【正文】 像數(shù)據(jù)庫中進行檢索，得到不同的檢索結(jié)果，圖52列出了檢索結(jié)果中的前5個張圖像，分析檢索結(jié)果。圖52 檢索結(jié)果對檢索結(jié)果分析可得：本圖像檢索系統(tǒng)對圖像的檢索是有效的，都能夠與原圖像相同的圖像。采用不同的顏色空間，所得到的檢索結(jié)果有所差異。5．3．2 所耗時間分析實驗結(jié)果將記錄顏色特征入庫所耗時間，以及圖像檢索所耗時間，對其分析。所耗時間的記錄如表51所示。 表51 檢索時間表顏色入庫所耗時間檢索所耗時間檢索結(jié)果HSV14s1s一般YUV9s1s一般RGB6s1s一般XYZ8s1s一般HSL9s1s一般YIQ9s1s一般分塊加權(quán)HSV15s4s較好另外，實驗可得：被檢索的圖像在圖像庫中，或者不在圖像庫中，檢索所耗時間為一致，檢索結(jié)果也一致。特征入庫分析：RGB顏色空間的入庫時間相比其余6種顏色空間所花費的最少，為6秒；而HSV和分塊加權(quán)HSV顏色空間的入庫時間相比其余5種顏色空間所花費的最多，分別為14和15秒。圖像檢索分析：HSV，YUV，RGB，XYZ，HSL，YIQ顏色直方圖檢索所花費的時間都為1秒，而分塊加權(quán)HSV顏色直方圖所花費的時間為4秒。5．4 對該系統(tǒng)的評論該基于顏色特征的圖像檢索系統(tǒng)與手工的圖像檢索相比，有以下的優(yōu)勢：能節(jié)約人力成本，提高企業(yè)的競爭力。能方便且迅速地找到用戶所要求的圖片；跟原先手工找相比，節(jié)約了大量的時間，從而提高了工作效率。該基于顏色特征的圖像檢索系統(tǒng)與其他的圖像檢索系統(tǒng)相比，有以下的優(yōu)勢：操作簡便，便于掌握，功能實用。檢索效果好，準(zhǔn)確率高。 有快速的響應(yīng)速度，不管是圖像庫顏色特征入庫還是檢索圖片，都能在極短的時間內(nèi)完成。 本系統(tǒng)對圖片的適應(yīng)性強，對圖片的大小和旋轉(zhuǎn)沒有強制要求。 采用了圖像處理領(lǐng)域的尖端技術(shù)；提供多種顏色直方圖算法，能適合用戶的不同需求。 ，與支持bmp格式文件的系統(tǒng)相比較具有較大的優(yōu)越性。由于bmp文件需要消耗較多的系統(tǒng)資源，對系統(tǒng)的處理速度有著較大的影響，并且bmp文件占用磁盤空間也大，不利于存儲，所以建議使用jpg格式的文件。 提供強大的導(dǎo)入功能，不需要用戶手工錄入。 結(jié) 論本文面對常用的圖像檢索問題，研究了基于內(nèi)容圖像檢索的系統(tǒng)模型、特征提取和檢索技術(shù)等。其中的特征提取部分是按照顏色特征進行了深入而詳細(xì)的闡述。在此基礎(chǔ)上，本文建立了一個基于顏色特征的圖像檢索系統(tǒng)，系統(tǒng)在Windows XP professional環(huán)境下開發(fā)實現(xiàn)，采用Microsoft Visual Studio 2003編程工具，Visual C++編程語言。以下是本人對畢業(yè)設(shè)計和論文所做的一個簡單總結(jié)。總結(jié)從興起的90年代到現(xiàn)在就與內(nèi)如的圖像檢索已經(jīng)經(jīng)歷了10多年的發(fā)展歷史，已經(jīng)有了長足的進步，但是由于圖像特征描述和特征提取以及相似性度量的復(fù)雜性，其技術(shù)仍然有待改進，理論上有許多問題有待解決。本文在前人研究的基礎(chǔ)上順利的完成了ImageSystem的開發(fā)，和畢業(yè)論文的書寫。本課題采用CBIR技術(shù)開發(fā)基于顏色的圖像數(shù)據(jù)庫檢索系統(tǒng)。主要包括圖像格式 、圖像顏色模型特征研究（ImageSystem實現(xiàn)了7種顏色模型）、圖像顏色特征提取和數(shù)據(jù)庫保存。研究了相關(guān)圖像檢索的方法、相似度的算法研究、檢索效率和不同顏色模型測試的對比和分析。為了提高檢索結(jié)果的準(zhǔn)確性，在原有HSV顏色模型的基礎(chǔ)上，改進為分塊加權(quán)HSV顏色模型（33），可以更有效的得到更精確的檢索結(jié)果。，圖像顏色特征存放在數(shù)據(jù)庫中。圖像格式采用網(wǎng)絡(luò)傳輸效率高的JPG格式。整個檢索過程實現(xiàn)了進度顯示，圖像檢索結(jié)果有圖像列表顯示縮略圖（顯示36幅）。測試結(jié)果分析特征入庫時間和檢索時間。但是，對比指導(dǎo)老師畢業(yè)設(shè)計的任務(wù)書，本圖像檢索系統(tǒng)還有一定的缺陷，比如說測試結(jié)果分析中查全率和查準(zhǔn)率還沒有實現(xiàn)，不能夠更好的比較各個顏色模型的檢索效率。對現(xiàn)有圖像檢索系統(tǒng)和文獻的研究中發(fā)現(xiàn)，日前，圖像檢索領(lǐng)域尚無一個標(biāo)準(zhǔn)的評價體系。查全率和查準(zhǔn)率作為系統(tǒng)性能的評價標(biāo)準(zhǔn)都不能令人滿意?？偠灾?，基于內(nèi)容的圖像檢索系統(tǒng)，包括基于顏色特征的圖像檢索系統(tǒng)，是一個非常有前途的研究方向，它綜合了許多學(xué)科，將圖像處理、圖像理解、計算機視覺理解、數(shù)據(jù)庫、模式識別、人工自能以及神經(jīng)網(wǎng)絡(luò)等多個領(lǐng)域的研究成果結(jié)合起來。這樣的圖像檢索系統(tǒng)具有廣泛的應(yīng)用前景。本文所作的工作，對于圖像檢索的關(guān)鍵技術(shù)而言，只是其中非常有限的一部分。在每一個關(guān)鍵技術(shù)的環(huán)節(jié)中，仍然有很多問題需要進行進一步的研究和解決。本畢業(yè)設(shè)計對基于內(nèi)容的圖像檢索技術(shù)中的顏色特征做了系統(tǒng)性的初步了解，由于本人的能力和時間有限，研究水平有待提高，存在的問題有待今后更進一步的去研究和學(xué)習(xí)。展望基于內(nèi)容的圖像檢索技術(shù)是一種綜合集成技術(shù)，其一些關(guān)鍵技術(shù)，如特征提取、圖像分割、對象提取等都是圖形圖像界的經(jīng)典難題。歸結(jié)其困難本質(zhì)是在本身不含有任何語義內(nèi)容的圖像數(shù)據(jù)上進行基于內(nèi)容的檢索，各種相關(guān)的理論和技術(shù)都不盡完善，還有許多問題需要進一步深入研究。展望本圖像檢索的未來研究方向，可以考慮在以下4點更高的層次上進行，以便達到更完善的圖像檢索效果。1．MPEG7MPEG7的標(biāo)準(zhǔn)草案已經(jīng)出臺，這是一個描述多媒體內(nèi)容的標(biāo)準(zhǔn)。它第一次把圖像和多媒體相關(guān)的內(nèi)容通過具體的標(biāo)準(zhǔn)來描述，并建立了一定的描述機制、目標(biāo)模型以及相應(yīng)的描述語言。這就為圖像檢索新的發(fā)展提供了非常有利的保證。所以建立一個完善的MPEG7標(biāo)準(zhǔn)從圖像檢索的意義上來講是很重要的。2．系統(tǒng)中人的介入計算機視覺和模式識別系統(tǒng)目前都離不開人的介入。考慮到基于內(nèi)容的圖像檢索技術(shù)與這兩個學(xué)科的淵源，人機協(xié)作應(yīng)該是未來的發(fā)展方向。這個結(jié)論從圖像檢索的本身發(fā)展過程也可以得出。早期的文獻大多強調(diào)“完全自動化的系統(tǒng)”以及致力于尋找“最好的單個特征”，但由于計算機視覺水平的限制，并未成功。因此，近年來更多的研究集中在“交互式系統(tǒng)”和“系統(tǒng)中人的介入”。例如，QBIC系統(tǒng)中使用交互式進行圖像分割；MIT研究組在Photobook系統(tǒng)中加入了人的介入，使得版本升級到Foureyes；MARS系統(tǒng)則首先使用了相關(guān)反饋技術(shù)，通過人和計算機的交互協(xié)作提高系統(tǒng)的性能。這正是本系統(tǒng)所欠缺的部分，由于沒有加入人對檢索得到的圖像的反饋信息，使得那些和基準(zhǔn)查詢圖像不相似的圖像得不到有效的去除。3．面向WebWWW正己驚人的速度發(fā)展，為了組織和檢索日益增長的信息資源，發(fā)展基于Web的搜索引擎是非常有必要的。事實上，Yahoo,A1taVisat,Infoseek等文本搜索引擎極高的訪問頻率很好的反映了這一需求。盡管目前已經(jīng)出現(xiàn)了基于 Web的圖像搜索引擎，但是因為缺乏突破性的進展，仍然無法和文本搜索引擎相比擬。這當(dāng)中的主要技術(shù)障礙就是如何把當(dāng)前多數(shù)系統(tǒng)中使用的低級的視覺特征擴展到更高級的語義特征上去。4．性能評估標(biāo)準(zhǔn)和測試平臺任何技術(shù)的發(fā)展都依賴于該領(lǐng)域的評估標(biāo)準(zhǔn)。一個好的評估標(biāo)準(zhǔn)能很好的引導(dǎo)該技術(shù)的發(fā)展方向。如數(shù)據(jù)壓縮中使用的信噪比(SNR)和基于文本的信息檢索中使用的查全率和查準(zhǔn)率都對各自領(lǐng)域的發(fā)展起了很大的推動作用。日前，圖像檢索領(lǐng)域尚無一個標(biāo)準(zhǔn)的評價體系。在一些文獻中有使用“cost /time”的，也有借用文本信息檢索中的查全率和查準(zhǔn)率作為系統(tǒng)性能的評價標(biāo)準(zhǔn)。但是這兩種評價標(biāo)準(zhǔn)都不能令人滿意。造成這種情況的主要原因可能是由于人感知的主觀性和評估標(biāo)準(zhǔn)的客觀性之間的矛盾難以調(diào)和。參 考 文 獻[1] 章毓晉. 圖像工程上冊、下冊 圖像處理和分析[M]. 清華大學(xué)出版社 [2] 章毓晉. 基于內(nèi)容的視覺信息檢索[M]. .[3] 何斌. Visual C++數(shù)字圖像處理（第二版）[M]. . 330410.[4] 楊淑瑩. VC++圖像處理程序設(shè)計[M]. .[5] 陳純. 計算機圖像處理技術(shù)與算法[M]. 清華大學(xué)出版社. .[6] 李冬梅. 基于顏色直方圖的圖像檢索技術(shù)應(yīng)用研究. 河海大學(xué). 碩士學(xué)位論文[7] 龐銀卓. 基于內(nèi)容的圖像檢索系統(tǒng)[M]. 天津大學(xué). 2004 1201[8] 李翔坤. 顏色特征在圖像檢索中的應(yīng)用[J]. 遼寧示范大學(xué). 200405[9] 吳成玉、邰曉英. 基于顏色特征的圖像檢索[J]. 計算機應(yīng)用學(xué)報. 2004年6月[10] 基于顏色特征的圖像檢索匹配算法的研究及其系統(tǒng)的開發(fā)[D]. 中國農(nóng)業(yè)大學(xué)碩士論文[11] 王濤、胡事民. 基于顏色－空間特征的圖像檢索[J]. ，[12] 圖像檢索系統(tǒng)中特征提取和特征綜合研究[D]. 哈爾濱工業(yè)大學(xué)碩士學(xué)位論文[13] 竇建軍、文俊、劉重慶．基于顏色直方圖的圖像檢索技術(shù)[J]．紅外與激光工程，第34卷第1期.[14] 劉忠偉、章毓晉. 利用顏色特征進行圖象檢索[J]. 電子技術(shù)應(yīng)用APPLICATION OF ELECTRONIC TECHNIQUE. 1999年第2期 1999[15] . Swain and . Ballard. Color indexing. International Journal of Computer Vision, , No. 1, 1991: 11～32[16] Sagarmay Deb，Yanchun ZhangAn. overview of contentbased image retrieval techniques. NSW 2114， Australia [17] Biren Shah，Vijay Raghavan，Praveen Dhatric. Efficient and Effective ContentBased Image Retrieval using Space Transformation. University of Louisiana，Lafayette致 謝感謝我的導(dǎo)師沈?qū)W東老師。在本科學(xué)習(xí)期間，沈老師給了我多方面的指導(dǎo)與幫助，為我平時的學(xué)習(xí)以及現(xiàn)在畢業(yè)設(shè)計的順利完成都提供了良好的環(huán)境與氛圍。沈老師治學(xué)嚴(yán)謹(jǐn)?shù)膽B(tài)度、研究務(wù)實的理念和求實創(chuàng)新的拼搏精神對我產(chǎn)生了很深的影響，使我受益匪淺。此次畢業(yè)設(shè)計從選題直至最后畢業(yè)論文的順利完成，每一步都離不開沈老師的指導(dǎo)。謹(jǐn)在此對沈老師表示深深的謝意。附 錄YUV顏色直方圖，RGB顏色直方圖，XYZ顏色直方圖，HSL顏色直方圖，YIQ顏色直方圖的算法分別如下：BOOL CFeature::Color_YUV(CxImage* pImage, HSV_DATA* pHsvData){ double feaHsv[256]。 CFeature::YUVHistoReduced(pImage, feaHsv, COLOR_BIN)。 for(int j = 0。j 256。j++) { pHsvDatapush_back(feaHsv[j])。 } return TRUE。}BOOL CFeature::Color_RGB(CxImage* pImage, HSV_DATA* pHsvData){ double feaHsv[256]。 CFeature::RGBHistoReduced(pImage, feaHsv, COLOR_BIN)。 for(int j = 0。j 256。j++) { pHsvDatapush_back(feaHsv[j])。 } return TRUE。}BOOL CFeature::Color_XYZ(CxImage* pImage, HSV_DATA* pHsvData){ double feaHsv[256]。 CFeature::XYZHistoReduced(pImage, feaHsv, COLOR_BIN)。 for(int j = 0。j 256。j++) { pHsvDatapush_back(feaHsv[j])。 } return TRUE。}BOOL CFeature::Color_HSL(CxImage* pImage, HSV_DATA* pHsvData){ double feaHsv[256]。 CFeature::HSLHistoReduced(pImage, feaHsv, COLOR_BIN)。 for(int j = 0。j 256。j++) { pHsvDatapush_back(feaHsv[j])。 } return TRUE。}BOOL CFeature::Color_YIQ(CxImage* pImage, HSV_DATA* pHsvData){ double feaHsv[256]。 CFeature::YIQHistoReduced(pImage, feaHsv, COLOR_BIN)。 for(int j = 0。j 256。j++) { pHsvDatapush_back(feaHsv[j])。 } return TRUE