基于颜色_空间二维直方图的图象检索
一种基于HSV颜色空间的图像检索技术
１ ｔ ｈ 【１ ０ ， Ｅ ２４ ］ ． ２ ｛ ｈ Ｉ５ ｒ ．Ｉ Ｅ ７ ３ ４ ｈ ［ ．５ Ｅ７ １ 】 ６ ５ Ｅ １６ ９］ 【 ．Ｏ ５１
－
。
ｆ ｌ ０ ， ｛ ｛ ｌ 厂 Ｉ ｌ ２ ，
Ａｂ ｔ ｃ：Ｉ ｈｓ ａ ｅ， ｎｒ ｄ ｃ ｍａ ｅＲｅｒｅ ａ Ｔｅｈ ｏｏ ｙＢａｅ ｎ ＨＳ Ｃｏｏ ｐ ｃ ．Ｉ ｈ ａ ｉ ｅ ｗｅａｌｙ ｅｔ ｅｄｇ ｓ ｒ ｔ ｎ ｔｉ ｐ ｐ ｒ ｗｅｉｔ ｕ ｅＡｎ Ｉ ｇ ｔ ｖ ｌ ｃ ｎ ｌｇ ｓｄ Ｏ Ｖ ｌｒＳ ａｅ ｎ ｔｅｓｍｅｔ ， ｌ ｌｓ ｈ ｉ ａ ｏ ｉ ｍ ａ
调进行 不等 间隔量化 。
ｆ１ 造 一 维 特 征 矢 最 ， 照 以 上 的 量 化 级 ， ３个 颜 色 分 量 ４构 按 把
在 目前 提 出 的 多种 颜 色空 间 中 ， Ｇ Ｒ Ｂ颜 色 空 间 是 实 际应 用 中 最 多 的一 种 Ｒ Ｂ颜 色 空 间 分 三 个 通 道 ： （ ｅ ）绿 （ ｒｅ ） 蓝 Ｇ 红 Ｒ ｄ 、 Ｇｅｎ 和 （ ｌｅ 。 Ｂｕ ）分别反映了颜色在某个通道上的亮度值。对图像 而言 ， 其 颜 色 的 表现 也 是 通 过 Ｒ Ｂ 三个 色彩 分 量 组 合 而 成 的 。 Ｇ Ｒ Ｂ颜 色 空 间 的 缺 点 在 于 ， 是 改 变 一 个 颜 色时 ， 个 通 道 Ｇ 一 三 上 的 颜 色 全 部 需 要 修 改 ； 是 它 不 是 一 个 均 匀 颜 色空 间 ， 色 空 二 颜 问 上 的 距离 ． 不能 代 表 人 眼 视 觉 ｔ的 颜 色 相似 性 。 并 ２２Ｈ Ｖ 颜 色 空 间 ． Ｓ
Ａｎ Ｉ ｇ ｔｉｖ ｃ ｎ ｌｇ ｓ ｄ ｏ ｍａ ｅ Ｒｅ ｒ ａｌ ｅ Ｔｅ ｈ ｏｏ ｙＢａ ｅ ｎ ＨＳＶ Ｃｏｏ ｐ ｃ ｌｒＳ ａ ｅ
基于颜色空间特性的图像检索
作者简介 ： 李延龙 （ １ ９ ８ ８一） ， 男， 河南平顶山人 ， 海南大学信息科学技术学院 ２ ０ １ １ 级硕士研究生 通讯作者 ： 李太君 （ １ ９ ６ ４一） ， 男， 硕士生导师 ， 主要研究方 向为 网络与信息检索 ．
第３ １ 卷 第４ 期
２ ０ １ ３年 １ ２月
海 南 大 学 学 报 自 然 科 学 版
ＮＡＴＵＲＡＬ Ｓ ＣＩ ＥＮＣＥ Ｊ ＯＵＲＮＡＬ ＯＦ ＨＡＩ ＮＡＮ ＵＮＩ ＶＥＲＳ Ｉ ＴＹ
Ｖ０ ｌ ＿ ３１ Ｎｏ ． ４
Ｄｅ Ｃ ． ２ ０１ ３
文章编号 ： １ ０ ０ ４—１ ７ ２ ９ （ ２ ０ １ ３ ） ０ ４—０ ３ ４ ４— ０ ５
内容 的 图像 检索技 术 ．基于 内容 的图像检 索技术 是基 于 自动派生 的低级 特性 （ 人类 的视觉 相 关 ） 、 中级 特
性（ 对 象相关 ） 和高级特 性 （ 语 义相关 ） ， 其特 性 中 ， 低 级特性 在 计算 机视 觉 图像 识 别 中 的 目标 自动 识别 和 分类 上表现 的更 为简便 ， 因而 更受关 注 ．颜 色是 一种 重要 的低 级 特征 ， 由于颜 色对 复 杂背 景具 有鲁 棒 性 ， 并且 不局 限于 图像 的大小和 方 向 ， 因此 在基 于 内容 的 图像 检 索 中发 挥 着 重要 的作 用 ．然 而 ， 单 单使 用 颜 色直 方 图是 不足 以描述 一 幅图像 的 ， 有些 图像 虽然有 着 相 同的颜 色 比例 ， 但 是 颜 色空 间分 布不 同 ， 就会 造 成不 同 的效 果 ， 因此颜 色直方 图不 能代 表 图像 的内容 ．例 如 ， 蓝 色 的天 空 和海 洋 可 能 有着 相 似 的颜 色直 方图， 但它 们 的颜 色空 间位置 不 同 ． 越来越 多 的基于 内容 的图像检 索 系统应用 在商业 和研 究 领域 中 ， 然而 这些 系 统并 不考 虑 对检 索 图像 非 常有用 的颜色 空 间分 布特 性 ．文献 ［ １ ］ 介 绍 了 ３种 类 型 的颜 色 空 间直方 图— —环 型 、 角 型 和混 合颜 色 直方 图 ， 由于 ３种 颜色 直方 图都包含 了颜 色空 间分布 信 息 ， 所 以优 于传 统 的颜 色 直方 图 ， 但 是 ３种 颜 色 空 间 直方 图方 法探 索特定 范 围的色彩 空 间域 ， 导 致计 算量 过 大 并且 枯 燥乏 味 ．文献 ［ ２ ］ 提 出 了使 用 基 于分 块 的颜色 空 间技 术 ， 虽 然相对 简单 ， 但并 不适合 背景 占据 很 大 区域 的图像 ．针 对 于上 述文 献 的不 足 之处 ， 并考 虑到结 合颜 色和 空间分 布信息 对有更 好检 索结果 的重要性 ＿ ３ Ｊ ， 笔者提 出基 于颜色 空间特性 的 图像 检 索， 其原理首先 提取出图像 中最大 的 ３个颜色 区域及 各 自的最小包 围矩形 （ ＭＢ Ｒ） Ｊ ， 然后通过改进 的子块技 术 确定 目标 区域 的位置 ， 最后得到综合颜色 和位置信息 的索 引 ， 从 而形成更为有效 的图的 图像 检 索
图像检索算法的综述
图像检索算法的综述随着计算机科学的快速发展，图像检索技术也得到了极大的发展和突破。
图像检索是从图像数据库中获取相关图像的过程，主动的检索过程是通过输入查询图像，在图像库中进行搜索，以返回最符合查询图像的结果。
现代图像检索技术主要分为两个阶段：特征提取阶段和相似度比较阶段。
分别介绍如下：一、特征提取阶段1.颜色颜色是一种在图像中广泛使用的特征，计算机可以很容易地提取和比较图像中的颜色信息。
常见的颜色直方图方法是基于彩色空间的统计方法。
2.纹理纹理是一种可看作是由若干个相似或重复的形式元素构成的、呈现出一定规律性的二维空间形式单元，可以用来描述图像的细节特征。
纹理特征提取方法包括灰度共生矩阵、Gabor滤波器和局部二值模式等。
3.形状形状是一种能够捕捉图像主要信息的关键特征。
形状特征可以通过边缘检测等方法进行提取，主要包括边缘匹配、轮廓匹配等。
4.空间布局空间布局主要描述了图像中各个特征的相对位置和大小比例。
常用的方法包括关键点检测和图像分割等。
二、相似度比较阶段在特征提取阶段中，提取图像特征的方法产生了一组特征向量，需要将它们之间进行比较，以找到最相似的图像。
相似度比较方法包括欧几里得距离、余弦距离和皮尔逊相关系数等。
除以上传统方法外，深度学习在图像检索中也得到了广泛应用。
深度学习模型利用反向传播算法自动调整模型参数以最小化错误率。
当前，应用最广泛的深度学习模型是卷积神经网络（CNN）。
CNN能够对大量的图像数据学习到特征，从而实现图像检索或分类的高维特征提取和准确度提升。
作为目前最常用的图像检索算法，基于深度学习的图像检索模型在实际工程应用中也取得了很好的效果。
然而，仍存在一些问题需要解决，如如何提高性能、处理更复杂的图像数据和实现大规模并行计算等问题。
总的来说，图像检索算法是一个非常广泛的领域，目前在不断地研究和优化中。
各种不同的算法都有其自身的优点和应用场景，但也存在各种问题和局限性，需要不断地进行改进和优化。
基于颜色特征的图像检索技术
基于颜色特征的图像检索技术[摘要]由于信息技术的飞速发展，用户对信息检索的质量要求也越来越高,特别是在图片检索方面，基于文本的图像检索技术（TBIR）已逐渐不能满足用户的需求。
基于内容的图像检索技术（CBIR）开始被关注，CBIR技术检索的特征包括颜色特征、纹理特征、形状特征、空间位置关系等。
本文介绍基于颜色特征的几种检索方法基本原理和实现过程。
【关键词】RGB；HSV；颜色百分比；颜色直方图引言颜色特征是彩色图像中最显著、最直观的视觉特征，也是在图像检索中使用最为广泛的低层特征层特征。
颜色能够有效的表达图像的全局信息，因而被许多现有的图像检索系统所采用。
目前绝大多数图像的格式都是以RGB形式表达的。
在检索时，最常用的是比较符合人眼视觉特征的HSV空间，此外，还可以选择L*a*b*、HIS、YCrCb、CMYK等其他一些颜色空间。
1．颜色百分比在一幅大小为M×N的图像中，某种颜色的像素占总的像素的比例。
在图像中，不同的颜色比例会产生不同的效果。
某几种颜色按一定的百分比混合可以组成新的颜色。
颜色百分比也可以用于图像检索。
在图像检索时，首先输入某几种颜色的百分比（如红色20%、绿色50%、蓝色30%），然后通过比较图像数据库中图像颜色百分比的距离来确定颜色百分比相似度，距离值越小就越相似，反之，则差别较大。
2．颜色直方图颜色直方图是最常用的颜色特征表达方法，它表示图像中每一种颜色与其出现频率间的统计关系，适于描述那些难以进行自动分割的图像。
颜色直方图可以基于不同颜色空间。
如RGB、HSV、CMYK、L*a*b*、YUV、Ycc等颜色空间。
颜色直方图的计算：通常是统计各个颜色子空间像素的比例。
可用如下公式表示。
Pi=ni/N，其中N为图像的总像素数，ni表示第i个颜色子空间的像素数，pi表示第i个颜色子空间出现的相对频数。
比较颜色直方图的相似度可以用欧拉距离来衡量（p为图像库任意图像，q为查询目标，n为颜色子空间数）。
一种基于HSV颜色空间的图像检索技术_宋麦玲
人工智能及识别技术本栏目责任编辑：李桂瑾电脑知识与技术１引言基于内容的图象检索技术是９０年代以来新兴的一项图像检索技术，它融合了图像理解、模式识别、计算机视觉等技术，将图像的视觉特征作为特征向量进行提取，然后将示例图像的特征向量与系统中存储图片的特征向量进行相似度比较，按相似度大小排列返回给用户。
基于内容的图象检索技术按照不同的特征向量提取可分为基于颜色的、基于纹理的和基于形状的图象检索。
颜色特征是图像检索中所使用的最直观的视觉特征，它对图像本身的尺寸、方向、视角的依赖性较小，具有较高的稳健性。
因此基于颜色的图象检索技术是基于内容的图像检索技最常用最基本的方法。
而选取什么样的颜色空间对检索结果影响非常大。
２颜色空间颜色是图像内容的最基本的元素，选择一个符合人眼视觉特性的颜色空间对于利用颜色特征进行图像检索至关重要。
２．１ＲＧＢ颜色空间在目前提出的多种颜色空间中，ＲＧＢ颜色空间是实际应用中最多的一种。
ＲＧＢ颜色空间分三个通道：红（Ｒｅｄ）、绿（Ｇｒｅｅｎ）和蓝（Ｂｌｕｅ），分别反映了颜色在某个通道上的亮度值。
对图像而言，其颜色的表现也是通过ＲＧＢ三个色彩分量组合而成的。
ＲＧＢ颜色空间的缺点在于，一是改变一个颜色时，三个通道上的颜色全部需要修改；二是它不是一个均匀颜色空间，颜色空间上的距离，并不能代表人眼视觉上的颜色相似性。
２．２ＨＳＶ颜色空间据研究表明，人眼对颜色的感知是三维的，找到符合人眼视觉特征的模型是利用颜色特征进行图像检索的关键。
最早也是最简单的颜色表示法是利用红绿蓝三原色相加的原理，用ＲＧＢ值表示颜色。
这种表示法虽然简单但是没有直感，也就是说，给定某一ＲＧＢ值，人们无法感知所对应的颜色。
在许多实用系统中，大量应用的是ＨＳＶ［８］空间，这个空间是由色度（Ｈｕｅ），饱和度（Ｓａｔｕ－ｒａｔｉｏｎ），亮度（Ｖａｌｕｅ）三个分量组成，与人的视觉特性比较接近，其中亮度（Ｖ）表示颜色的明暗程度，主要受光源强弱影响，色度（Ｈ）表示不同颜色，而饱和度（Ｓ）表示颜色的深浅。
基于颜色和边界方向特征的图像检索
２０ ０６年 ｌ 月 ０ 第 ２ 卷第 ５期 ７
湘南 学院学报
Ｊｕｎｌｏ ｉｎ ｎｎ Ｕ ｉｅｓｔ ｏ ｒａ ｆＸ ａ ｇａ ｎｖｒｉ ｙ
０ ｔ ．０ ６ ｃ ．２ ０
Ｖ０ ． ７ Ｎｏ． 】２ ５
基 于颜 色和边 界方 向特征 的图像检索
收 稿 日期 ：Ｏ６—０ —２ ２Ｏ ６ ９
作者简介 ： 章才 能（９８一） 男， 南衡 阳人 ， １７ ， 湖 湘南学 院计算机 系助教 ， 士， 究方 向：网站 架构 ， 硕 研 图像 处理 ， 网络编 程
・
８ ・ ９Байду номын сангаас
维普资讯
开销 ． 基于非分割的方法并不要对图像分割 ， 就能提取形状因子并得到特征向量 ． 例如 ， ｅｇ Ｊ 出了接近分 ｚ ｎＥ提 ｈ 割的方法 ， 提取 １ 个形状因子用它们作为特征向量 ， ２ 然而效果并不是很好 ． ｉ ｖｉｙ［提出了边界方 向直 Ｊ ｎ和 ａａａ ｊ ａ ｌ ６ 方图 ， 这种方法找到图像 中对象的边界 ， 对边界中的像素点计算相应 的方向值并得到边界方 向直方 图． 这种方 法非常的有效能够 比较准确的描述对象的形状 ， 并对图像的缩放 、 旋转 以及视角具有不变性 ． 本 文 旨在研 究一 种有 效 的基于 多特 征 相结合 的 图像 表示 方法及 相 应 的检 索技 术 ． 过对 现 有方 法 的研 究 通 并进行了改进 ， 针对单一特征不足以准确描述 图像 ， 出了基于颜色和方向特征相结合的图像检索 ． 提 主要研究 了下面几个方面的内容 ： 首先针对颜色直 方图中所有像素具有相同重要性的问题 ， 出了像素加权新的颜色 提 直方图方法 ； 其次 ， 为提取图像的形状特征采用非分割 的边界方向直方图方法 ， 并给出边界方向直方图的具体 创建过程； 最后 ， 在进行多特征的图像相似计算 时， 利用相关反馈技术动态地调整多特征 向量之 间的权值系 数， 并提出了相应的权值调整算法 ．
基于颜色和空间特征的图像检索
维普资讯
第３ 期
张志安等：基于颜色和空间特征的图像检索
４３ ２
则颜色空间直方图 ｈ 的信息熵可以表示为
１ｈ Ｅ［１４ ］ ， ２， ０
２ ｈＥ［ ， ］ ４７ １５
，
， ， Ｅ ［ ， ２ ０ｓ ００ ］ ．
ቤተ መጻሕፍቲ ባይዱ
Ｓ＝｛，Ｅ［ ２０ ］ １ ０ ，７ ； ｓ ． ．
０ Ｅ ［ ， ２ ， ００ ］ ．
Ｅ ［． ，］ ０７１
５ Ｅ１， ］ ： Ｅ０， ］ ， ［１０ ９２ Ｊ ［２．． ７ １ ．０ ， ７
收稿 日期 ： ０ ７一 ｌ ０ ２０ Ｏ 一 ８
基金项目：全国教育科学 “ 十一五”规划 ２０ ０６年度教育部重点课题 （ Ｃ ００ ９ ） Ｄ Ａ６０ ７
作者 简介 ：张志 安 （９６一） １６ ，男 ，副教授 ，研究 方 向 ：图像处 理技术 和 网络技术 ，Ｅｍ ｉ ｈｎｚ＠ｐｂｘｏｌ ｅｃｒ． －ａ ：ｚａｇ ｌ ａ ｕ．ａｎｉ ．ｏ ｎ ｎ
文章编号 ：１０ ５４ （０７ ３ ０２ — ５ ０６— ４ Ｘ ２０ ）０ — ４ ２ ０
基 于颜 色和 空 间特 征 的 图像 检 索
张 志安 ，骆 斌
（ 安文 理学 院 现代教 育 技术 中心 ，西安 ７００ ） 西 １０２
摘
要：提出一种新的基于颜色和空间特征的图像检索算法．首先，将检索 图像转换为 Ｈ Ｖ颜色 Ｓ
空间并进行量化 ，提取环形颜色空间信息熵作为颜色空间分布特征．其次 ，计算每个像素点的多 邻域量化颜色值的一、二阶中心矩 ，利用各阶统计矩的信息熵来表征 图像颜 色的局部空间特征．
最后 ，对特 征 向量进 行 高斯归一 化 ，采用特 征 向量 的 Ｌ 一 ｏｍ距离计 算彩 色图像 的 相似度 并进 行 ｎｒ
基于颜色—空间特征的图像检索
色 空 间分 布 信 息 ： 丰颜 色 方 法 ［， ４ 该方 法 提 取 图像 中 的 牛要 颜 色 ， ］ 从而 有 效 去 除 了不 重 要物 体带 来 的颜 色 干 扰 ， 但
仍 丢 失 了颜 色 的 空 间分 布 信 息 ： 了增 加 颜 色 特 征 的 空 间 信 息 ， 提 出 了颜 色 相关 矢 量 Ｃ 为 又 ＣＶ（ｏｏ ｏ ｅｅ ｃ ｃ ｌｒ ｃ ｈ ｒｎ 、纹 理 、形 状 和 空 间 关 系 等 特 征进 行 检 索． ｙｔ 等 这 ｅ 由于 图像 内容 的特 征 很 难 准确 地 提 取 和 描述 。 征 的相 似度 计算 与 人 眼 的感 知存 在 一定 的差 异， ＢＩ 特 Ｃ Ｒ还 有 许 多 问题 需 要解 决．
维普资讯
１０ ．８ ５２ ０ ／３ １ ）０ １ ６ ０ ０９ ２ ／ｏ ２ ｌ（０２ ３ ． ０
￣２ ０ ｏ ｒａ ｆ ｏｔ ｒ 软 件 学 报 ０ ２Ｊ ｕｎ ｌ Ｓ ｆ ｅ ｏ ｗａ
Ｖ １３ ｏ． ，Ｎｏ １ １ ．０
基 于颜 色 一 间特 征 的 图 像 检 索 空
取 每 个 物 体 的 颜色 和 位 置 特 征 ， 后 进 行 图像 问相 似度 的 计算 ． 最 这种 方 法 克 服 了通 过将 图 像分 块 （ Ｌ、 中 、下 如 三 部 分） 以获 得 颜 色 空 间 分 布特 征 所 存 在 的僵 化 和 粗 糙 性 缺 点 ， 由于准 确 的 图像 分 割 比较 网难 以及 相 似 度 计 但 算 模 型与 人 的感 知存 在 差 异 ， 因此 对 于 一般 的图 像数 据 库 进 行检 索 ， 实验 效 果 有 时不 够 理 想 ． 本 文研 究 了基 于 颜 色 一 间 特 征 的检 索 方法 ． 用 改进 的 ＨＳ ｈ ｅｓｔｒｔ ｎｖ ｌｅ颜色 模 型进 行 图像 分 割 空 使 Ｖ（ ｕ ，ａｕａｉ ，ａ ） ｏ ｕ 和 颜 色 相 似度 计算 ， 用 了基 于统 计 方 法 的更 加 鲁 棒 的对 象 形 状 特 征 （ 形 状 的 大 小 形 状 的 离 散度 ，和 离心 使 用
基于HSV颜色空间的图像检索系统
颜 色 空 间 的色 彩 为 （ Ｒ， Ｇ， Ｂ） ， 而 ＨＳ Ｖ 颜 色 空 间用 （ Ｈ， Ｓ ， ｖ） 表
８２
∑Ｘ （ ｉ ， ， 足
公式 中的 ｘ和 Ｙ代表 两张图片， Ｄ 的值 即两张 图片 的相 似度 。当 Ｄ（ ｘ， Ｙ） ＝ １时 ， 表示两 张图片 完全 匹配 ， 当 Ｄ（ Ｘ，
青
…
＿ ７ ：
其 中， Ｎ． 和 Ｎ 分 别代 表 两 张 图片 的像 素 个 数 ， 结果 表 示 每 个 Ｈ 值 出现 的概 率 。
１ ． ４ 特征 匹配
特征 匹配是直接反 映两张 图片 是否匹配 的关键模 块 。 其
原 理 是 将 关 键 图 的颜 色 直 方 图 与 图 片 库 中 图 片 的 颜 色 直 方
分量按照品红、 青色、 黄 色来划分 ， 这样可 以得到一个 ３ ６ ０度 的Ｈ分量 ， 计算每个度上颜色的频数 ， 根据每个度上颜色 的频 数 就 可 以知 道 图像 的 颜 色 直 方 图 ， 转化公式如下 ：
并呈现 出相似度最高 的几幅 图片 。‘
１基 于 ＨＳ Ｖ 颜 色空 间的 图像检 索算 法
＝
Ｍ ｘ ａ （ Ｒ ， Ｇ ， Ｂ ） （ 一
１ － ３颜 色直 方 图 颜色直方图能以直观 简洁的方式表现 出任意一幅图像的 色彩分布 ， 能具体地展现 出不 同颜色 占整幅图片色彩的 比例 。 特别是对于空间分布较 为复杂或者排 除位置 因素 的图片 ，颜 色直方 图表现 出其它描述方式不 具有 的 良好特性 。它 的横坐 标表示量化后的颜色值， 而纵坐标表示该颜色值的像素个数 。 计算公式如下：
基于颜色直方图的图像检索算法研究
基于颜色直方图的图像检索算法研究近年来，随着数字图像的大规模应用，图像检索技术已经成为了计算机视觉领域的热门研究方向。
基于内容的图像检索技术是其中最为重要的一种，在利用颜色、纹理、形状等图像特征实现图像检索的方法中，基于颜色直方图的图像检索算法备受关注和推崇。
本文将对该算法进行深入的研究和探究，旨在加深人们对于该算法的认识和了解。
一、颜色直方图的构建原理颜色直方图是一种表示图像颜色分布的方法，通过将图像中每一个像素的颜色值分配到相应的颜色区间中，然后累加各区间的像素数目，最终得到的一张颜色频次分布直方图，即为颜色直方图。
构建颜色直方图需要进行以下步骤：1. 设定颜色分量划分区间。
一般情况下，将RGB三个分量分成16×16×16的划分区间，得到4096个颜色分量；2. 对于一张待检索的图像，遍历其每个像素，将其RGB值分别映射到16×16×16颜色分量划分区域中，计算每个区域内像素数量，最终得到一幅4096维的颜色直方图。
二、基于颜色直方图的图像检索算法基于颜色直方图的图像检索算法（CBIR）属于一种典型的基于内容的图像检索方法，首先将待检索图像的颜色直方图和数据库中已知图像的颜色直方图进行比较，计算它们之间的相似度，将相似度高的图像作为检索结果返回给用户。
CBIR算法具体包括以下步骤：1. 对图片进行预处理，提取出颜色直方图；2. 对于每一张待检索的图像，计算该图片颜色直方图与数据库中每张图像颜色直方图之间的相似度。
相似度计算方式一般采用欧式距离、切比雪夫距离、余弦距离等方式进行计算。
通常情况下，欧式距离的计算方式是最为常见的方法；3. 将相似度高的图像作为检索结果展示给用户；4. 用户可根据检索结果向系统提出进一步检索请求，不断优化检索结果。
三、基于颜色直方图的图像检索算法的优缺点基于颜色直方图的图像检索算法具有以下优点：1. 颜色直方图能够准确描述图像的颜色分布及特征，对各种图像类型都适用；2. 颜色直方图具有较高的计算效率，能够满足大规模图像检索的需求；3. 相较于其他基于内容的图像检索方法，基于颜色直方图的图像检索算法表现较为稳定，对噪声的容忍度较好。
图片搜索 原理
图片搜索原理
图片搜索的原理是通过特定算法对图像进行分析和比对，以找到与待搜索图像相似的图像。
以下是一些主要的图片搜索算法和技术:
1. 颜色直方图（Color Histogram）: 将图像的颜色信息表示为
直方图，然后比较不同图像之间的直方图相似度。
2. 尺度不变特征变换（Scale-invariant Feature Transform，SIFT）: 提取图像中的关键点和局部特征，并计算其在图像空
间中的尺度、方向和描述子等特征，通过对比这些特征来找到相似图像。
3. 高斯模糊算法（Gaussian Blur）: 将图像进行高斯模糊处理，去除细节信息，然后比较不同图像之间的模糊程度来判断相似度。
4. 神经网络算法（Neural Networks）: 使用深度学习技术，构
建卷积神经网络（Convolutional Neural Networks，CNN）模型，通过训练模型来识别和比对图像。
5. 局部二值模式（Local Binary Patterns，LBP）: 提取图像的
局部纹理特征，将每个像素与其相邻像素进行比较，并将结果编码为二进制模式，通过对比这些模式来找到相似图像。
这些算法和技术可以单独使用，也可以组合使用，根据具体应用和需求选择适合的方法来进行图片搜索。
基于颜色直方图的图像检索(实验分析)
基于颜色直方图的图像检索（实验分析）1.概述在过去的十几年间，有许多知名机构都对图像检索系统进行了深入的研究，病开发出了相应的检索系统，例如IBMAlmaden研究中心研制的QBIC系统，Virage公司研发的VIRAGE系统，麻省理工大学多媒体实验室研发的Photobook系统，哥伦比亚大学研发的ViualSeek系统，斯坦福大学研发的WBIIS系统，U.C.伯克利分校研发的Blobworld系统等等。
2.相关知识2.1.RGB颜色空间RGB颜色模型中每种颜色都是由红绿蓝三种颜色组成。
这种颜色模型在许多CRT显示器和彩色光栅图形设备中被广泛使用。
这三种颜色被认为是其他颜色的添加剂，对于所需要的颜色通过对这三种颜色进行不同的比例进行相加即可得到。
RGB模型可以用如下的颜色坐标系表示。
注意从（0，0，0）到（1，1，1）的对角线，白色代表了灰阶，RGB色彩模式俯视从白色开始的。
2.2.HSV颜色空间（也称HIS颜色空间）HSV字母分别代表了色度（Hue），饱和度（Saturation），色调。
上面的锥形图说明HSV的颜色模型。
Value代表了颜色的强度，他是从图像信息中分离出来，可以表示相关信息的部分。
色度和饱和度代表了颜色在人眼中的生理特征。
色度与红色等颜色从0到1的表示不同，色度是从红色通过黄，绿，青，蓝，洋红色，再回到红色。
饱和度的区分是从0到1，他通过值大小来影响颜色的饱和度。
对于色调，也是从0到1，随着他的增大，图像的颜色就会越来越亮。
2.3.颜色模型之间的转换为了针对特定的应用更好的使用颜色，颜色空间的颜色转换是非常必要的。
一个好的颜色空间必须能够很好的表示两种颜色之间的颜色差别。
也就是说，数值表示的颜色可以近似的表示人类可以感觉的颜色的差别。
2.4.距离3.算法原理一个图像的颜色直方图是通过统计图像各个颜色的像素个数构成的。
其处理过程：1、选择颜色空间；2、对颜色空间进行量化；3、统计直方图；4、推到直方图的距离函数；5、通过索引指出最相近的图像。
基于局部颜色-空间特征的图像检索方法研究
２１ ０ ２年 ５ 月
计 算机应 用与软 件
Ｃｏ ｍｐｕ ｅ ｐ ｉ ａｉｎ ｎｄ Ｓ ｆ ｒ ｔｒＡｐ ｌｃ ｔｏ ｓ ａ ｏｔ ｅ ｗａ
Ｖ０． ９ Ｎｏ ５ １２ ．
Ｍ ａ ０１ ｖ２ ２
基 于局 部颜 色 － 间特 征 的 图像 检 索 方 法研 究 空
Ａｂ ｔ ａ ｔ ｓｒ ｃ
Ｔ ｅ ｆ ａｕ ｅ ｅ ｔ ｃｉ ｎ ｍｅｈ ｄ ｏ ｈ ｎ ｆｒ ｌｃ ｏｏ ｉ ｏ ｒｍ ｎ ｈ ｃ ｕ ｌ ｔ ｅ ｃ ｌｒ ｈ ｓ ｇ ａ ａ ｅ ｓｕ ｉｄ Ｔ ｅ ｒ ｈ ｅ ｔ ｒ ｘｒ ｔ ｔ ｏ ｓ ｆｒ ｔ ｅ ｕ ｉ ｍ ｂ ｏ ｋ ｃ ｌｒｈ ｓ ｇ ａ ａ ｄ ｔｅ ａ ｃ ｍｕ ａｉ ｏｏ ｉｔ ｒ ｍ ｒ ｔ ｄｅ ． ｈ ｉ ａ ｏ ｏ ｔ ｖ ｏ
ＧＥ ＲＥＴＲＩ ＥＶＡＬ Ⅱ ＴＨｏＤ
Ｗａ ｇＢ ｏ ｉ Ｚ ａ ｉｇ Ｓ ｉ ｋ ｎ Ｓ ｎＣ ａ Ｇ ｏＪｎｉ ｎ ａｐｎ ｇ ｈ ｏＪ ｕＪ ｎ ａ ｇ ｎ ａ ｕ ｈｏ ｕ ｕｊ ｅ
（ ａｉｎ ｌ ｅ ａ ｏａ ｒ ｃ ｎｅａ ｄＴｃｎｌ ｙｏ Ｖ ，Ｎ ｒ ｗｓ ｒ ｏ ｔ ｈ ｉ ｌＵ ｉｒｉ Ｘ ’ ｎ７ ０６ Ｓａ ｎ ｉＣ ｉａ Ｎ ｔ ａ ｙＬ ｂｒｔ ｙｏ Ｓｉ ｃ ｎ ｅｈ ｏ ｇ ｎＵ Ａ ｏ Ｋ ｏ ｆ ｅ ｏ ｏｔ ｅｅｎＰ ｌ ｅ ｎｃ ｎ ｅ ｔ ｉａ １ ０５，ｈ ａ ｘ，ｈｎ ） ｈ ｔ ｙｃ ａ ｖ ｓｙ，
点和缺点 ， 实现均匀分块颜色直方 图和累加颜色直方 图特征提取方式 的图像检 索 ， 并在此基础上 对特征提取 方式进行 改进 ， 出一 提
种基于 Ｈ Ｖ 非均 匀量 化分块颜 色直方 图的算法 ， Ｓ 并对该算法进行验证 。研 究结果表 明， 算法改善 了颜 色特征缺 乏 空间信 息的缺 该
颜色特征在图像检索中的应用研究
颜 色特 征 在 图像 检 索 中的应 用 研 究
沈 学东
（ 上海 电机学院电子信息学院 上海 ２ ０ ４ ） ０ 检 索中， 颜色作为一种 重要的图像视 觉信 息 已得到 了广 泛的应用 ， 它将 图像 颜色空间各分量 的统计信
息用直方图的形式反映 了出来 ， 具有简单、 了和抗干扰 能力 强等特点。提 出了一种基于尺度空间理论 的直方图定性匹配 算法。该 明 算法提取尺度 空间 中直方图的定 性特征 ， 然后根据规定的 匹配度量公式得到直方 图的 匹配度 量。实现 了由粗到精逐层 匹配直方 图，
逐渐检索到最匹配图像 的方法， 经实践检验取得 了较理想的效果。 关键词 Ｃ Ｉ 直方 图 尺度空 间 定性 匹配 ＢＲ
ＴＨＥ ＲＥＳ ＥＡＲＣＨ ＯＮ ＴＨＥ ＡＰＰＬＩ ＣＡＴＩ ＯＮ ＯＦ ＣＯＬＯＲ ＦＥＡＴＵＲＥ ＴＯ Ｍ ＡＧＥ Ｉ ＲＥＴＲＩ ＥＶＡＬ
０ 引 言
基 于内容 的图像分析 与检索是 在缺乏 图像理解 的情况下 ， 研 究如何通过 图像 的视觉特征 （ 如颜色 、 纹理和形状 等） 表示 来
１ 尺 度 空 间理 论
多尺度理论认为事物的存 在都是以尺度范围为前提 的。某
个单一尺度只对应事物的单一 存在方式 ， 用单一尺度观察物体 ， 只能获得物体 片面 的信息 。多尺度 理论 在多 个尺度 上研 究物 体 ， 而获得物体 的全 面可靠 的信息 。尺度 空间理论 正是从多 从
ｏ ｔ ｉ ｅ ａｉｆｃ ｏ ｅ ｕｔ ｂ ａｎ ｄ ｓ ｔ ａ ｔ ｒ ｒ ｓ ｌ ｓ ｙ ．
Ｋｅｗｏｄ ｙ ｒｓ
Ｃ ｎｅｔ ａｅ ａｅｒｔｅａ Ｈ ｓ ｇａ Ｓａｅｓａｅ Ｑ ａｔ ｉ ａ ｈｎ ｏｔｎ— ｓｄｉ ｇ ｒ ｖ ｉｏ ｍ ｃｌ— ｃ ｕ ｉｔ ｅｍ ｔ ｉｇ ｂ ｍ ｅｉ ｌ ｔ ｒ ｐ ｌ ａｖ ｃ
基于颜色及空间信息特征的图像检索
也是可逆的，同时变换也较容易实现，转化公式如下所示：
H=arccos
(R- G)+(R- B)
2 姨(R- G)2+(R- B)(G- B)
B≤G
若 B>G 则 H=2π- arccos
(R- G)+(R- B)
2 姨(R- G)2+(R- B)(G- B)
S=
max(R,G,B)- min(R,G,B) max(R,G,B)
题，环形颜色直方图描述了颜色的空间分布特征.设(Pij)C×R, 这里 Pij 表示像素(i,j)的颜色,C×R 表示图像的大小的.设 U= {(x,y),1≤x≤C,1≤y≤R}. 假设 B1,B2, …BM 为量化后的颜色 值，Sq 为二维平面上的几何集.设 Cq=(xq,yq)为 Sq 的质心，这里 xq 和 yq 定义为：
颜色是由光的折射而产生的，红（R，red）、绿（G，green）、 和蓝（B，blue）是光源三原色.除了红绿蓝以外，描述颜色的 三个分量还可以取其他不同的形式，从而形成了不同类型 的颜色空间.采用不同的颜色空间，可以为相应的应用在颜 色的生成和表示上带来方便.RGB 是常用的颜色空间，任何 色光都可以用 R、G、B 三色不同分量的相加混合而成，即按 照三种原色的比重不同可以表示万千种不同的颜色.RGB 颜色空间虽然有利于图像的显示，但不是一个均匀视觉的 颜色空间，不符合人眼对色彩视觉的感知.
在各种多媒体数据中，图像作为一种内容丰富、表现直 观的多媒体信息，它的重要性不言而喻.随着图像这种信息 载体与人们工作和生活的关系变得越来越密切，快速而准 确地访问图像数据库已成为当前图像应用领域的一个重要 课题. 传统的基于文本的图像检索技术的不足日益突出，主 要因为利用关键字对图像特征进行主观描述并不能准确快 速地定位图像资源，而基于内容的图像检索是一种近似匹 配的技术，利用图像内容特征建立索引进行检索，检索效率 更高、精度更准、适应性更强.准确地提取与表达图像的有效 特征是基于内容的图像检索的关键. 在图像的诸多特征中， 颜色特征是图像最基本的低层特征之一，颜色特征的提取 与表达也较容易实现，同时其对图像的方向、大小、角度的 依赖性较小，对图像中对象的变换也不敏感，稳定性较强， 因此在图像检索中颜色特征的提取应用最为广泛.随着人们 对图像中各个对象位置的不断关注，对象的位置与对象的 空间信息特征的查询在基于内容的图像检索中变得越来越 重要. 空间信息特征关系表达了图像内部各部分之间的联 系，如何结合图像的基本特征与空间信息特征在图像处理 方面显得尤为重要，准确有效地提取颜色特征及结合颜色 与空间信息特征进行图像检索的方法值得推广且具备相当 的可行性. 1 颜色空间 1.1 颜色空间的转换
基于颜色特征图像检索
基于颜色特征图像检索基于颜色特征图像检索技术是一种常用的计算机视觉技术，其主要目的是根据图像的颜色特征对目标图像或相似图像进行检索。
本文将介绍颜色特征图像检索的一般流程和关键技术。
一、颜色特征提取颜色特征是图像检索的重要特征之一。
在颜色特征提取方面，目前有许多方法可供选择，包括直方图、颜色均值、颜色协方差矩阵等。
其中，直方图是最常用也是最简单的颜色特征提取方法之一。
它可以对图像中每个像素的颜色值进行统计，获得不同颜色的出现次数，进而形成颜色直方图。
在实现颜色直方图时，一般采用离散化颜色空间的方法将图像转换为灰度图像或颜色空间。
常用的颜色空间包括RGB、HSV、LAB等。
离散化颜色空间还可以进行一些优化处理，例如将颜色空间划分为若干小块，以减少计算量。
二、特征向量量化特征向量量化是将颜色直方图转换为方便计算和比较的向量表示的过程。
颜色直方图通常是一维的，而特征向量表示可以是任何维度。
特征向量量化的目标是通过将直方图从一维投影到多维空间中，使得向量在这个空间中更容易分离和分类。
在特征向量量化方面，常常采用的方法是利用聚类算法，例如K-Means，将颜色直方图分成若干个聚类中心，并将颜色直方图映射到每个聚类中心的空间中。
这样，颜色直方图可以用它在每个聚类中心上的投影（即用每个聚类中心的坐标来表示颜色直方图）来表示。
三、相似度度量相似度度量是用于量化两个特征向量之间的相似度的方法。
在颜色特征图像检索中，最常用的相似度度量方法是欧氏距离和余弦相似度。
对于欧氏距离，它通常被定义为两个向量之间所有元素差的平方和的平方根。
对于余弦相似度，它通常被定义为两个向量之间的夹角余弦值。
四、图像检索通过上述步骤进行颜色特征提取、特征向量量化和相似度度量后，可以利用检索算法对目标图像进行检索。
常用的检索算法包括基于单幅图像的检索方法和基于多幅图像的检索方法。
基于单幅图像的检索方法通常是通过将查询图像的特征向量与图像数据库中所有图像的特征向量进行比较，然后从数据库中找到与查询图像最相似的图像。
基于颜色和形状的图像检索
图 （ｐ ｔａ — ｈｏ ａ ｉ ｉ ｔｇ ａ ，Ｓ Ｈ 被 提出 ，尽 管这些方法来 描述 图像 Ｓ ａ ｉ ｌ ｒ ｍ ｔ ｏ Ｈ ｓ ｏ ｒｍ Ｃ ） Ｅ
颜色 的空间分布特 征，然而该方法不具有尺度不变 性。Ｇ ｖ ｒ 提出了基于颜 ｅｅｓ３ ｌ 色 和 形 状 的不 变 特 征 图像 检 索 （ ｍ ｉ ｉｇ Ｃ ｌｒ ａ ｄ Ｓ ａ ｅ Ｉ ｖ ｒ ａ ｔ ［ ｂ ｎ ｎ ｏ ｏ ｎ ｈ ｐ ｎ ａ ｉｎ ， ＿ Ｃ ｏ ＣＳ） Ｃ Ｉ ，具有较好 的检索效果，但该方法没有考虑颜色和 形状特 征的空 间分布信
，
』
巨＝ ∑ ｏ” 一 ｌ ｇ
， ｌ
｜
／
ｔ
＼
ｌ
＼ ＿ １ ＇
～
第ｉ 个图像块的中心矩特征可以表示为
、
●
、 、
～
一
寺
图 １等 距 环 形 分 隔 示 意 图
为了提取特征点更 多的特征信息 ，可以分析每一个特征点的３ ｘ３ 邻域 的颜 色特征，这样可以使得形状特征和颜色特征融合起来 。设 ＾ ．＿ ＾ 一 ） ．’ ＿ 为 ．ｌ ＿ ＾
第ｊ 个圆环的颜色直方 图分布，则ｈ 的信息熵可 以表示为 ，
因此本 文采用图像的兴趣点来表示 图像 形状特 征。Ｈ ｒ ｉ 等 人提 出的特征点 ａｒｓ 检 测算 子是 目前较好的 一 种检测算法 ，本文采用Ｈ ｒ ｉ 算子提取检索图像的兴 ａｒｓ 趣 点。为了使图像的形状特征具有空 间分布特 性，可 以提取兴趣点 的环形空间 分布特征， Ｊ 等 人提取 了图像颜色空间直方图 ，具有较好的检索效果 ，然而该 方法所提 取的特征向量检索复杂度高 ，因此本 文进 ＿ 步提取具有空间分布的信 息熵和 中心矩。设Ｉ 是任意一幅 图像 ， 为图像Ｉ Ｉ Ｕ 的所有兴趣 点的个数， Ｃ＝（ ， 为兴趣点的质心， ｉ ）
基于颜色和空间特征的图像检索
ｃ ａ ａ ｔ ｒｖ ｃ ｏ ￣ ｈ ｃｅ ｅ ｔ ｒ Ｔｈｅｓｍｉａ ｉｙ ｏ ｕ ｒ ｉ ｇ ｉ ｇｅａ ｄ ｏ ｈｅ ａ ｓｉ ｏ ｒ ｉ ｌｒｔ ｆｔ ｑ ｅ ｎ ｍａ ｎ ｔ ｒｉ ｇｅ ｓｃ ｍｐｕ ｅ ｙ ｔ ｅＬ１ｎ ｒ ｄ ｓａ ｃ ｈｅ ｙ ｍ ｔ ｄ ｂ ｈ 一 ｏ ｍ ｉｔｎ ｅ
维普资讯
第２ ９卷 第 ６ 期 ２０ ０ ７年 ６月
红 外 技 术
Ｉ ｒａｅｄＴｅ ｈ ｎｆ ｒ２９ ６
Ｊ ｎｅ ２ ７ ｕ ００
基 于颜 色和 空 间特征 的图像检 索
安志勇 ，杜志强 ，赵 珊 ，周利华
西安 ７０７ ） １０ １ （ 安 电子 科 技 大 学 多 媒 体 研 究 所 ，陕 西 西
摘要：在环形颜色空间划分和颜色视觉关注度的基础上， 出一种新的基于颜色和 空间分布特征检索 提
算法。首先 ，在 Ｈ Ｖ 色彩 空间下进行颜色量化并计算每种颜色 的质心，进行环形颜色空间分割。然 Ｓ 后计算各环形颜色空间直方图，在此基础上计算 图像的空间颜色分布矩。同时计算各种颜色对应像素 的平均视觉关注度 ，以此作为该颜色特征的视觉关注特征 。最后对特征 向量进行高斯归一化，采用特
cbm检索式格式及例子
cbm检索式格式及例子CBM（Content-based Multimedia Retrieval）检索式是一种用于多媒体检索的格式。
它根据多媒体内容的特征属性来构建检索式，从而实现针对性的多媒体内容搜索。
以下是CBM检索式的格式和一些例子：1. 图像特征：CBM检索式中的图像特征通常包括颜色、纹理和形状等属性。
例如，可以使用颜色直方图、局部二值模式（Local Binary Patterns, LBP）和边缘直方图等特征来描述图像。
例子：颜色直方图检索式：（R：0-255，G：0-255，B：0-255）"颜色直方图(R)：{50, 30, 20, 40, ...} AND 颜色直方图(G)：{10, 20, 30, ...} AND 颜色直方图(B)：{5, 10, 15, ...}"2. 音频特征：CBM检索式中的音频特征常用于声音和音乐检索。
例如，可以使用梅尔频率倒谱系数（Mel-frequency Cepstral Coefficients, MFCC）来描述音频特征。
例子：MFCC检索式：（0-1）"MFCC特征：[0.2, 0.5, 0.8, ...]"3. 视频特征：CBM检索式中的视频特征通常包括运动、纹理和颜色等属性。
例如，可以使用光流向量（Optical Flow）来描述视频中的运动信息。
例子：光流向量检索式：（-1-1）"光流向量：[-0.5, 0.2, -0.8, ...]"以"动物"为例，下面是一篇内容生动、全面、有指导意义的文章：标题：探索自然界多样性：令人惊叹的动物世界简介：动物是地球上最美妙的创造之一。
本文将介绍动物王国的多样性以及使用CBM检索式来帮助我们了解这个广阔而神秘的世界。
正文：1. 小标题：奇妙的外表和色彩——动物世界的多样性描述：动物王国中有各种各样的外形和色彩。
通过使用CBM检索式中的图像特征，我们可以搜索具有特定颜色和纹理的动物，如橙色斑点、黑白条纹等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
! B1* 空间中颜色的非均匀量化
例如： 距离为 @" (， C， & 颜色空间与人眼的感知差异很大， 的（ 与（ 两种颜色认为 是 同 一 黑 色 ， 而 距 离 为 @" "， "， "） @" ， "， "） 的（ 和（ 则认为是两种差异很大的颜色 !"" ， $@" ， "） $@" ， !"" ， "） （ 黄色和绿色） 。文中在处理颜色特征时采用了 B1* 颜色模型 ， 该模型较好的符合人眼的感知特性。实验表明： 增加 （ 见图 $ ） 颜色直方图的维数可以有效地提高检索的精度， 但当维数增加 到一定程度时， 检索的精度提高很小而且可能下降。因此在保 持一定精度的前提下， 可以通过减少颜色的维数来达到节省特 在降低直方图的维 征存储空间的目的。 根据 B1* 空间的特性， 数并保留足够的颜色信息前提下，对 B1* 空间进行非均匀量 化得到 ?! 种代表颜色。首先将图象中每一 象 素 的 !， "， # 值转 ， ， 具体的颜色量 换 为 $， %， & 值（ $ !<" ， ?D" ） % !<" ， $>， & !<" ， $>） 化和编码方法如下（ 见图 ! ） ： 对于 ’ E!"F的颜色认为是黑色。 %6:2G" 。 （ $） （ 对 于 (E$"F 且 ’ H!"F 的 颜 色 按 亮 度 * 划 分 为 四 种 灰 !） 计算机工程与应用 !""!#$!
种方法通过累加方式增加了直方图的鲁棒性， 但仍丢失了颜色 空间分布信息； 使用主颜色的方法 该方法只提取图象中的主
<$>
要颜色， 有效去除了不重要物体的颜色带来的干扰， 但仍丢失 了颜色的空间分布信息；最新的方法是基于颜色 A空间特征的 这种方法通过对图象进行分割， 将图象表示为若干物体 查询 <!>， 的集合， 然后提取每个物体的颜色和空间位置特征， 最后进行
因此任意两个子块颜色直方图的加权平均相当于对重叠 区域进行加权后在两个区域的并集内统计的“ 加权” 颜色直方 图， 这更有利于突出图象主要部分（ 重叠区域） 的颜色分布特 颜色 征。例如： 颜色直方图 A2B 强调了图象左上部分的特征， 直方图 A2* 强调了图象垂直中间部分的特征，可以根据图象 内容的空间分布更灵活和准确的描述图象的颜色特征。 最 在将图象分块后， 统计每块区域内的 /! 维颜色直方图， 终得到一个 (3/! 的二维颜色 =空间直方图（ 见图 1 ） 。经过预处
息， 因此丢失了颜色的空间分布信息。而颜色的空间分布特征 对于区分图象的内容是非常重要的。例如： 查找含有草地的图 象， 如果能够限定图象下半部颜色为绿色， 则可以明显地提高 检索的精度。 过去为了获得颜色的空间分布信息一般将图象平 或者上、 中、 下， 或者左、 中、 右三部分。 由于图象 均分成 /3/ 块， 的主体内容一般位于图象的中间大部分， 周围背景部分占较小 的面积， 这种均匀分块的方法没有突出图象中间的主体部分和 充分限制背景的范围， 且容易将主体划分在不同块内， 破坏了 其完整性容易包含进一些不重要物体的颜色信息。 这相当于增 加了噪声， 从而降低了检索的精度。另一种获得颜色空间分布
(8
!""!#$! 计算机工程与应用
理，该颜色 % 空间 直 方 图 作 为 图 象 的 颜 色 % 空 间 特 征 存 储 在 图 象数据库中。
看出量化后图象颜色失真较小，基本能够满足人的视觉要求， 分辨出图象中物体的颜色特征。 这说明文中给出的颜色量化方 法是有效的， 在压缩颜色特征空间的同时， 尽可能保留了颜色 的视觉信息。 该图象检索实验使用的图象数据库内容包括： 雕像、 工具、 图象 人物、 建筑、 体育、 花朵、 餐具、 自 然 风 景 等 $"""" 张 图 片 ， 的颜色 % 空 间 二 维 直 方 图 特 征 预 先 计 算 好 并 保 存 在 数 据 库 中 。 这里使用左上角的同一幅图象进行检索。 传统的颜色直方图方 ， 前 !" 幅 图 的 正 确 率 为 ::> ； 基 于 颜 色%空 间 二 维 法（ 见 图 =） 直方图特征的检索方法 （ 空间约束条件默认为子块的一一对 应， 见图 ? ） ， 前 !" 幅图的正确率为 ,"> 。基于颜色 % 空间特征 的方法返回了在图象颜色空间分布上更为相似的图象， 比颜色 直方图方法明显地提高了基于内容图象检索的精度。
按 照 上 面 的 方 法 将 颜 色 空 间 共 划 分 为 129!3!#3!" ./! 种 颜色， 每种颜色用相应区域内的平均颜色表示。 这 /! 种代表色 的量化、 编码方法有效地压缩了颜色特征并较好的符合人眼对 颜色的感知特性。
/
图象的颜色=空间直方图
传统的颜色直方图方法在整幅图$
456 颜色模型
图1
图象的颜色 = 空间二维直方图
一般来说， 图片的中间部分为图象内容的主体， 图象的四 周部分定义了主体所在的场景。 将图象分为较多的块数可以提 高了空间分辨率， 但同时增大了特征的存储空间， 而且可能使 物体分得过于破碎或颜色信息不够丰富， 从而使颜色直方图的 检索性能下降。因此实际的分块数目应是一个折中。文章采用 ， 通过在每一区域 具有重叠方式的图象分块方法（ 如图 / 所示） 内统计颜色直方图来获得颜色的空间分布信息。 首先将图象均 其中 > ， 上、 右、 下部分 分成 ’3’ 块， ?， @， 4 分别位于图象的左、 分别 代表场景； A， B， *， C 是对位于图象中央主体部分的 细 分 ， 代表图象主体的左半部、 上半部、 右半部和下半部。注意到 A ，
%&’( 还存在许多具体问题需要解决。
颜色是识别图象内容的重要特征之一。在文献中， 很多种 使用颜色特征进行图像检索的方法已被提出。 最常用的检索技 术是由 18/+9 /9: &/00/;:<=>提出的颜色直方图相交方法。该方 法具有特征提取和相似度计算简便的优点，但也存在一些问 题。首先颜色量化会丢失颜色信息， 凡是被量化到一级的颜色 均被视为无差别， 而位于量化分界处两边的颜色可能其实际差 别很小却被分到不同的箱子内。同时， 全局彩色直方图只记录 了全局的颜色统计信息， 丢失了颜色的空间分布信息并混入了 不感兴趣物体的颜色信息。 因此两个颜色直方图相似的图象由 于颜色的空间分布差别很大， 图象的内容可能很不相同。改进
彩色。门限分别为：
:!" ， 1’ ， 9’ ， $8’ ， !"" ， !9" ， //";。 ! ." ， $， !， /， 1， ’， 8， 9。 （ 对于亮度 6 划分为： 暗 色 %!"& ， 和 明 色 %’"& ， <） ’"& ） $""&)。 " ." ， $。 （ 对于饱和度 5 划分为： 淡 色 %$"& ， 0） 1’&) 和 浓 色 %1’& ， $""&)。 #." ， $。
设计了一种具 间二维直方图进行图象检索方法。该方法使用 B1* 颜色模型将颜色空间压缩为 ?! 种具有代表性的颜色， 有重叠方式的图象分块方法， 然后统计每块区域内的颜色直方图得到该图象的颜色 A 空间二维直方图， 并给出了 相 应 的 相似度计算方法。实验表明该方法实现简单， 能够更加灵活、 准确地描述图象的颜色特征， 从而有效提高了检索的精度。 关键词 基于内容的图象检索
B1* 颜色模型
颜色直方图
相似度 中图分类号 Q4?R$
文章编号 $""!AK??$A（ !""! ） $!A""K@A"=
文献标识码 I
!"#$% &%’()%*#+ ,#-%. /0 1/+/(234#5% 67 8)-’/$(#"
9): ;#0$ <#0$ =#/ >?/: 7%0$@%0 （ J2S/;7M297 6T %6MS-72; 1P+29P2 /9: Q2P59606NU ， Q,+9N5-/ V9+W2;,+7U， &2+X+9N $"""K=）
AB-’(#5’： Q52 S/S2; N+W2, /9 +M/N2 ;27;+2W/0 M2756: Y/,2: 69 P606;A,S/P2 5+,76N;/M#Z+;,7， +7 -,2, B1* P606; M6:20 76 P6MS;2,, P606; ,S/P2 76 ?! 3+9:, 6T ;2S;2,297/7+W2 P606;,， 7529 :2,+N9, K 6W2;0/SS2: ,-YA;2N+69, 76 N27 P606; 5+,76N;/M +9 2/P5 ;2N+69， T+9/00U 752 ,+M+0/;+7U +, 2,7+M/72: Y/,2: 69 752 P606;A,S/P2 786 :+M29,+69 5+,76N;/M#Q52 M2756: +, ,+M. S02 /9: 2TT2P7 85+P5 /W6+: 752 ,56;7P6M+9N 6T 06,+9N 752 ,S/P2 :+,7;+Y-7+69 +9T6;M/7+69 +9 P606; 5+,76N;/M +9 ,6M2 2[. 7297 /9: 752 7;6-Y02 +9 N277+9N 752 ,S/P2 :+,7;+Y-7+69 +9T6;M/7+69 YU +M/N2 ,2NM297/7+69#Q52 M2756: +, M6;2 T02[+Y02 /9: /PP-;/72 76 :2,P;+Y2 752 P606; T2/7-;2 6T /9 +M/N2 /9: +MS;6W2, 752 +M/N2 ;27;+2W/0 S;2P+,+69#