一种基于颜色的数字图像检索技术研究.docVIP

一种基于颜色的数字图像检索技术研究 　　摘 要：传统的基于直方图的图像检索算法对图像颜色空间位置信息无法正确反映，如果两幅图像的直方图相同，就会对检索结果造成误差。鉴于此，本文提出了一种新的图像检索算法，该算法综合了图像的颜色、灰度以及空间信息提取图像特征向量等。先建立图像的颜色直方图和灰度直方图，并进行量化，然后在颜色进行区域检索。通过实验证明，相对于传统的基于直方图的算法，本文提出的新算法，对于检索精度有很大的提高。 　　关键词：直方图；图像检索；图像空间信息 　　中图分类号：TP391.41 　　传统的数字图像检索方法主要依靠人工进行信息标注，这样的标注方法非常的不准确，但数据量达到一定的规模时，就会显得力不从心。因此，一种快速合理的检索方法---基于内容的数字图像检索技术逐渐成为各国专家学者研究的热点[1]。 　　在图像所有的底层特征中，颜色特征是最显著的，经典的基于颜色的图像检索算法是全局颜色直方图算法，该算法的主要特点是原理简单，检索速度快，而且不受图像几何变化的影响，但是该方法也存在一定的缺点，即对图像颜色空间位置信息无法正确反映，例如完全不同的两幅图像，其颜色直方图可能相同，这样就会造成检索误差。 　　针对上述存在的诸多问题，笔者在原有的算法基础上，提出一种新的基于颜色特征的图像检索算法，该方法综合了图像的颜色、灰度以及空间信息提取图像特征向量等。先建立图像的颜色直方图和灰度直方图，并进行量化，然后在颜色进行区域检索。 　　1 颜色特征的提取 　　在传统的图像检索算法中，直方图一直是认为最简单基本的一种方法，该算法用于描述数字图像中不同颜色所占的比例。在数字图像中，一般用RGB（Red-Green-Blue）颜色空间来描述一幅图像[2]，然而人们对RGB空间结构不是很熟悉，和对颜色相似性的认识存在很大的差距，尤其是在量化过程中，存在很大的困难。因此，为了方便，需要将RGB空间转化成HSV空间以后，再来用量化的方法来获取图像颜色直方图。 　　在一幅数字图像中，通常所包含的颜色种类很多，肉眼很难区分相近的颜色，根据人视觉特点，对HSV空间进行量化能够简化计算。本文采用的量化标准如下： 　　认为所有亮度v≤0 15的颜色为黑色，Code=0。 　　认为所有s0 8的颜色为白色，Code=1。 　　认为所有不属于黑色和白包区域的颜色为彩色，Code=2，3…D。 　　对于一幅数字图像，将其颜色空间从RGB转换成HSV并通过上述方法量化成一个D维的直方图。为了计算方便，本文采用H[ck]，即第k维颜色出现的频率来代替出现的数量进行直方图的建立。图像的颜色直方图空间H定义如下[3]： 　　表示第k维颜色出现的频率，在一副N*M像素的图片中： 　　/N*M 　　2 灰度特征提取 　　在数字图像检索中，如果一幅图像颜色浓度发生改变，其生成的新的图像和原始图像存在很大的相似度，但是，图像颜色浓度的变化，会导致图像中各像素点的色彩值都发生了重大的变化，从而使得两幅图像的颜色直方图存在巨大的差别，如果用传统的单纯的基于颜色的直方图检索方法，这两幅图像则很将其归为相似一类。所以，针对此种问题，本文在传统方法的基础上，建立灰度直方图来进行二次检索，先将其检索步骤归纳如下： 　　第一步：将彩色图像进行二值化，转成黑白图像。因为彩色图像中红（R）、绿（G）、蓝（B）三分量对亮度的贡献不同。根据人们对三种颜色的认识感觉，在保持同等亮度情况下，可以将彩色数字图像转换为黑白数字图像。给定像素的RGB值，其灰度值可通过如下公式获得： 　　V=0.30R+0.59G+0. 11B 　　当RGB取值为0-1时，v的取值范围也是0-1。 　　第二步：由于一幅图像对比度发生变化后生成的图像与原图像仍然是很相似的，但改变对比度会直接影响灰度直方图，使两幅图片直方图相差过大。为了弥补这个缺陷，需要统一对图像进行灰度拉伸变化，把图像中的灰度区间拉伸到整个灰度区间，以增强对比度。Vmax和Vmin分别为灰度最大值和最小值，为了比较方便，需要将灰度直方图的维数变成和颜色直方图一致，变化可通过如下公式获得： 　　v=（Vmax-Vmin+1）*v/D 　　其中D为颜色直方图的维数。 　　对于数字图像，将每个像素的由彩色图像的RGB转成黑白图像的灰度V后，经过上述的拉伸变换，再计算各个灰度的频数。灰度直方图空间I可定义如下： 　　表示第k维颜色出现的频率，在一副N*M像素的图片中： 　　/N*M 　　3 直方图比较算法 　　通过上述两步建立了图像的颜色直方图和灰度直方图，在进行图像比较的时候可以用直方图相变算法来计算直方图之间的距离。假设Q、P是两个经过D维量化的直方图，刚它们之间的距离表示为： 　　为了