結(jié)果。自然界中的任何一種顏色都可以由R、G、B這3 種顏色值之和來確定，它們構(gòu)成一個三維的RGB矢量空間。顏色模型（color model）是用數(shù)值方法指定顏色的一套規(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，從這個意義上說，顏色模型和顏色空間互為同義詞。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。顏色空間通常用三維模型表示，空間中的顏色能夠看到或者使用顏色模型產(chǎn)生。顏色空間中的顏色通常使用代表三個參數(shù)的三維坐標(biāo)來指定，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)。 顏色的度量體系顏色度量體系（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。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)。顏色模型是用簡單方法描述所有顏色的一套規(guī)則和定義。顏色空間是顏色模型最普通的例子，RGB、CIE XYZ、CIE LAB、CMYK等。對于顏色空間的構(gòu)造需要滿足三個要求：v 完備性(Completeness)，顏色空間應(yīng)能描述人能感知的所有顏色；v 一致性(Uniformity )，顏色在空間度量的差異和感知的差異相吻合；v 唯一性(Uniqueness)，顏色空間中顏色在感知上彼此不同。 RGB顏色空間RGB空間模型是使用紅、綠、藍的亮度值，大小限定到一定范圍，如0255。R、G、B以不同程度的混合可以調(diào)出各種各樣的色彩，并都能用三維空間中第一象限的一個點來表示，如圖的立方體所示，三色圖像的灰度級直方圖是RGB空間的點分布。在RGB彩色空間的原點上，任何一種基色的亮度值都為0，即原點為黑色。三基色都達到最高亮度時則表示為白色。在連接黑色與白色的正方體對角線上，各原色的強度相等，產(chǎn)生由暗到明的白色，也就是不同的灰度值。立方體位于坐標(biāo)軸上的三個頂點分別為三基色紅、綠、藍色，而另外三個頂點則對應(yīng)于二次色黃色、青色以及品紅。 藍(0，0，1) B 青(0，1，1) 品紅(1，0，1) 白(1，1，1) 灰度 黑(0，0，0) G R 紅(1，0，0) 黃(1，1，0) RGB彩色立方體模型 HSV顏色空間HSV模型是另一種彩色系統(tǒng)，它是根據(jù)視覺原理定義了三個互不相關(guān)的顏色屬性：色度（H）、飽和度（S）、亮度（V），其中，H 是表面呈現(xiàn)近似紅、黃、綠、藍等顏色的一種或幾種目視感知屬性；S 是顏色具有白光的程度；V 是物體表面相對明暗特性。HSV顏色空間可以看作是倒置的圓錐形，長軸表示亮度V，通過用百分比度量，從黑0%到白100%，體現(xiàn)光線的明暗程度。離開長軸的距離表示飽和度S，即顏色的統(tǒng)一純度，它也用百分比來表示，從0%到完全飽和的100%。圍繞著軸的角度是色調(diào)H，它用1800~1800或者00~3600度量，色調(diào)尤其影響著人類的視覺判斷。 V 綠(1200) 黃 青 紅(00)　　　　　　　　　　　　　　　　　　　　　　　　　　　藍(2400) 品紅 Ｈ S HSV顏色模型HSV 顏色空具有以下的優(yōu)點：v 符合人眼對顏色的感覺，人的視覺對亮度的敏感程度遠強于對顏色濃淡的敏感程度，所以HSV色彩空間比RGB色彩空間更符合人的視覺特性，便于色彩的處理和識別；v HSV 顏色空間中 3 個坐標(biāo)是獨立的，即人可以獨立感知各顏色分量的變化；v HSV 顏色空間構(gòu)成的是一個均勻的顏色模型，采用線性的標(biāo)尺，顏色之間感覺上的距離與 HSV 顏色空間坐標(biāo)上點的歐幾里德距離成正比。 均勻顏色空間的量化目前，大多數(shù)圖像均以真彩色的格式存儲，真彩色能夠表示224種顏色。理論上，計算圖像的顏色特征時，使用真彩色效果最好，但是特征抽取和特征匹配算法的計算復(fù)雜性以及特征的存儲空間都將隨實際顏色數(shù)目增多而非線性膨脹，顯然這直接影響到檢索的效率和速度，而且人眼只能識別出有限種顏色，比較人眼不能區(qū)分的顏色是沒有意義的，因此在圖像處理前，需要先量化顏色空間。顏色直方圖可以由一維向量表示為H(I)=(hc1(I)，hc2(I)，...，hcm(I))其中hcj(I)表示圖像中I中具有顏色cj(j=1，...，n)，檢索精度就越高，但是增加了系統(tǒng)開銷，降低檢索速度，而且當(dāng)維數(shù)大于一定程度時，將產(chǎn)生實際人眼不能區(qū)分的許多顏色相反則導(dǎo)致大量顏色信息的丟失，影響檢索的精度。顏色空間一般是三維的，3x1D的顏色直方圖是常用的最簡單的顏色信息提取和表示方法。每個顏色空間又有三個通道，分別是紅（R）、綠（G）、藍（B）、色調(diào)（H）、飽和度（S）、亮度（V）。設(shè)各通道的量化級數(shù)分別為l，m，n，則總的特征維數(shù)K=l+m+n采用3x1D的顏色直方圖，由于其簡單性，被較多的系統(tǒng)使用，在系統(tǒng)中，一般只選用一個顏色空間，在其上統(tǒng)計顏色直方圖。這種不考慮聯(lián)合分布的方法，會導(dǎo)致在結(jié)果集中不相似的圖像數(shù)量增加。顏色空間均勻量化還可采用聯(lián)合的的顏色直方圖，三個通道量化后，統(tǒng)計的是聯(lián)合概率分布，而不是獨立考慮三通道。設(shè)各通道的量化級數(shù)分別為l，m，n，則總的量化級數(shù)（特征維數(shù)）K=lxmxn。這種方法克服了以檢索圖像的缺點，但顏色分辨率較低，而特征維數(shù)較高。在均勻顏色量化方法中，變量的范圍被分為相等的空間。均勻顏色量化方法簡單，計算速度快，但是，量化后的顏色空間中許多部分是沒用的，這是因為圖像中可能不含有這些量化區(qū)間中的顏色。 顏色特征、特征提取及特征表達顏色特征與圖像中的物體或場景十分相關(guān)，它定義明確，抽取容易，對圖像本身的尺寸、方向、視覺的依賴性較小，具有尺度不變性、旋轉(zhuǎn)不變性和位置不變性等特點，對圖像的描述最簡便而有效，在圖像的各種特征中最顯著、可靠和穩(wěn)定，是人識別圖像的主要感知特征。顏色的特征表達首先依賴于所選用的顏色模型，不同的顏色模型，不同的具體應(yīng)用，要與之適應(yīng)的顏色模型，最好選擇與人的感覺相一致的顏色空間。然后采用一定的量化方法將顏色特征表達為向量的形式，最后定義一種相似度（距離）標(biāo)準(zhǔn)用來衡量不同圖像之間在顏色上的相似性，進行相似度比較。顏色特征的表達方式有多種，一般常用的表示為顏色直方圖、二值顏色集、模糊顏色直方圖等。顏色直方圖是顏色信息的函數(shù)，其核心思想是在一定的顏色空間中對圖像各種顏色出現(xiàn)的頻數(shù)進行統(tǒng)計，顏色直方圖描述的是不同色彩在整幅圖像中所占的比例，而并不關(guān)心每種色彩所處的空間位置，即圖像的對象或物體。它的優(yōu)點就在于它能簡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分割的圖像和不需要考慮物體空間位置的圖像。顏色直方圖可以基于不同的顏色空間和坐標(biāo)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?；赗GB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。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。而彩色圖像用一個RGB顏色直方圖表示時，其統(tǒng)計的是不同顏色出現(xiàn)的頻數(shù)，以色彩作為橫坐標(biāo)，縱坐標(biāo)為色彩出現(xiàn)的頻數(shù)。在RGB顏色空間中，顏色直方圖可以看成是一個離散函數(shù)，即 ()其中，k表示圖像的特征取值，L表示特征可取值的個數(shù)，凡表示圖像中具體征值為k的像素個數(shù)，n表示圖像像素的總個數(shù)。 顏色直方圖的特性位置無關(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。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，但并非一一對應(yīng)，而是一對多，不同的圖像有可能具有相同的直方圖特征。疊加性：如果一幅圖像由兩個不連接的區(qū)域組成，并且每個區(qū)域的直方圖己知，則整幅圖像的直方圖是該兩個區(qū)域的直方圖之和。該結(jié)論可推廣到任何數(shù)目的不連接區(qū)域的情形。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。再如圖像的灰度動態(tài)范