【導(dǎo)讀】脹，全世界的數(shù)字圖像的容量以驚人的速度增長(zhǎng)，這些圖像分布在世界各地，而且隨著數(shù)據(jù)庫(kù)數(shù)以萬(wàn)計(jì)地增加，人們尋找資料變得非常耗。時(shí)，造成資源無(wú)法有效利用。等具有較強(qiáng)客觀性的特征進(jìn)行檢索。數(shù)學(xué)模型是CBIR系統(tǒng)的核心，它決定了CBIR所能支持的。查詢類型和檢索性能。領(lǐng)域無(wú)關(guān)的和能夠有效存儲(chǔ)的物理特性及邏輯特征。在對(duì)圖像的檢索中，最主要的方式是相似性檢索。像數(shù)據(jù)庫(kù)中找到與給定圖像最為相似的一幅。特征建立特征庫(kù)。由于圖像特征一般都是高維的矢量數(shù)據(jù)，所以這時(shí)圖像檢。索就轉(zhuǎn)化為對(duì)空間數(shù)據(jù)庫(kù)中高維數(shù)的近鄰檢索問(wèn)題。累加直方圖能體現(xiàn)信號(hào)在分布軸上各抽樣點(diǎn)間的相。對(duì)課題理解正確，方案可行，同意實(shí)施。式開(kāi)始的第1周周五之前獨(dú)立撰寫(xiě)完成，并交指導(dǎo)教師審閱。目前研究的熱點(diǎn)。解放出來(lái)，能夠方便、快速、準(zhǔn)確的從圖像數(shù)據(jù)庫(kù)中查找特定圖像。

　　

【正文】 就越大，因?yàn)榉讲钍腔叶确植季鶆蛐缘囊环N度量，方差越大，說(shuō)明構(gòu)成圖像的兩部分差別越大。當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)時(shí)，都會(huì)導(dǎo)致兩部分差別變小，因此使類間方差最大的分割意味著錯(cuò)分的概 率最小。 對(duì)圖像 I，記 T 為前景與背景的分割閾值，前景點(diǎn)數(shù)占圖像總點(diǎn)數(shù)比例為 0? ，平均灰度為 u0，背景點(diǎn)數(shù)點(diǎn)總點(diǎn)數(shù)比例為 1? ，平均灰度為 u1，圖像的總平均灰度為 uT= 0? xu0+ 1? xu1，從最 小灰度值到最大灰度值遍歷 T，當(dāng) T 使得方差值 2112021 )()( TT uuuu ?????? ??? 最大時(shí)， T即為分割的最佳閾值。 圖像的相似性度量 圖像檢索的效果很大程度上取決于匹配算法的優(yōu)劣。基于文本的檢索方法中 使用的是文本的精確匹配，而基于內(nèi)容的圖像檢索則通過(guò)計(jì)算查詢和候選圖像之 間的視覺(jué)特征的相似度來(lái)完成。以一定的計(jì)量或測(cè)量方法來(lái)判斷圖像內(nèi)容是否相 基于顏色特征的圖像檢索技術(shù) 西安郵電學(xué)院 17關(guān)。圖像特征提取大多數(shù)可以表示為向量形式，因此常用的圖像比較方法都是基 于向量空間模型，即將圖像特征看作向量空間中的 兩個(gè)點(diǎn)，通過(guò)比較兩個(gè)點(diǎn)之間 的距離來(lái)衡量其相似度。按照距離公理，在定義距離測(cè)度時(shí)要滿足距離公理的四 個(gè)條件 :自相似性、最小性、對(duì)稱性、及三角不等性。 設(shè) D 為距離函數(shù)， x、 y、 z 為三個(gè)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(duì)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(gè)關(guān)鍵問(wèn)題，也是其中的一個(gè) 難點(diǎn)。圖像的相似性度量是在建立在圖像內(nèi)容的基礎(chǔ)上，以下介紹幾種基于向量 模型的相似度匹配方法。 1. 歐拉距離 如果圖像特征的各分量之間是正交無(wú)關(guān)的，而且各維度的重要程度相同，那 么兩個(gè)特征向量 X 和 Y 之間距離可以用歐拉距離來(lái)度量。其中 L L2 距離可分別表示為： D1=??ni1|Xi Yi| D2=??ni1(Xi Yi)2 上式中 n 是特征向量的維數(shù)。 2 . 直方圖相交 歐拉距離度量方法常用來(lái)計(jì)算顏色直方圖之間的距離，度量直方圖的另一種 方法是直方圖相交 (histogram intersection)。直方圖求交是由 Swain 等人于 1991 年首次提出的，其優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單快速和能較好地抑制背景的影響，缺點(diǎn) 是對(duì)列間相似性缺乏考慮。直方圖求交在圖像檢索中得到了非常廣泛的應(yīng)用。 兩幅圖像之間的標(biāo)準(zhǔn)化相似性度量為： 基于顏色特征的圖像檢索技術(shù) 西安郵電學(xué)院 18S(Q， P)=????niQniPQiHiHiH00)()}(),(m in { 其中 HQ(i)和 HP(i)分別代表查詢圖像 Q 和數(shù)據(jù)庫(kù)圖像 P 的含有 n 個(gè)柄的直方圖。 3. 二次式距離 二次式距離引入了顏色相似性矩陣，使其能考慮到相似但不相同顏色間的相 似性因素。因此，對(duì)于基于顏色直方圖的圖像檢索來(lái)說(shuō)，二次式距 離比使用歐拉 距離或是直方圖相交距離更為有效。但是這種方法的運(yùn)算代價(jià)較大。 二次式距離的數(shù)學(xué)描述為 : SA(Q， P) = )()( PQTPQ HHAHH ?? 其中 HQ和 HP分別為由 HQ(K)和 HP(K)中所有的元素組成的向量， A為相似矩陣。 相似矩陣 A=[aij]是一個(gè)正的實(shí)對(duì)稱陣，其中 aij標(biāo)識(shí)了柱值 i 和柱值 j 的相似性。 aij =1d(ci， cj)/dmax，其中 d(ci， cj)為柱值 i 和柱值 j 之間的距離，dmax為任意兩個(gè)柱值的最 大距離。 4. 馬氏（ Mahalanobis）距離 如果特征向量的各個(gè)分量間具有相關(guān)性或者具有不同的權(quán)重，可以使用馬氏 （ Mahalanobis）距離進(jìn)行度量。其數(shù)學(xué)表達(dá)式為： D(x， y)= ? ? ?? 1 )()( yxyx T 其中 ? 為特征向量 x， y 的協(xié)方差矩陣。 馬氏距離考慮了樣本的統(tǒng)計(jì)特性，它消除了各分量不同量綱對(duì)距離計(jì)算的影 響和不同分量之間可能存在的相關(guān)性，但它顯著的 增加了計(jì)算復(fù)雜度，而且要正 確地估計(jì)出協(xié)方差矩陣也較難。 5. 非幾何的相似度方法 Tversky 在 1977 年，提出了著名的特征對(duì)比模型 (contrast model)。該模型 的主要特點(diǎn)是它不把每個(gè)實(shí)體看作特征空間的一個(gè)點(diǎn)，而將每個(gè)實(shí)體用一個(gè)特征 集來(lái)表示。設(shè)實(shí)體 a和 b，它們對(duì)應(yīng)的特征分別為 A和 B，則兩個(gè)特征間應(yīng)當(dāng)滿足匹配性、單調(diào)性和獨(dú)立性假設(shè)?；谶@樣的假設(shè)， Tversky 提出了對(duì)比模型定基于顏色特征的圖像檢索技術(shù) 西安郵電學(xué)院 19理 : 對(duì)于滿足上述的三個(gè)假設(shè)的度量函數(shù) s，一定存在一個(gè)相似度度量函數(shù) S 和一個(gè)非負(fù)函數(shù) f，以及兩個(gè)常量 ? ， ? 。對(duì)于實(shí)體 a、 b、 c、 d 和它們的特征集 A、B、 C、 D，如公式 : S(a， b)S(C， D)? s(a， b)s(c， d) S(a， b)=f(A? B)? f(AB)? f(BA) f是一個(gè)反映特征顯著性的函數(shù)，衡量制定特征對(duì)相似度的貢獻(xiàn)。當(dāng) ??? 時(shí)，相似度函數(shù)是不對(duì)稱的。這個(gè)方法的缺點(diǎn)是實(shí)用性不強(qiáng)。 第四章 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 系統(tǒng)設(shè)計(jì)原則 在進(jìn)行系統(tǒng)設(shè)計(jì)時(shí)，為了使設(shè)計(jì)出來(lái)的系統(tǒng)具有良好的性能，本系統(tǒng)遵循了 以下原則： ? 實(shí)用性：采用成熟、穩(wěn)定、完善的理論 和技術(shù)，滿足當(dāng)前應(yīng)用的需要。 ? 擴(kuò)展性：由于 CBIR 相關(guān)技術(shù)發(fā)展迅速，新技術(shù)日新月異，所以系統(tǒng)設(shè)計(jì)時(shí) 考慮了其擴(kuò)展性，方便擴(kuò)充新的功能。 ? 易用性：簡(jiǎn)單易用，界面友好。一方面用戶不需要具備專業(yè)知識(shí)就可以使用 ? 本系統(tǒng)；另一方面，用戶可以很容易的構(gòu)造自己的查詢要求。 ? 準(zhǔn)確性：準(zhǔn)確性是檢索系統(tǒng)的重要指標(biāo)，因此系統(tǒng)應(yīng)有較高的準(zhǔn)確率。 ? 及時(shí)性：應(yīng)能及時(shí)響應(yīng)用戶的查詢要求。 系統(tǒng)運(yùn)行平臺(tái)和開(kāi)發(fā)工具的選擇 Matlab 是集數(shù)值計(jì)算、符號(hào)運(yùn)算及圖形處理等強(qiáng)大功能于一體的科學(xué)計(jì)算語(yǔ)言 作 為強(qiáng)大的科學(xué)計(jì)算平臺(tái)，它幾 乎能夠滿足所有的計(jì)算需求 它具有如下的優(yōu)勢(shì)與特點(diǎn) 基于顏色特征的圖像檢索技術(shù) 西安郵電學(xué)院 20? 友好的工作平臺(tái)和編程環(huán)境 ? 簡(jiǎn)單易用的程序語(yǔ)言 ? 強(qiáng)大的科學(xué)計(jì)算及數(shù)據(jù)處理能力 ? 出色的圖形處理功能 系統(tǒng)框架 基于內(nèi)容的圖像檢索是指在圖像數(shù)據(jù)庫(kù)中找出滿足特定視覺(jué)描述的圖像的過(guò)程。本文設(shè)計(jì)的系統(tǒng)結(jié)構(gòu)框圖如圖所示： 用 查詢 戶 結(jié)果 圖像查詢 圖像入庫(kù) 系統(tǒng)結(jié)構(gòu)圖 該系統(tǒng)主要由圖像預(yù)處理模塊，特征提取模塊，相似性度量模塊，相似度 排序模塊，簡(jiǎn)單反饋模塊組成。下面是該系統(tǒng)構(gòu)成中各模塊的各自作用： ? 圖像預(yù)處理模塊分別對(duì)示例圖像和圖像庫(kù)中的圖像進(jìn)行預(yù)處理； ? 特征提取模塊用戶根據(jù)不同的檢索要求選擇相應(yīng)的特征提取方法對(duì)圖像庫(kù)中的圖像和示例圖像進(jìn)行特征提??； ? 相似性度量模塊根據(jù)不同的圖像檢索策略采用相應(yīng)的相似性度量方法； ? 相似度排序模塊對(duì)計(jì)算出的相似度進(jìn)行排序，按照與檢索示例圖相似程度大小依次排列。 人機(jī)接口 示例圖像 特征提取 圖像特征檢索 圖像源 特征提取 圖像 數(shù)據(jù)庫(kù) 基于顏色特征的圖像檢索技術(shù) 西安郵電學(xué)院 21一般圖像數(shù)據(jù)庫(kù)可由圖像庫(kù)，特征庫(kù)及領(lǐng)域知識(shí)庫(kù)三部分組成： （ 1）圖像庫(kù)存儲(chǔ)待檢索的圖像集合，及系統(tǒng)可以訪問(wèn)的圖像源。圖像庫(kù)中存儲(chǔ)的 信息，首先包括圖像的引用位置，如果圖像存儲(chǔ)于本地，該引用位置為本地路徑，如果圖像存儲(chǔ)于網(wǎng)絡(luò)，則引用位置為 URL 地址。其次數(shù)據(jù)庫(kù)中通常還包括完整的圖像數(shù)據(jù)。保存圖像數(shù)據(jù)的同時(shí)是為了保持?jǐn)?shù)據(jù)的一致性，當(dāng)圖像的引用位置失效時(shí)仍能獲得有效的圖像數(shù)據(jù)。 （ 2）特征庫(kù)包含通過(guò)預(yù)處理提取出的關(guān)于圖像內(nèi)容的特征和用戶交互式輸入的客觀特征。圖像的特征通常包括三種：圖像的本地特征、圖像的內(nèi)容特征以及圖像的描述特征。本地特征指不經(jīng)過(guò)處理就能的到的信息，如圖像的尺寸等信息。內(nèi)容特征是 CBIR 的重點(diǎn)，指通過(guò)各種圖像分析技術(shù)從 圖像內(nèi)部提取的特征。描述特征通常指描述性文字信息。 （ 3）領(lǐng)域知識(shí)庫(kù)包含用于支持查詢檢索操作的領(lǐng)域知識(shí)和通用知識(shí)，其中的知識(shí)表示可以靈活地更換，以適應(yīng)不同領(lǐng)域的應(yīng)用要求。本文系統(tǒng)沒(méi)有涉及到的領(lǐng)域知識(shí)庫(kù)的建立，并且為了提高檢索效率，本文系統(tǒng)將圖像本地特征與圖像特征一起存儲(chǔ)。 圖像入庫(kù) 系統(tǒng)調(diào)用特征提取模塊為圖像源中每幅圖像提取 HSV 直方圖特征，并將最相似匹配的前 10 幅圖像名稱存入數(shù)據(jù)庫(kù)文件中。 ? 系統(tǒng)面向通用應(yīng)用，現(xiàn)階段支持的圖像格式為 .bmp 格式。 ? 系統(tǒng)支持各種分辨率的圖像源。 ? 系統(tǒng)鏹支持單個(gè)圖像入 庫(kù)。 ? 對(duì)于單個(gè)圖像，系統(tǒng)可顯示 HSV 局直方圖信息，圖像名稱及圖像路徑信息。 圖像查詢 本系統(tǒng)采用樣本查詢方式。用戶首先通過(guò)瀏覽，選擇示例圖像作為查詢的條件。系統(tǒng)提取該示例的圖像特征，將該示例圖像的特征與數(shù)據(jù)庫(kù)中的所有圖像的特征按照二次式距離匹配算法進(jìn)行相似性匹配，并按相似性大小排列顯示出前10幅與查詢樣本相似的圖像到圖像數(shù)據(jù)庫(kù)中。 基于顏色特征的圖像檢索技術(shù) 西安郵電學(xué)院 22一次圖像查詢的流程如圖所示： Y N 圖像查詢流程 系統(tǒng)查詢界面如圖所示： 圖中“ C:\TEMP\work\基于顏色特征的圖像檢索系統(tǒng)”是圖像數(shù)據(jù)庫(kù)的路徑。 用戶提交查詢樣 本，選擇檢索類型 庫(kù)中圖像？ 對(duì)查詢樣本 提取特征 圖像檢索 輸出檢索結(jié)果 從特征庫(kù)中 提取特征 基于顏色特征的圖像檢索技術(shù) 西安郵電學(xué)院 23列表中是圖像數(shù)據(jù)庫(kù)中的圖像。 File菜單中有一個(gè) Quit選項(xiàng)， Option菜單中有兩個(gè)選項(xiàng)： Input to Database和 Search Database，用戶具體操作示例： 在 Option 菜單中選中 Input to Database 選項(xiàng)，選中 圖片，點(diǎn)擊“選擇圖片”按鈕，則出現(xiàn)如圖所示界面： 基于顏色特征的圖像檢索技術(shù) 西安郵電學(xué)院 24點(diǎn)擊查詢按鈕， 顯示查詢結(jié)果： 第五章 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、視頻等信息的多媒體數(shù)據(jù)大量涌現(xiàn)，如何從大量的信息中快速、有效地檢索到所需的內(nèi)容，已經(jīng)成為多媒體技術(shù)研究中的熱點(diǎn)問(wèn)題。 本文對(duì)基于內(nèi)容的圖像檢索技術(shù)作了較全面的研究和介紹，重點(diǎn)研究了基于顏色特征的圖像檢索方法，并對(duì)其中涉及到的顏色模型，顏色直方圖，顏色量化，相似性度量等進(jìn)行了較深入研究。 在對(duì)基于顏色特征的圖像檢索方法的研究基礎(chǔ)上，作者用 vb 語(yǔ)言開(kāi)發(fā)了一個(gè)圖像檢索演示系統(tǒng) ，實(shí)驗(yàn)證明，該系統(tǒng)取得了較好的檢索效果。 雖然本系統(tǒng)實(shí)現(xiàn)預(yù)期設(shè)計(jì)的基本功能，還有待進(jìn)一步完善，如何有效地綜合顏色、紋理、形狀、空間位置關(guān)系以及語(yǔ)義特征來(lái)對(duì)圖像進(jìn)行查詢勢(shì)必會(huì)成為一個(gè)熱門(mén)研究方向。 展望 人們對(duì)顏色索引和檢索方法的研究己經(jīng)相當(dāng)多，它們都分別從不同的方面對(duì)基于顏色的圖像檢索問(wèn)題進(jìn)行了研究。目前主要存在的問(wèn)題 : 1. 人對(duì)顏色特征的視覺(jué)感知方面考慮的仍然不夠，雖然目前大多數(shù)基于顏基于顏色特征的圖像檢索技術(shù) 西安郵電學(xué)院 25色特征的圖像檢索采用了和人對(duì)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(jué) 上人對(duì)相似顏色的判定仍有一定的差距。 2. 從顏色特征的表示來(lái)看，各