【正文】 圖像檢索系統(tǒng)的關(guān)鍵技術(shù)目前，對(duì)于通用的靜止圖像檢索，用于檢索的特征主要有顏色（Color）、紋理（Texture）、形狀（Shape）等，其中顏色、紋理、形狀應(yīng)用尤為普遍；活動(dòng)視頻檢索脫胎于序列圖像分析中的技術(shù)。對(duì)于目標(biāo)圖像和檢索圖像進(jìn)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(biāo)區(qū)域的顏色特征。按照全局顏色分布來(lái)索引圖像可以通過計(jì)算每種顏色的像素的個(gè)數(shù)并構(gòu)造顏色灰度直方圖來(lái)實(shí)現(xiàn)，這對(duì)檢索具有相似的總體顏色內(nèi)容的圖像是一個(gè)很好的途徑。比如Smith等提出了顏色集合(color set)方法來(lái)抽取空間局部顏色信息并提供顏色區(qū)域的有效索引。（2）指明一幅示例圖像通過與用戶確定的圖像的顏色直方圖的相似性匹配得到查詢結(jié)果，這是該課題研究方法的根本。在顏色空間選取方面，最常用的顏色空間是RGB顏色空間。HSI空間比較直觀并且符合人的視覺特性。首先，I分量與彩色信息無(wú)關(guān)，其次H和S分量與人感受彩色的方式緊密相連，其中H分量尤其影響人類的視覺判斷。得到圖像特征的統(tǒng)計(jì)直方圖后，不同圖像間的特征匹配可借助計(jì)算直方圖間的距離來(lái)進(jìn)行。本文重點(diǎn)討論歐氏距離法，并將其作為系統(tǒng)編程實(shí)現(xiàn)的主要方法。各大研究機(jī)構(gòu)和公司都推出了他們的系統(tǒng)，在商用領(lǐng)域，IBM 首先研制出了QBIC系統(tǒng)；在學(xué)術(shù)研究領(lǐng)域，MIT的Photobook系統(tǒng)，新加坡國(guó)立大學(xué)的CORE系統(tǒng)，美國(guó)哥倫比亞大學(xué)的VisualSEEK系統(tǒng)，加利福尼亞大學(xué)Santa Barbara分校的Netra、伊利諾依大學(xué)的MARS、CMU的Infomedia以及哥倫比亞大學(xué)的VideoQ等。QBIC系統(tǒng)允許使用例子圖像、用戶構(gòu)建的草圖和圖畫、選擇的顏色和紋理模式、鏡頭和目標(biāo)運(yùn)動(dòng)和其他圖形信息等，對(duì)大型圖像和視頻數(shù)據(jù)庫(kù)進(jìn)行查詢。圖像在裝入時(shí)按人臉、形狀或紋理特性自動(dòng)分類，圖像根據(jù)類別通過顯著語(yǔ)義特征壓縮編碼。其顯著技術(shù)特色包括: 多種特征提取方法、多種基于內(nèi)容檢索方法、使用自組織神經(jīng)網(wǎng)絡(luò)對(duì)復(fù)雜特征度量、建立基于內(nèi)容索引的新方法以及對(duì)多媒體信息進(jìn)行模糊檢索的新技術(shù)。它實(shí)現(xiàn)了互聯(lián)網(wǎng)上的基于內(nèi)容的圖像/視頻檢索系統(tǒng)，提供了一套工具供人們?cè)赪eb上搜索和檢索圖像和視頻。如下：顏色空間選取 —— 面向硬件的RGB空間和面向視覺的HSI 空間；顏色特征的表達(dá) —— 全局直方圖，全局累加直方圖，局部累加直方圖；相似性度量 —— 歐氏距離計(jì)算方法。所以，對(duì)于基于內(nèi)容的圖像檢索來(lái)說(shuō)圖像采取哪種顏色表示方式就顯得尤為重要。圖像是通過顏色表現(xiàn)出來(lái)的，顏色是彩色圖像的最顯著的特征，與其它特征相比，顏色特征具有非常穩(wěn)定，對(duì)于旋轉(zhuǎn)、平移、尺度變化都不敏感，表現(xiàn)出很強(qiáng)的魯棒性，又由于顏色特征計(jì)算簡(jiǎn)單，因此基于顏色的查詢成為現(xiàn)有基于內(nèi)容的圖像檢索系統(tǒng)中應(yīng)用最基本的方法。顏色模型是指某個(gè)三維顏色空間中的一個(gè)可見光子集，它包含某個(gè)顏色域的所有顏色。由于每一個(gè)顏色域都是可見光的子集，所以任何一個(gè)顏色模型都無(wú)法包含所有的可見光。 RGB模型面向硬設(shè)備的最常用顏色模型是RGB模型。將這三種顏色成分分別人為地分成0到255共256個(gè)等級(jí)，0表示沒有刺激量，255表示刺激量達(dá)到最大值。這樣，我們就能表示出256256256（約1600萬(wàn)）種顏色。絕大部分的可見光譜可以用紅、綠、藍(lán)R(、G、B)三色光按不同比例和強(qiáng)度的混合來(lái)表示。因?yàn)镽GB顏色合成產(chǎn)生白色，它們也稱為加色。加色用于光照、視頻和顯示器。(0，0，0)為黑色，(l，1，1)為白色。在顯示屏上顯示顏色定義時(shí)，往往采用這種模式。圖21 RGB顏色模型雖然RGB彩色模型被廣泛應(yīng)用于CRT設(shè)備顯示彩色圖像，但它并不是一個(gè)均勻視覺的顏色空間，不符合人對(duì)顏色的感知心理，而且，RGB顏色空間上的距離并不代表人眼視覺上的顏色知覺差異。 HSV模型 HSv空間是一種符合人類視覺感知特征的顏色空間，特別適合于人類肉眼對(duì)顏色的識(shí)別，因此被廣泛應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域[25]。 HSV模型的色調(diào)H表示從一個(gè)物體反射過來(lái)的或透過物體的光的波長(zhǎng)，更一般地說(shuō)，色調(diào)是由顏色名稱來(lái)辨別的，如紅、橙、黃、綠等，它用角度180～180或O～360來(lái)度量。飽和度S指顏色的深淺程度，即在純色中包含的白色光的成份。飽和度S也用百分比來(lái)度量，從濃度最小的O%到濃度完全飽和的100%。HSV顏色模型用Munsell三維空間坐標(biāo)系統(tǒng)表示，其示意圖如圖22所示。(LinearSealability)，人眼可感知的顏色差異與HSV顏色分量的相應(yīng)值上的歐幾里德距離(EuelideanDIStanee)是成比例的。以紅、綠、藍(lán)的補(bǔ)色青(eyan)、品紅(Magenta)、黃(Yellow)為原色構(gòu)成的CMY顏色模型，常用于從白光中濾去某種顏色，又被稱為減性原色系統(tǒng)。差別僅在于前者的原點(diǎn)為白，而后者的原點(diǎn)為黑。CMY模型以打印在紙張上油墨的光線吸收特性為基礎(chǔ)，當(dāng)白光照射到半透明油墨上時(shí)，部分光譜被吸收，部分被反射回眼睛。因?yàn)樗写蛴∮湍紩?huì)包含一些雜質(zhì)，這三種油墨實(shí)際上產(chǎn)生一種土灰色，必須與黑色(K)油墨混合才能產(chǎn)生真正的黑色。減色(CMY)和加色(RGB)是互補(bǔ)色，每對(duì)減色產(chǎn)生一種加色，反之亦然。23 CMY顏色模型*a*b模型L*a*b顏色模型是在1931年國(guó)際照明委員會(huì)(CIE)制定的顏色度量國(guó)際標(biāo)準(zhǔn)的基礎(chǔ)上建立的。L*a*b顏色設(shè)計(jì)為與設(shè)備無(wú)關(guān)，不管使用什么設(shè)備創(chuàng)建或輸出圖像，這種顏色模型產(chǎn)生的顏色都保持一致。 1991年Swain和Ballard首次提出了基于顏色直方圖的特征表示，其核心思想是在一定的顏色空間中對(duì)圖像中各種顏色出現(xiàn)的頻數(shù)進(jìn)行統(tǒng)計(jì)。由于圖像的顏色直方圖具有尺度不變性和旋轉(zhuǎn)不變性，因此被廣泛采用。但是，直方圖也存在著缺陷。而且，雖然對(duì)任意一幅圖像都能唯一的給出與它對(duì)應(yīng)的直方圖，但不同的圖像卻有可能具有相同的直方圖特征，也就是直方圖與圖像之間并非一一對(duì)應(yīng)的，而是一對(duì)多的關(guān)系。 全局顏色直方圖全局直方圖是一種經(jīng)常被采用的顏色特征，已在很多圖像檢索系統(tǒng)中得到應(yīng)用。而k為變換空間的顏色數(shù)。經(jīng)試驗(yàn)比較分析，對(duì)二維空間進(jìn)行33劃分是較有效的劃分方案。這些零值的出現(xiàn)會(huì)對(duì)計(jì)算直方圖的相交帶來(lái)很大影響，從而使得算出的匹配值并不能正確的反映兩圖間的顏色差別。這樣圖像的累加直方圖向量H可以定義為：表示C1~Ck種顏色的像素的累加頻數(shù)：我們已經(jīng)計(jì)算出圖像的一般直方圖，可以方便地計(jì)算圖像累加直方圖。這樣在H軸上黃色與紅色間，黃色與綠色間距相等。這表明色度信號(hào)的分布從視覺意義上講，并不滿足累加直方圖應(yīng)用的前提。另外，一幅圖像的顏色一般非常多，尤其是真彩色圖像，因此直方圖矢量的維數(shù)會(huì)非常高。系統(tǒng)設(shè)計(jì)中，我們采用Pi/3為區(qū)間的長(zhǎng)度，將H軸共分成6個(gè)不重疊的局部區(qū)間[60k, 60(k+1)]，k=0,1,…5，通過分別計(jì)算每個(gè)局部區(qū)間的累加直方圖進(jìn)行檢索。許多人提出了顏色索引的改進(jìn)方法局部顏色特征索引。局部區(qū)域中的顏色信息可以表示為平均顏色、主顏色、顏色直方圖和二進(jìn)制顏色集等來(lái)表示。在基于文本的檢索方法中采用的是文本的精確匹配，而基于內(nèi)容的圖像檢索則是通過計(jì)算查詢圖像和圖像庫(kù)中候選圖像之間在視覺特征上的相似度匹配進(jìn)行。視覺特征大豆可以表示成向量的形式，常用的相似度方法也是向量空間模型，即將視覺特征看作是向量空間中的點(diǎn)，通過計(jì)算兩個(gè)點(diǎn)直接的接近程度來(lái)衡量圖像特征間的相似度。以下只簡(jiǎn)要介紹系統(tǒng)中常用的直方圖的交、直方圖歐氏距離兩種距離度量方法。直方圖的相交是指兩個(gè)直方圖在每個(gè)bin（維度）中共有的像素?cái)?shù)量。在直方圖相交法中，令HQ(K)和HR(K)分別為查詢圖像Q和數(shù)據(jù)庫(kù)圖像R的特征統(tǒng)計(jì)直方圖，則二者之間的匹配值為： 直方圖交集方法能對(duì)兩幅圖像進(jìn)行詳細(xì)的比較，然而對(duì)于許多合成的圖像，如商標(biāo)等，它們有大量的一致顏色，三維直方圖只有幾個(gè)域的值很高，而其它許多域的顏色信息變化有限。又由于在掃描圖像時(shí)容易產(chǎn)生一些噪音，所