一种改进基于内容图像检索系统探究.docVIP

一种改进基于内容图像检索系统探究摘要：基于内容的图像检索（CBIR，ContentbasedImageRetrieval）技术是图像领域研究的热点问题之一。介绍了图像检索系统相关算法的基本原理，采用的是基于改进的颜色直方图的算法，结合欧氏距离算法来进行图像处理和计算。选用VisualC++开发工具结合CxImage类库实现图像检索系统。用户可以选择关键图和图片库，之后系统就对关键图和图像库进行特征提取，将关键图与图片库的每一张图片相应特征进行对比，并计算关键图与图像库中每幅图片的相似度，最后按指定相似度大小输出检索结果显示给用户。 关键词：图像检索系统；颜色特征；颜色直方图；相似度 中图分类号：TP317.4　文献标识码：A　文章编号：1672-7800（2013）001-0168-03 0引言 为了克服文本标注检索的弊端，解决报刊等媒体集团大量图片检索的难题，研究者提出了CBIR（ContentBasedImageRetrieval），即基于内容的图像检索技术。CBIR是一种综合集成技术，它通过分析图像的内容，如颜色特征、纹理特征、形状特征以及空间关系等，建立特征索引，并存储在特征库中，计算查询图像和目标图像之间的相似距离，然后按相似度匹配进行检索。用户在查询时，只要把自己对图像的模糊印象描述出来，就可以在大容量图像库中找到想要的图像。 CBIR技术由于能够根据图像的可视内容产生查询，方便了用户，因此在许多领域具有广泛的应用前景。典型应用领域包括搜索引擎、数字图书馆、家庭图像检索、法律及公安、商标检索系统、邮票资料库、工业与商业、教育与培训、保健及医疗等。主要研究技术包括特征抽取、相似性度量、图像匹配、用户反馈。目前CBIR技术和方法的研究虽然已有不少算法，但总体效果还是不尽如人意。 尽管各种图像搜索引擎为快速、大量地查找网上图像信息创造了条件，而基于内容特征的图像库检索技术亦为图像数据的检索从可视角度开辟了一条更为准确直观的途径，但仍存在一些有待研究的热点问题：两类图像检索技术的结合；对基于内容编码技术的研究；对用户查询接口的研究。目前，CBIR技术水平很难满足实际应用的要求，它是一个具有挑战性的研究课题，仍然期待技术上的突破。 1基于颜色特征的图像检索方法 图像检索的一般过程如下：首先通过图像库生成子系统生成图像特征数据库及图像库，此操作可离线执行；然后通过查询接口的用户设置参数，包括显示的图像数目、感兴趣的图像特征以及一些阈值；用户提交搜索请求后，搜索引擎主要是完成图像的相似性匹配，并按照相似度的大小对图像进行排序；最后浏览器显示查询的结果。一个典型的图像检索系统结构如图1所示。 图1图像检索系统结构 1.1颜色特征提取方法 根据图像的不同特点，可以采用不同的方法对图像进行预处理，然后用直方图进行匹配，以满足不同的检索要求。 首先，选择合适的颜色空间描述颜色特征；其次，需要一定的量化方法将颜色特征表达为向量的形式；最后，需要定义一种用来衡量图像之间在颜色上的相似度（距离）标准。 1.2颜色直方图 图像的颜色特征可以是各种颜色的比例分布以及颜色的空间分布等。图像领域中的颜色直方图特征是最早也是最为广泛采用的CBIR颜色特征。上世纪90年代首次提出的基于颜色直方图的特征表示，其核心思想是在一定的颜色空间中对图像中各种颜色出现的频数进行统计。颜色直方图是颜色信息的函数，它表示图像中具有同颜色级别的像素的个数，其横坐标是颜色级别，纵坐标是颜色出现的频率（像素的个数）。以直方图为特征的常用的匹配方法有： （1）矢量距离法。以图像的直方图每个灰度值的特征向量，根据欧氏距离公式计算特征向量之间的距离，这个距离值之间的差异代表图像之间的差别程度。 （2）直方图交叉法。取两幅图像的直方图在各个灰度值的较小值，累加后即表示图像之间的相似程度。事实上，这种相似性是指两幅图像的公共部分。 （3）直接差值法。把直方图在各个灰度值对应相减，并做归一化处理，用差值代表图像之间的差别。 颜色直方图反映了彩色图像的颜色信息在颜色空间的分布情况。因此，颜色直方图具有很好的表现能力。对每种颜色在图像内的像素数进行统计，然后对其进行归一化。 1.3颜色空间 图像的每一个像素都可以看作是三维空间的一个点，这个空间可以称作为颜色空间。比如RGB、HSV、CMY等。HSV空间是一种符合人类视觉感知特征的颜色空间，特别适合于人类肉眼对颜色的识别，因此被广泛应用于计算机视觉领域。选用比较接近人的视觉的HSV。 HSV颜色空间具有视觉一致性，它把彩色信号表示为3种属性：色调H（Hue）、饱和度S（Satuation）和亮度V（Value）来表示，