一种基于区域的图像相似性计算方法.docx

第26卷 第1期2008 年 3月广西师范大学学报:自然科学版JournalofGuangxiNormalUniversity:NaturalScienceEditionV o l. 26 N o. 1M a r. 2008一种基于区域的图像相似性计算方法周咏梅1, 2 ,韩国强2(1. 广东外语外贸大学信息科学技术学院,广东广州510006;2. 华南理工大学计算机科学与工程学院,广东广州510641)摘 要: 在基于区域的图像检索系统中, 图像之间的相似性计算是影响检索结果的关键技术之一。 提出了一种基于区域的图像相似性计算方法, 该方法首先按照区域的综合特征(颜色、纹理及位置)、直方图特征值及区域的形状特征分别进行相似度的计算, 然后, 将各自相似度加权乘积作为两区域的相似度,两幅图像的相似度 为各区域最大相似度的平均值。在Corel自然图像库上对提出的方法和实现的系统进行了实验,结果表明了提出方法的有效性。关键词:基于区域的图像检索(RBIR);相似度计算;区域特征中图分类号: T P 391.4文献标识码:A文章编号: 100126600 (2008)0120224204基于内容的图像检索 (Content2based im age retrieval, CB IR )是目前国内外信息检索领域的热点研究课 题, 基于区域的图像检索 (R eg ion2based im age retrieval, RB IR ) 技术是CB IR 的一个重要研究方向。RB IR利 用图像分割技术把图像分成多个区域,用区域的特征集来表示和索引图像,进行区域之间的相似性计算,进而实现对图像之间的相似性判断[1～5]。本文提出一种基于区域的图像相似性计算方法, 先按区域的综合特征(颜色、纹理及位置)、直方图特 征值及区域的形状特征分别进行相似度的计算, 然后, 将各自相似度加权和作为两区域的相似度。两幅图像的相似度为各区域最大相似度的平均值。将该方法与提出的三种检索模式相结合,实现图像检索系统。1图像区域分割及区域特征本文的图像分割方法采用的是我们前期研究提出的一种基于模糊 C均值聚类的彩色图像区域分割方法[6,7]。图1是图像区域分割过程示例。图 1 图像区域分割示例F ig. 1 Examp le fo r im age segm entation在获得图像区域后, 选择区域的综合特征 f CT P、区域的直方图特征 f histogram , c、区域形状的特征 fshape作 为区域特征[ 6 ] ,来计算图像之间的相似度。fCTP= (loabL,labA,labB,con,ani,X, Y), fhistogram,c= 1?N8 {numc|pixeli∈8,pixeli∈colorc}(1)收稿日期: 2008201215基金项目: 广东省自然科学基金资助项目 (7300450); 中国博士后科学基金资助项目(20070410299)通讯联系人:韩国强(1962—),男,江西临川人,华南理工大学教授,博导。E2mail:csgqhan@scut. edu. cn第1期周咏梅等:一种基于区域的图像相似性计算方法2252图像相似度计算2. 1两个区域相似度计算设Ii 和Ij 分别表示两幅图像,rik表示图像Ii 的一区域,rjl表示图像Ij 的一区域,如图2所示。ij①基于区域综合特征的区域相似度I SI,I(k, l)按式(2)计算。- dkl2I S I i, I j (k, l) = e, d k l = ‖ f CTP ( rik ) - f CT P ( rj l )‖,(2)式(2)中,dkl表示两区域综合特征的欧氏距离,fCTP 表示区域颜色、纹理及位置综合特征。图2区域相似度计算示例F ig. 2 Examp le of sim ilaritycomputationfo r reg ionsij②基于区域直方图特征的相似度HS I ,I(k,l)计算按式(3)进行。ijHS I ,I(k, l) =CN∑c=11 - | f histogram , c ( rik ) - f histogram , c ( ril ) | ,(3)式(3)中,c表示颜色空间量化方法中颜色类别[7],其中CN=11。③基于区域形状特征的相似度S SI,I (k,l)计算按照式(4)进行。i djijS S I ,I-(k, l) = eklklik)( jl))( )8 , d s = ‖(f shape (r- f shape r‖,4式(4)中,dskl表示两区域形状特征的欧氏距离。④两区域相似度的