基于联合特征的图像检索.docVIP

PAGE PAGE 1 基于联合特征的图像检索 　　摘要：基于内容的图像检索是指在大型图像数据库中寻找相匹配的数字图像的一门机器视觉技术。在该文中用到的基于内容的图像检索技术是建立在图像内容上的提取上的，通过提供更好的索引来达到更准确的检索结果。该文提到的图像检索的内容是指颜色特征，纹理特征和这俩个特征的综合应用。相比较单特征，联合特征可以返回更加优秀的和更加准确的检索结果。 　　关键词：颜色直方图；联合特征；欧氏距离；灰度共生矩阵 　　中图分类号：TP311文献标识码：A文章编号：1009-3044（2013）01-0190-05 　　1概述 　　基于内容的图像检索，也被称之为图像收索技术，它是计算机视觉技术应用在大容量的图像数据库中，解决数字图像检索的匹配问题。所谓基于内容是指图像检索系统分析的图像本身的内部数据，而不是关键词，标签和图像相关的说明。图形的内容包括颜色，形状， 　　纹理或任何可以直接从图片本身上提取出的信息。基于以上内容，用图片本身信息来检索图片，可以提供更好的检索服务和更准确检索结果[1]。 　　2设计过程 　　2.1颜色特征提取 　　颜色特征提取，直方图距离为查询图像的第一图像的数据库计算即贡献分量单独计算。现在之间的欧氏距离查询图像和图像中的第一个数据库的计算。这欧几里德距离是存放在一个数组。该程序重复其余图像在数据库中通过存储各自的价值。现在数组排序升序和第一8最接近的匹配项显示。 　　在颜色特征提取方方面，分别计算要查询图像和在数据库中图像的颜色直方图，用来统计统计RGB分量之间的距离。就是这样计算查询图像和在数据库中的匹配图像之间的欧几里德距离的。然后把计算所得的欧几里德距离被存储在一个数组中。计算在图像数据库中的其他图像平且存储它们各自的值。对得出的数据进行升序排列，显示前8个最接近的匹配图像。 　　2.2纹理特征提取 　　在纹理特征提取，对数据库中的所有图像和待检索的图像，提取出它的灰度纹理特征向量[3]。共生矩阵这种技术，不仅可以显示图像强度值也可以显示出强度的分布图。纹理特征检索选择的参数有能量，对比度，熵，逆差额，转动惯量，均值，灰度方差，灰度偏离值，分布均匀程度，局部图像的稳性和均匀性。 　　计算待查询图像和图像数据库中的第一幅图像之间的欧几里德距离，并把该欧几里德距离被存储在数组中。重复这个过程，直到把剩余所有图像的欧几里德距离都计算出来，并且存储它们各自的到一个数组中。然后把这个数组中的值按照排升序排列，把前8个最接近的匹配图像显示出来。 　　2.3联合特征提取[6] 　　联合特征提取提需要先把在图像数据库中第一图像和查询图像的直方图的距离计算出来。然后同样在数据库中的第一图像和待查询图像之间的欧几里德距离也计算出来，并且把欧几里德距离存储在一个数组中。重复该过程，直到数据库中的所有图像都得到了遍历，而且把所有得到的距离结果存储到一个数组中。 　　使用的灰度共生矩阵提取出纹理特征向量，为在数据库中的第一图像和待查图像提取纹理特征向量。待查询图像和数据库之中的第一副图像之间的欧几里德距离的计算就可以计算出来了。并且把这个计算出来的欧几里德距离被存储到一个数组中。重复进行这个过程，直到数据库中的所有图像都得到遍历，并且存下他们的欧几里得距离到同一个数组中。 　　以上存储的数组是为了进一步的运算的。进一步比较数组中存放的欧几里得距离。上述计算阵列之间的欧几里得距离的计算方法。按升序排序，并且前8个显示最接近的匹配。 　　3算法 　　3.1颜色特征的提取算法 　　1）把查询图像被输入到系统中。 　　2）用颜色直方图的方法，然后计算查询图像的直方图距离。 　　3）用同样的方法，计算在数据库中的第一图像的直方图距离。 　　4）计算查询图像和数据库中的第一幅图像之间的欧几里德距离。数据库中使用的颜色特征提取图像。 　　5）存储阵列中的“欧几里德距离”。 　　6）计算数据库中的下一图像的直方图的距离。 　　7）重复步骤4，5和6，直到数据库中的所有图像得到遍历。 　　8）把所有的数组中的的欧氏距离，按升序摆列。 　　9）显示8个最接近的匹配结果。 　　3.2纹理特征的提取算法 　　1）把待查询图像被输入到系统中。 　　2）用灰度共生矩阵的方法，计算查询图像的纹理特征向量，并把结果存在一个数组中。 　　3）用上述的方法，计算图像数据库中的第一幅图像的纹理特征向量，并把结果存在一个数组中。 　　4）计算查询图像和在数据库中的第一幅图像之间的欧几里德距离。 　　5）把这个结果存储在一个数组中。 　　6）用灰度共生矩阵的方法，计算出图像数据库中下一幅图像的纹理特征向量，并将其存储在数组中。 　　7）重复步骤4，5和6，直到数据库中的所有图像得到遍历。 　　8）把所有的数组中的的欧氏距离，按升序摆