【文章內(nèi)容簡介】 所選擇的特征應盡可能表達原始圖像的信息。同時，可以借助一些先進的數(shù)學工具來提取圖像特征，如基于泛函分析和小波分析的特征數(shù)據(jù)表示等?？傊?，特征提取是檢索方法成功與否的關(guān)鍵步驟。 數(shù)據(jù)庫檢索技術(shù) 應選擇一種最有效的數(shù)據(jù)庫查詢方法來檢索目標圖像，而且在構(gòu)造數(shù)據(jù)庫時應充分考慮查詢的方便性。 因此，數(shù)據(jù)庫檢索技術(shù)是圖像查詢效率的最直接反映。 綜合查詢技術(shù) 由于圖像內(nèi)容特征可由顏色、紋理或形狀等表示，因此可以綜合這些特征作為圖像的總體特征進行查詢，同時，還可以利用一些客觀屬性 (如時間等 )作為輔助查詢。 基于彩色直方圖的圖像檢索步驟 圖像 特征提取 對圖像數(shù)據(jù)進行自動或半自動的特征提取，提取用戶感興趣的、適合檢索要求的特征。特征提取可以是全局性的，如整幅圖像，也可能是針對某個目標，如圖像中的子區(qū)域等。 基于彩色直方圖的圖像檢索 JPEG 解壓縮關(guān)鍵模塊 6 圖像匹配 在選取了特征之后，需要選擇或?qū)ふ疫m當?shù)?判別準則，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。常用的度量準則是距離度量法。 距離度量 圖像檢索的性能不僅依賴于所抽取的圖像特征 , 而且也與所采用的距離度量或相似度量函數(shù)密切相關(guān) . 所謂相似度量函數(shù) , 就是根據(jù)某些預先設(shè)定的準則來計算并返回兩個圖像之間的相似度 . 為了確定合適的相似度量函數(shù) , 我們對不同的距離度量進行了實驗 , 例如 , L p 距離、余弦距離等 . 我們在實驗中發(fā)現(xiàn) , 使用不同的 L p 距離度量均能得到較滿意的檢索結(jié)果 , 并且不同的 L p 距離度量幾乎均 給出相同的檢索結(jié)果 . 因此 , 我們就選取最簡單的歐氏距離作為距離度量 [7]. 設(shè) x= (x1,x2,……,xk) , y= (y1,y2, ……,yk ) 為兩個圖像 , 則它們之間的距離定義為 :d2hist(x,y)=(x1 y1)2+(x2y2)2+ ……+(xn yn)2 ① 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。 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。 基于顏色特征的圖像檢索 顏色特征 在圖像的形狀、顏色、紋理等特征中，顏色特征是最顯著、最可靠、最穩(wěn)定的視覺特征，是人識別圖像的主要感知特征。相對于幾何特征而言，顏色對圖像中子對象的大小和方向的變化都不敏感，具有相當強的魯棒性。同時，在許多情況下，顏色又是描述基于彩色直方圖的圖像檢索 JPEG 解壓縮關(guān)鍵模塊 7 一幅圖像最簡便而有效的特征。人們對于一幅圖像的印象，往往從圖像中顏色的空間分布開始。所有這些都促使顏色成為基于內(nèi)容的圖像檢索所采取的主要手段之一。 對于基于顏色特征的圖像檢索，科學工作者們提出了多種方案。譬如 顏色直方圖、主色調(diào)、顏色矩 (Color Moments)，顏色集 (Color sets)、聚類、掃描線投影等檢索算法，顏色直方圖是目前較常使用的檢索方法。 顏色直方圖 在顏色檢索中 ,顏色直方圖是最通用的顏色特征表示形式。他運用了統(tǒng)計學的方法 ,表示出 3個顏色通道分布密度的聯(lián)合概率。 1990 年 Swain 和 Ballad 提出了直方圖相交算法 ,其成為這一方面的奠基性工作 ,目前這一算法仍被廣泛使用。顏色直方圖是刻畫圖像顏色信息的一種有效方法。從概率的角度講 ,顏色直方圖反映的是 3 個顏色通道強度的聯(lián)合概 率 [1]。一幅圖像的顏色直方圖空間 H可以定義為 : 其中 h[ck]表示第 k 種顏色出現(xiàn)頻數(shù)。顏色直方圖的主要特點有 :他只包含了該圖像中某一顏色值出現(xiàn)的頻數(shù) ,而丟失了某象素所在的空間位置信息 。任一幅圖像都能惟一地給出一幅與他對應的直方圖 ,但不同的圖像可能有相同的直方圖 ,也就是說直方圖與圖像是一對多的關(guān)系 。 紋理特征 在許多類圖像中 ,紋理是一種十分重要的特征。例如 ,大部分航空和衛(wèi)星遙感圖像、醫(yī)學顯微圖像以及石油地球物理勘探所得到的人工地震剖面圖像等 ,都可以看成是由不同類型紋理所組成的。因此研究對 紋理的描述、紋理圖像的分割、分類等 ,不僅是圖像處理領(lǐng)域的重要理論研究課題 ,同時也有著廣泛的應用前景。多年來 ,紋理分析方法分為2大類 :統(tǒng)計分析方法和結(jié)構(gòu)分析方法。前者從圖像有 關(guān)屬性的統(tǒng)計分析出發(fā) 。后者則力圖找出紋理基元 ,再從結(jié)構(gòu)組成上探索紋理的組成規(guī)律。一般來說 ,統(tǒng)計分析方法能夠取得較好的效果 ,所以一直占據(jù)著主導地位。早在 20世紀 70 年代早期 ,Haralick 等提出用灰度共生矩陣來表示紋理特征 ,Weszka 等人從實驗基于彩色直方圖的圖像檢索 JPEG 解壓縮關(guān)鍵模塊 8 中發(fā)現(xiàn)由灰度共生矩陣計算出的簡單統(tǒng)計量如熵 ,角二階矩等比復雜統(tǒng)計量更有效。其他主要算法有 :Tamura 等人提出的多個視覺紋理 (粗糙度、對比度、方向性、線性度、規(guī)則度和平滑度 )特征 。Paschos 提出的染色體矩法 。 He 等提出一種基于紋理譜特征的紋理抽取方法 。Ojala 等提出用局部二進制模式 (Local Binary Pattern,LBP)進行灰度紋理分類 ,這種方法有較好的尺度和旋轉(zhuǎn)不變性等。 形狀特征 形狀是刻畫物體的本質(zhì)特征之一 ,在二維圖像空間中 ,形狀通常被認為是一條封閉的輪廓曲線所包圍的區(qū)域 ,所以對形狀的描述涉及到對輪廓邊界的描述以及對這個邊界所包圍區(qū)域的描述。目前的基于形狀檢 索方法大多圍繞著從形狀的外輪廓特征和形狀的區(qū)域特征建立圖像索引?？偟膩碚f ,形狀表示法可以分為 2類 :基于邊界的和基于區(qū)域的。前者僅使用形狀外邊界 ,而后者則用了整個形狀的區(qū)域信息 。 圖像特征提取的方法 圖像特征提取的好壞，將直接影響著圖像檢索系統(tǒng)的性能，特征提取是基于內(nèi)容的圖像檢索的基礎(chǔ)。特征的提取可以分為手工提取、半自動提取和自動提取。這在很大程度上依賴于圖像處理技術(shù)的發(fā)展。 從圖像中提取出來的圖像特征，主要分為三個層次 :低層次、中層次和高層次。低層次的圖像特征是形狀、紋理、 顏色、輪廓等圖像某一 方面的特征。高層次的圖像特征是在圖像中層次特征基礎(chǔ)上的再一次抽象，它賦予圖像一定的語義信息，是圖像所包含內(nèi)容的一種抽象概括，也是基于內(nèi)容的圖像檢索所要達到的最終目標。本文主要是針對顏色特征的提取進行研究。 直方圖 特征 的 提取與圖像子塊的劃分 對圖像數(shù)據(jù)進行自動或半自動的特征提取，提取用戶感興趣的、適合檢索要求的特征。 特征提取是圖像分析和識別的基礎(chǔ)， 特征提取的方法是決定圖像檢索系統(tǒng)效率的關(guān)鍵。 基于彩色直方圖的圖像檢索 JPEG 解壓縮關(guān)鍵模塊 9 一般情況下 ,圖像的目標形狀可以通過圖像分割獲得。但是 ,圖像分割是圖像分析中公開的難題 ,尤其對于場景復雜 的圖像 ,通過分割直接提取有意義的形狀特征幾乎是不可能的。 為了避免圖像分割的困難 ,文中采用幾何劃分的方法對圖像進行局部特征提取 ,并用特征組合描述整幅圖像。本文將圖像劃分成大小相等的柵格狀區(qū)域 ,提取每塊的顏色直方圖作為特征矢量。用具有視覺一致性的 HSV 顏色空間模型分析圖像顏色信息。為了減少計算復雜性 ,將 HSV 空間的每一維分量都均勻量化為 10 份。因為光照強度不影響圖像的內(nèi)容表示 ,所以 V 分量可以忽略不計。這樣計算顏色直方圖時 ,通過劃分后 ,每一個塊的特征包含了顏色的局部分布信息 ,而所有塊的空間分布 ,又反映了圖 像內(nèi)容的顏色模式結(jié)構(gòu)。因此 ,對于一幅場景復雜的圖像 ,可以從結(jié)構(gòu)分布的角度 ,用特征組合的方式描述。 在基于劃分的特征表示方法中 ,劃分尺度的選擇直接影響圖像內(nèi)容描述的有效性。全局顏色直方圖雖然具有計算簡單 ,對平移和旋轉(zhuǎn)不敏感的優(yōu)點 ,但無法捕捉顏色組成之間的空間關(guān)系 ,丟失了圖像的空間信息，這無疑是不夠準確的。兩幅顏色直方圖非常相似的圖像其內(nèi)容可能絲毫無相似之處。因此 ,在基于顏色的圖像檢索中引入空域的信息對于確保檢索精度是十分重要的。事實上 ,顏色的不同空間分布極大地影響了人們對圖像的相似性判斷。鑒于此 ,解決方法 之一就是基于圖像空間的固定劃分 ,即人為地將圖像劃分成適當?shù)姆謮K ,然后為每個分塊提取相應的局部顏色特征。我們知道分塊太大則失去分塊的意義 ,若分塊太小則會增加檢索過程的計算量。圖像的距離矩陣攜帶的空間信息越完備 ,檢索精度也越高 ,計算復雜度也越高。 顏色模型 選擇 RGB 模型 RGB模型基于笛卡爾坐標系統(tǒng) ,3個軸分別為 R,G,B,假定所有的顏色 (R,G,B)值都在區(qū)間 [0,1]中 ,如圖 1所 示。 基于彩色直方圖的圖像檢索 JPEG 解壓縮關(guān)鍵模塊 10 圖 1 HSV 模型 HSV模型是一種基于感知的顏色模型 ,他把彩色信號表示為 3種屬性 :色調(diào) (Hue)、飽和度 (Saturation)和亮度 (Value)。色調(diào) H 表示從一個物體反射過來的或透過物體的光波長 ,亮度 V 是顏色的明暗程度 ,色度或飽和度 S 指顏色的深淺。 HSV 模型中的顏色分量可定義在如圖 2（ a） 所示的三角形中。如果把 3種顏色結(jié)合到 3D 顏色空間 ,則得到如圖 2(b)中所示的雙棱錐結(jié)構(gòu)。 圖 2 基于彩色直方圖的圖像檢索 JPEG 解壓縮關(guān)鍵模塊 11 第三章 JPEG 解壓縮關(guān)鍵模塊設(shè)計 動靜態(tài)圖像壓縮 靜態(tài)圖像壓縮技術(shù)主要是對空間信息進行壓縮，而對動態(tài)圖像來說，除對空間信息進行壓縮外，還要對時間信息進行壓縮。目前已形 成三種壓縮標準 ，其中就有 JPEG標準 。 JPEG概述 JPEG 的全稱為 Joint Photographic Experts Group，它是一個在國際標準組織 (ISO)下從事靜態(tài)圖像壓縮標準制定的委員會，它制定出了第一套國際靜態(tài)圖像壓縮標準： ISO 10918－ 1，俗稱 JPEG。由于相對于 BMP 等格式而言，品質(zhì)相差無己的 JPEG 格式能讓圖像文件“苗條”很多，無論是傳送還是保存都非常方便，因此 JPEG 格式在推出后大受歡迎。隨著網(wǎng)絡的發(fā)展， JPEG 的應用更加廣泛，目前網(wǎng)站上 80％的圖像都采用 JPEG格式。 JPEG(Joint Photographic Experts Group) 是一個由 ISO 和 IEC 兩個組織機構(gòu)聯(lián)合組成的一個專家組，負責制定靜態(tài)的數(shù)字圖像數(shù)據(jù)壓縮編碼標準，這個專家組開發(fā)的算法稱為 JPEG 算法，并且成為國際上通用的標準，因此又稱為 JPEG 標準。 JPEG 是一個適用范圍很廣的靜態(tài)圖像數(shù)據(jù)壓縮標準，既可用于灰度圖像又可用于彩色圖像。 JPEG（ Joint Photographic Experts Group）標準 用于連續(xù)色凋、多級灰度、彩色／單色靜態(tài)圖像壓縮。具有較 高壓縮比的圖形文件（一張 1000KB 的 BMP 文件壓縮成 JPEG 格式后可能只有 20－ 30KB），在壓縮過程中的失真程度很小。目前使用范圍廣泛（特別是 Inter 網(wǎng)頁中）。這種有損壓縮在犧牲較少細節(jié)的情況下用典型的 4： 1 到 10： 1 的壓縮比來存檔靜態(tài)圖像。動態(tài) JPEG（ MJPEG)可順序地對視頻的每一幀進行壓縮，就像每一幀都是獨立的圖像一樣。動態(tài) JPEG 能產(chǎn)生高質(zhì)量、全屏、全運動的視頻，但是，它需要依賴附加的硬件。 基于彩色直方圖的圖像檢索 JPEG 解壓縮關(guān)鍵模塊 12 JPEG解壓縮算法 的概況 JPEG 專家組開發(fā)了兩種基本的壓縮算法，一種是采用 以離散余弦變換 (Discrete Cosine Transform， DCT)為基礎(chǔ)的有損壓縮算法，另一種是采用以預測技術(shù)為基礎(chǔ)的無損壓縮算法。使用有損壓縮算法時，在壓縮比為 25:1 的情況下，壓縮后還原得到的圖像與原始圖像相比較，非圖像專家難于找出它們之間的區(qū)別，因此得到了廣泛的應用。例如，在 VCD 和 DVDVideo 電視圖像壓縮技術(shù)中，就使用 JPEG 的有損壓縮算法來取消空間方向上的冗余數(shù)據(jù)。為了在保證圖像質(zhì)量的前提下進一步提高壓縮比，近年來JPEG 專家組正在制定 JPEG 2020(簡稱 JP 2020)標準 ，這個標準中將采用小波變換(wavelet)算法。 JPEG 壓縮是有損壓縮，它利用了人的視角系統(tǒng)的特性，使用量化和無損壓縮編碼相結(jié)合來去掉視角的冗余信息和數(shù)據(jù)本身的冗余信息。壓縮編碼大致分成三個步驟： (forward discrete cosine transform， FDCT)把空間域表示的圖變換成頻率域表示的。 DCT 系數(shù)進行量化，這個加權(quán)函數(shù)對于人的視覺系統(tǒng)是最佳 。 JPEG 壓縮過程分析 BMP 圖像壓縮成 JPEG 格式的過程 ： JPEG壓縮過程 JPEG Compress FDCT 量化器 熵編碼器 量化表 熵編碼表 8*8 圖像塊 DCT 基編碼器 壓縮 圖像數(shù)據(jù) 原圖像數(shù)據(jù) 基于彩色直方圖的圖像檢索 JPEG 解壓縮關(guān)鍵模塊 13 譯碼或者叫做解壓縮的過程與壓縮編碼過程正好相反。 JPEG 算法與彩色空間無關(guān)，因此“ RGB 到 YUV變換”和“