【正文】 術(shù)的一個重要應(yīng) 用領(lǐng)域。我國在 “人臉 ”及 “指紋 ”數(shù)據(jù)庫建立方面已做了不少工作，并有一批實用性的成果投入應(yīng)用。 (7)教育與培訓(xùn)：在教育與培訓(xùn)領(lǐng)域，例如遠(yuǎn)程教學(xué)、交互式培訓(xùn)、自學(xué)教育及雇員再教育等有著廣闊的應(yīng)用前景。我國多媒體教學(xué)研究工作也已經(jīng)開展，網(wǎng)上教學(xué)與輔導(dǎo)已進(jìn)入實用階段，這些都為圖像數(shù)據(jù)庫應(yīng)用 于教育培訓(xùn)領(lǐng)域提供了廣闊的前景。 (9)保健及醫(yī)療：圖像數(shù)據(jù)庫在該領(lǐng)域中應(yīng)用范圍很廣，除了專用的圖像管理與檢索系統(tǒng)外，還包括建立多媒體醫(yī)療信息管理系統(tǒng)，將龐雜的醫(yī)療數(shù)據(jù)管理起來 .這些數(shù)據(jù)包括病歷、病人的圖像信息 (如 X 光片、 CT掃描及 MRI 照片等 )以及描述手術(shù)過程的視頻信息等。 基于內(nèi)容的圖像檢索的關(guān)鍵技術(shù) [5] 目前，對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；活動視頻檢索脫胎于序列圖像分析中的技術(shù)。 對于目標(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索引圖像可以通過計算每種顏色的像素的個數(shù)并構(gòu)造顏色灰度直方圖來實現(xiàn)，這對檢索具有相似的總體顏色內(nèi)容的圖像是一個很好的途徑。比如 Smith等提出了顏色集合 (color set)方法來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。 HSV 空間比較直觀并且符合人的視覺特性。首先， V 分量與彩色信息無關(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)計直方圖后，不同圖像間的特征匹配可借助計算直方圖間的距離來進(jìn)行。本文重點討論歐氏距離法，并將其作為系統(tǒng)編程實現(xiàn)的主要方法。各大研究機構(gòu)和公司都推出了他們的系 統(tǒng)： (1)IBM 的 QBIC 系統(tǒng) IBM 的 QBIC 是第一個商業(yè)化的基于內(nèi)容的圖像檢索系統(tǒng)，它的系統(tǒng)結(jié)構(gòu)包括圖像入庫、特征計算、查詢階段三部分，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)運動和其他圖形信息等，對大型圖 像和視頻數(shù)據(jù)庫進(jìn)行查詢； (2)新加坡大學(xué)和 MIT媒體實驗室的 Photob；該系統(tǒng)是用于交互式瀏覽和搜索圖像庫的工具； (3)Virage 公司的 Virage 系統(tǒng)；該系統(tǒng)是基于內(nèi)容的圖像搜索引擎，比 QBIC 更進(jìn)一； (4)美國哥倫比亞大學(xué)的VisualSEEK 系統(tǒng)； VISualSEEK 圖像查詢系統(tǒng)是一個可視化的圖； 國內(nèi)研究現(xiàn)狀；相對國外而言，國內(nèi)在這方面的 像和視頻數(shù)據(jù)庫進(jìn)行查詢。 (2)新加坡大學(xué)和 MIT媒體實驗室的 Photobook 系統(tǒng) 該系統(tǒng)是用于交互式瀏覽和搜索圖像庫的工具。 (3)Virage 公司的 Virage 系統(tǒng) 該系統(tǒng)是基于內(nèi)容的圖像搜索引擎，比 QBIC 更進(jìn)一步， 支持基于顏色、顏色布局、紋理和結(jié)構(gòu) (對象邊界信息 )及這四個原子查詢的任意組合。 (4)美國哥倫比亞大學(xué)的 VisualSEEK 系統(tǒng) VISualSEEK 圖像查詢系統(tǒng)是一個可視化的圖像特征搜索引擎，實現(xiàn)了互聯(lián)網(wǎng)上的 基于內(nèi)容 的圖像 /視頻檢索系統(tǒng)，它由四部分組成 :圖形用戶界面、服務(wù)器應(yīng)用、圖像檢索服務(wù)器、圖像歸檔。它采用基于小波變換的方法來表示圖像的紋理特征。 “ImageSeek，作為 “中國數(shù)字圖書館示范工程 ”課題的一個關(guān)鍵技術(shù)。 貝爾研發(fā)的具有自主知識產(chǎn)權(quán)的智能圖像檢索系統(tǒng)，通過提取圖像的顏色、紋理和形狀等特征，實現(xiàn)了基于圖像內(nèi)容的快速智能檢索，被列入 20xx 年信息產(chǎn)業(yè)部重點科研計劃。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)。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)。 顏色空間 [8] RGB 顏色空間 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 個等級， 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）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度的混合來表示。因為 RGB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，往往采用這種模式。 雖然 RGB彩色模型被廣泛應(yīng)用于 CRT設(shè)備顯示彩色圖像，但它并不是一個均勻視覺的顏色空間，不符合人對顏色的感知心 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。 圖 2 RGB 顏色模型 HSV 顏色空間 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顏色的識別，因此被廣泛應(yīng)用于計算機視覺領(lǐng)域。 HSV 模型的色調(diào) H 表示從一個物體反射過來的或透過物體的光的波長，更一般地說，色調(diào)是由顏色名稱來辨別的，如紅、橙、黃、綠等，它用角度 180～ 180或 O～ 360 來度量。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 3 所示。 (2)線性伸縮性 (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。 CMY 顏色空間 以紅、綠、藍(lán)的補色青（ Cyan）、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為白，而后者的原點為黑。 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，部分光譜被吸收，部分被反射回眼睛。因為所有打印油墨都會包含一些雜志，這三種油墨實際上產(chǎn)生一種土灰色，必須與黑色油墨混合才能產(chǎn)生真正的黑色。減色（ CMY）和加色（ RGB）是互補色，每對減色產(chǎn)生一種加色，反之亦然。 圖 4 CMY 顏色模型 認(rèn)知科學(xué)及視覺心理學(xué)證明，人類不能像計算機顯示器那樣只 使用 RGB成分感知顏色，因此，選擇一個適合于人類視覺特征的顏色空間可以改善檢索效果。所謂視覺一致性，是指對兩種不同的顏色，它們在顏色空間中坐標(biāo)的距離與它們在觀察者的顏色感知空間中的距離是大致相同的。因此本系統(tǒng)選用 HSV 顏色模型。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。基于 RGB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。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)。 (2)顏色直方圖的特性 旋轉(zhuǎn)不變性和縮放 不變性：顏色直方圖是表示圖像中顏色分布的一種方法，它的橫軸表示顏色等級，縱軸表示在某一個顏色等級上具有該顏色的像素在整幅圖像中所占的比例，直方圖顏色空間中的每一個刻度表示了顏色空間中的一種顏色，因此，顏色直方圖具有與身俱來的旋轉(zhuǎn)不變性和縮放不變性，如圖 5 所示。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。該結(jié)論可推廣到任何數(shù)目的不連接區(qū)域的情形。再如圖像的灰度動態(tài)范圍太小會使許多細(xì)節(jié)分辨不清楚，而灰度級分布均勻，則會給人以清晰、明快的感覺。這些零值的出現(xiàn)會對計算直方圖的 相交帶來很大影響，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： ?C1],C2],.........,Ck],.........,Cn]0?Ck]?1 ? Ck]表示 C1~Ck 種顏色的像素的累加頻數(shù)： Ck]? Ci?Ck?h[C] i 我們已經(jīng)計算出圖像的一般直方圖，可以方便地計算圖像累加直方圖。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計算查詢和候選圖像之 間的視覺特征的相似度來完成。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點，通過比較兩個點之間 的距離來衡量其相似度。 設(shè) D 為距離函數(shù)， x、 y、 z 為三個特征向量，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)中的一個關(guān)鍵問題，也是其中的一個難點。以下只簡要介紹系統(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。 直方圖交集的公式如下： D(Ha,Hb)=i,j,k?min{Ha(i,j,k),Hb(i,j,k)} i,j,kN?Hb(i,j,k)N D(Ha,Hb)為其中 Ha 為查詢圖像直方圖， Hb 為圖像庫中的任一圖像直方圖， 兩圖像的匹配值。 直方圖交集方法能對兩幅圖像進(jìn)行詳細(xì)的比較，然而對于許多合成的圖像，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容易產(chǎn)生一些噪音，所以這種過細(xì) 的比較容易產(chǎn)生錯誤的結(jié)果。對于兩個 N維直方圖 x,y，兩者的歐氏距離可以表示如下： d2(x,y)?(x1?y1)2?(x2?y2)2?...?(xn?yn)2?(x?y)T(x?y) 此距離公式雖然簡單，但是與特定的顏色分布無關(guān)，有一種方法可以引入相關(guān)權(quán)值 A,這里 A 是一個 N?N 維矩陣，此時距離公式可以表述如下： d2(x,y)?(x?y)TA(x?y) 為了簡化計算，將直方圖 x,y規(guī)范化使其滿足： 0?xi,yi?1 且 ?xi??yi?1 ii 矩陣 A?[aij],，權(quán) aij 表示顏色 i 與顏色 j 之間的相似度。 取 aij?