基于分块颜色核特征的图像检索技巧.docVIP

基于分块颜色核特征的图像检索方法-电气论文 基于分块颜色核特征的图像检索方法 王琪1，杜娟1，徐国清1，程彬2 （1.南阳理工学院计算机与信息工程学院，河南南阳473000；2.南阳理工学院软件学院，河南南阳473000） 摘要：颜色特征是图像最直观的特征，传统的颜色直方图虽然能够描述图像中各颜色分量的比例，然而却破坏了图像各颜色分量的空间位置分布信息，从而使得图像检索结果不准确。因此，提出一种分块颜色核特征的方法，使用重叠分块策略，强调图像中心的视觉内容，同时，设计颜色核函数将分块颜色直方图映射到核特征空间，更准确地描述图像颜色特征。经过实验证明，该方法与全局颜色直方图相比，分块颜色特征有较高的查准率和查全率。 关键词 ：颜色特征；图像检索；重叠分块；核函数 中图分类号：TN911.73?34；TP391 文献标识码：A 文章编号：1004?373X（2015）15?0042?03 收稿日期：2015?02?09 0 引言 随着网络的发展，图像数据量剧增，基于内容的图像检索可以有效地解决在众多图像数据中搜索到目标图像的问题，其关键问题是提取图像的视觉特征。颜色特征是图像最基础最直接的特征且鲁棒性较好，然而传统的颜色直方图虽然能够很好地表征颜色分量的含量，但却无法体现各颜色分量的空间分布情况，往往造成颜色直方图和图像之间一对多的关系即不同图像拥有相同的颜色直方图，因而造成图像检索结果准确性较低[1?2]。同时，均匀分块虽然可以体现颜色空间分布，但是由于分块模板大小难以把握，分块过大则不能较好地体现空间分布情况失去分块意思，而分块过小则使得图像整体内容被破坏，过分关注细节内容，从而失去了颜色特征的鲁棒性优势[3]；另一方面，颜色特征是线性空间特征，对于细节差异的区分度较差[4]。当检索正确图像与错误图像的特征向量差异性量纲过小时，无法通过选择合适的阈值过滤掉错误图像，则检索结果中返回大量错误图像，对用户形成极大的干扰。 基于以上分析，本文提出一种重叠分块颜色核特征的方法来更好地描述图像的颜色视觉内容，该方法共分为三步：首先，以4×4为模板对图像进行划分，形成4×4个分块；然后，在4×4 分块的基础上，除去四个角的分块，以2×2 模板进行滑动分块，从而获得5 个重叠的分块；最后，获得每个子块的颜色直方图通过核函数形成分块颜色核特征，从而获得图像颜色内容的更准确描述。 1 算法描述 1.1 颜色直方图 颜色直方图因其实现简单成为当前最广泛采用的表示图像视觉内容的方法，由于它关注的是整幅图像各颜色分量比例，因此存在较好的全局性、旋转以及尺度不变性[5]。 （1）由于HSV空间与人眼感知色彩的方式较一致，将彩色图像从RGB转换到HSV空间获得的颜色特征更适合视觉模型； （2）进行量化处理。理论上直接对真彩图像进行颜色直方图的计算获得结果更加真实准确，但实际上人眼对很多颜色细节并不敏感，而真彩图像则花费大量的计算在这些并不重要的细节方面，通常需要对真彩图像进行颜色量化突出人眼敏感的主要颜色，本文使用了简单而快速的查色表量化方法对HSV数据进行非均匀量化，同时完成了从3 维HSV 分量中获取1 维颜色特征值，量化方法如下： （3）根据式（1）中颜色特征值L 计算各颜色值发生频率即获得颜色直方图，如式（2）所示： 式中：nk 表示颜色特征值为k 出现的频率；n 则表示像素总数。 1.2 分块策略 图像的全局颜色直方图能够描述图像全局颜色成分，具有良好的视觉感知效果，同时，有较好的旋转不变性，但是缺乏图像空间分布信息，使得完全不同的图像可能拥有较相近的颜色直方图，造成基于颜色特征的图像检索准确率低[6]。而传统的分块方法将图像划分为大小相同的小块，虽然可以增加图像空间分布信息，但是破坏了图像的主体部分，并且忽略了子块之间的联系。本文提出重叠分块的分块策略，首先，对图像进行均匀分块，使得颜色特征包含空间分布信息；然后，在均匀分块的基础上，使用固定模板对除去四角分块外的图像进行2 次滑动分块，使得图像中间区域在分块时进行重叠，从而强调图像中间部分，克服了分块带来的图像主体部分遭到破坏的缺点。因此，本文分块策略即获得了颜色空间分布信息，又较好地保存了颜色特征的整体性。步骤如下： （1）将原图像按照4×4的模板进行分割，形成16个大小相同的分块，如图1所示，S11~S44为16个分块。 （2）在这16个分块的基础上进一步分块。上下左右4个角由于处于图像边缘，用户感兴趣度不高，因此对这些分块不进行再次处