基于内容的图像检索（CBIR）中图像颜色特征提取方法的研究和改进.docVIP

基于内容的图像检索（CBIR）中图像颜色特征提取方法的研究和改进 　　摘要：该文给出了一种基于颜色分布直方图借助四叉树图像分割进行图像检索的方法，该方法使用与人类视觉感知相符合的HSV颜色模型，通过构造四叉树借助MeanShift算法对图像进行分割，提取出特征颜色，得到颜色分布的直方图。最后利用EMD算法衡量图像与图像之间的距离，实现图像的搜索。 　　关键词：基于内容检索；均值漂移；四叉树；图像分割；特征颜色 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）11-2642-05 　　Abstract： The paper presents a method for image retrieval with the aid of image segmentation. This method is based on color distribution histogram and uses the HSV color model which is consistent with human visual. With the help of MeanShift Algorithm， we use quadtree to divide the image and extract the main color， which is helpful for us to get the distribution of color histogram. Last but not least we use the EMD algorithm to measure the distance between images， so that we can implement the image search. 　　Key words：CBIR； meanshift； quadtree； image retrieval； main color 　　随着网络和多媒体技术的发展，以及数字图像的大量应用和存储空间成本的降低，数字图像的数量正在飞速的增张，从而催生了基于内容的图像检索（Content-Based Image Retrieval，CBIR），在电子商务[1]，医学[2]等方面产生了各种优化和改进的算法。在一幅图像中，颜色是最主要的特征，且颜色具有与生俱来的旋转不变性和尺度性，对大小和方向都不敏感，有很强的鲁棒性，因此颜色可以被用于图像检索。常见的检索方法包括Swain等人提出的基于颜色直方图相交的方法，为了加强空间分布信息，改进的方法包括：使用累加直方图的检索算法[3]，分块主颜色的图像检索算法[4]。但是这些方法都注重强调的是图像颜色直接特征，而没有考虑人的视觉感受，人们的视觉会自动将相似颜色归类，区域分布也会影响颜色的实际感受。 　　传统的图像分割技术包括基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等，这些分割方法容易产生较精确的边缘，但实际上对颜色来说，这些精确的边缘并不重要，设置一些噪声会对实际的图像内容解释产生一些偏差。我们将特征空间聚类和基于区域的方法结合起来，提出了基于四叉树分割图像的办法，将图像的颜色以一种快速的方式按照大小不同的矩形进行划分，提高了执行效率，也减小了噪声的干扰。 　　1 算法的基本思路 　　首先我们将图像的颜色值从RGB空间转换到HSV空间以符合人眼的视觉模型，然后再对图像利用四叉树进行分割，其中以Mean Shift均值漂移作为是否分割区间的判断标准。分割完成后对图像直方图进行统计，得出多个颜色特征值以及其权重。最后进行图像检索时，通过EMD距离计算这些特征值之间的相关程度从而找出语义上最近似的图像。算法的整体框图如图1所示。 　　1）色彩空间变换 　　传统的统计直方图是按照色相这个值来将整幅图像转化为一维的直方图。虽然在这样一个直方图上相邻的组在色相上互相接近，但是没有考虑亮度和饱和度对人类视觉的影响。在同样的色相值的前提下，亮度过高，人类的视觉会把它辨认为白色，而饱和度过低的话，人们会把它辨认为灰色，所以我们对直方图统计做了一个改进。 　　首先将图像从RGB空间转化为HSV空间。依此遍历处理图像中的每个像素点，主要分析其色相，划归到相应的H中，再计算同样H的所有像素点的S和V的平均值[S]和[V]，以H[S][V]的值对应的颜色作为代表颜色绘制出来，更符合人类视觉。2）图像的分割 　　我们不直接使用颜色直方图作为我们获取图像颜色特征的依据，是因为颜色直方图丢失了图像的空间信息， 为了要寻找出直方图中的特征值，我们利用四叉树对图像进行了分割，对图像中的颜色根据空间信息重新修正，并离散化以得到相对独立且明