基于模板的图像内容检索新算法.docVIP

基于模板的图像内容检索新算法 　　摘 要 　　与传统的基于文本的图像检索方法相比，基于内容的图像检索要求用户在检索图像时提供了一个模板。当用户绘制的模板轮廓有比较大的误差时，检索效率和精度会大大降低。为了解决这个问题，本文提出了一种利用模板库来结合基于文本的图像检索方法和基于内容的检索方法的系统。该系统只要求用户首先输入查询关键词，然后它将自动提取模板库中的模板以及使用提取的模板来检索用户需要的图像。此外，本文提出了一种新的算法DCCLI来进行分割聚类以提取主颜色特征，然后将提取的结果与传统的颜色布局特征提取的结果进行整合。该系统比现有的基于内容的图像检索系统更加人性化。实验结果表明，实现了DCCLI算法的图像检索系统比实现了基于内容的图像检索方法的图像检索系统拥有更高的查全率和查准率。 　　【关键词】模板库 基于内容的图像检索 基于文字的图像检索 分割聚类 　　1 前言 　　随着计算机技术和互联网的成熟，图像的绘制和传输已经经历了前所未有的发展。近年来，图像已成为多媒体数据最重要的类型之一，并已在各个领域广泛应用。特别是，随着数字成像器件例如智能手机和带摄像头的平板电脑的快速发展，互联网中可用的图像数量显著增加。面对如此多的图片，如何进行高效准确的图像检索逐渐引起研究者的关注。 　　现有的图像检索方法包括基于文本的图像检索和基于内容的图像检索。传统的基于文本的图像检索方法在二十世纪七十年代被提出来。这种检索方法基于用户提供的关键词，然后在图像数据库中进行实例匹配。这种方法需要在数据库中的每个图像有一个标签，但随着图像数量的快速增长，人工标记每一个图像已经变得越来越不现实。为了检索无标签的图像，科学家们提出了基于内容的图像检索方法。这种检索方法根据颜色，纹理和其他特征进行图像的相似性匹配。该方法可以有效地检索数据库中未标记的图像，但它需要用户在检索图像时提供了一个模板。目前，现有的图像检索系统需要用户在检索前手动绘制轮廓，比如IBM的QBIC 。在这种情况下，当用户绘制一个具有比较大误差的轮廓模板时，检索效率和精度会大大降低。所以用户更习惯于传统的基于关键词的图像检索方法。 　　考虑到基于文本的图像检索方法和基于内容的图像检索方法的问题，本文提出了一种基于模板的图像检索系统，该系统使用模板库来结合基于文本的图像检索方法和基于内容的图像检索方法，而且只要求用户输入查询关键词。它将首先根据关键字自动提取模板库中的模板，并用这个提取的模板来检索用户需要的图像。 　　此外，为了获得更高的查全率和查准率，在系统中基于内容的图像检索（CBIR）的这个系统模块中，本文提出了一种基于分裂的主颜色特征和颜色布局特征提取方法 （DCCLI） 来进行图像检索。DCCLI利用分裂聚类来提取主颜色特征，在迭代聚类过程中逐步降低计算复杂度，然后将主颜色特征提取的结果与传统的颜色布局特征 （CL） 提取的结果进行整合。我们对DCCLI和CL方法的查准率和查全率进行了比较研究。性能的比较研究表明，DCCLI较于CL获得了更高的查全率和查准率。 　　本文的结构安排如下：第2部分对现有的基于内容的图像检索方法作了简要的介绍，这个方法被称为基于颜色布局（CL）的图像检索，这种方法在后来被用于和稳重所提出的算法 DCCLI进行比较。第3部分给出了系统的描述， 介绍了系统的四个组成部分：基于文本的图像检索，模板选择，基于内容的图像检索和模板库更新。第3.3部分详细介绍了主要算法DCCLI。第4部分讨论了在本文中该系统的实现环境和测试数据集。第5部分是算法的展示。第6部分对DCCLI算法和颜色布局（CL）算法进行了比较研究，然后对结果进行讨论。 第7部分是本文最后的结论。 　　2 现有的基于内容的图像检索方法 　　2.1 颜色布局特征提取 　　在本文中，我们利用在提出的方法来提取颜色布局特征。 　　2.1.1 颜色模型转换 　　为了把RGB颜色空间转换到YCbCr颜色空间，提出的公式如下： 　　2.1.2 将图像划分成块 　　整个图像被划分成64块（每一个尺寸（W / 8）*（H / 8），其中W是整个图像的宽度，H是整个图像的高度。然后计算在每个块中的所有像素在YCbCr的三个颜色通道上的平均值。所得到的值作为每一块具有代表性的颜色。 　　2.1.3 离散余弦变换 　　对于每个块中的所有像素在YCbCr的三个颜色通道上的平均值采用离散余弦变换（DCT）。DCT变换是一个单独的变换，它是国际静态图像压缩标准JPEG的基础。由于大多数的图像的高频分量相对较小，导致高频成分系数通常最终零，再加上人眼对高频分量的失真不敏感，我们可以应用更粗的量化。因此，在一般的图像检索中，图像DCT系数的部分可以作为特征向量。DCT变换的计算公式如下：