基于颜色特征的图像检索

合集下载

基于颜色和纹理特征的彩色图像检索方法

和方差，获取图像的颜色统计特征，通过小波包变换提取图像的纹理特征；最后在进行图像间的相似性测量时，为了结
合不同的特征进行全局的相பைடு நூலகம்似性检索，还采用Ｇａｓａ模型ｕｓｉｎ
像的个数，Ｊｖ为该子图像块的总像素数。每个像素共有三个
出的颜色直方图方法（ｌｂｌｏｏｉｔｇａ，ＧＨ。然而，ＧｏａｌｒＨｓｏｒｍＣ）Ｃ
５
．．．．．．．．．一
＿［４｜＿
图１分割图
理论分析和实验结果表明，传统颜色直方图检索只记录了全局的颜色统计信息，而丢失了颜色的空间分布信息。因此，为了获取图像的空间信息，许多研究人员提出了基于网格的
归一化处理仿真结果表明，提出的方法具有良好的检索效果。【关键词】基于内容的图像检索（Ｉ）ＣＢＰ；颜色特征；纹理特征；小波包变换；相似性度量．【图分类号】ＴＮ９１３中１．７【献标识码】Ａ文【章编号】１０ — １１０００ — ０３０文０８１５（１）２０１— ３２
【摘要】由于单一特征不足以准确地描述图像的特征，文章提出了一种新的彩色图像检索方法，该方法在对图像进行分
块的基础上，分别计算图像Ｒ、Ｇ、Ｂ三通道的均值和方差，获取了图像的颜色统计特征；然后通过小波包变换提取纹理特征。在进行图像问的相似性测量时，为了结合不同的特征进行全局的相似性检索，还采用Ｇａｉｕｓａ型对不同特征间的距离进行了ｓｎ模

基于颜色信息熵和多尺度纹理特征的图像检索

ｏｅｔｒ．ｈｒｒｆａｅＴｅｍｏｅｉｏｔｎｓｅｔｓｔａｈｓｍｅｈｄｃｔｏｅｗｏｋｏｓｒ ’ｗｈｌｓｎｅｅａｔｅｄｕｍｐｒａｔａｐｃｈｔｔｉｔｏｕｓｄｗｎｔｒｆｕｅｓｉｈｉｕｉｇｒｌｖｎｅ－ｅｆｂｃｙｕｉｇｔｅｓｌａａｔｅｃａａｔｒｏｎｔｇｒｈ．ｙｃｍｐｒｔｅｅｐｒｎｓｔｅｅｐｒｍｅｔｓｏａｋｂｓｎｅｆｄｐｉｈｒｃｅｆＧｅｅｉＡｌｏｉｈｖｃｔｍＢｏａａｉｘｅｉｖｍｅｔ，ｈｘｅｉｎｓｈｗ
ａａｔｅｌｏｉｍｒｍａｅｒｔｉａ．ｏｕｅｎｉｅｒｎｎｐｉａｉｎ，０２４（５：８－９．ｄｐｉｇｒｈｆｇｅｒｅ１ＣｍｐｔｒｇｎｅｉｇａｄＡｐｌｔｓ２１，８１）１７１１ｖａｔｏｉｖＥｃｏ
１引言
利用颜色特征进行检索，虽然具有很多优点，但个最大的缺点就是它主要关注了图像的整体特征，而不能捕捉图像中不同颜色在空间上的分布ｕ。
ｔａｐｏｃｓｇｄｒｔｉｖａｒｏａｃ．ｈｔｈｅａｐｒａｈｈａｏｏｅｒｅｌｔｐｅｆｒｎｅｍ
Ｋｅｒｓｉｇｔｅａ；ｏｔｔａｅｇｔｅａ（ＢＩ：ｎｏａｏｎｏｙｍｕｔｓａｘｒ；ｅｙｗｏｄ：ｍａｅｒｒｖｌＣｎｅｓｄＩｅｒｖｌＣＲ）ｉｆｒｔｎｅｔｐ；ｌ－ｌｔｔｅｇ－ｅｉｎＢｍａＲｅｉｍｉｒｉｃｅｅｕ

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）。

基于颜色的关键帧图像检索技术研究

而又急需解决的问题，也使得基于内容的图像信息检索
（ＢＲ成为当前的一个热门研究课题。ＣＩ）
性等属性，因此笔者确定使用ＨＶ颜色空间作为颜色特Ｓ
征的匹配空间。
基于内容的视频检索，合了图像处理、融模式识别、计算机视觉、图像理解等技术，有反映图像内容并与图具像存储在一起的各种量化特征，是一种近似匹配，与常规数据库检索的精确匹配方法明显不同，并且大多采用示例查询方法。现有的国内外已开发出的ＣＩＢＲ系统主要
文章编号：０２８９（０８１— ０７０１０ — ６２２０）００１ — ２
基于颜色的关键帧图像检索技术研究
佟超．吴文怡
（苏州广播电视总台，江苏苏州２５０）１０６
・
实用技术・

【摘要】针对基于颜色特征的图像检索技术所涉及到的几个问题进行研究和分析，出基于内容的关键帧检索方法，出具体提给算法并对该算法进行验证。实验表明，方法能合理有效地对图像进行检索。该
等。
色集，然后任一图像可通过映射表量化到颜色集，经统计得到直方图。具体步骤为：
（）转换颜色空间，Ｇ－ＨＶ；１ＲＢ－Ｓ＋
（）对ＨＶ进行非等间隔量化，成７２Ｓ形２维特征矢
量；
基于内容的图像检索技术的研究具有重要的应用价值，图像检索技术目前还基本处于研究阶段，但对于利用

基于颜色和边界方向特征的图像检索

维普资讯
２００６年ｌ月０第２卷第５期７
湘南学院学报
ＪｕｎｌｏｉｎｎｎＵｉｅｓｔｏｒａｆＸａｇａｎｖｒｉｙ
０ｔ．０６ｃ．２０
Ｖ０．７Ｎｏ．】２５
基于颜色和边界方向特征的图像检索
收稿日期：Ｏ６—０ —２２Ｏ６９
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，ｅｇＪ出了接近分ｚｎＥ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．ｉｖｉｙ［提出了边界方向直Ｊｎ和ａａａｊａｌ６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．

综合目标区域颜色特征与纹理的图像检索

综合目标区域颜色特征与纹理的图像检索摘要:本文是基于目标区域的图像检索,首先将图像进行增强,将增强后的图像利用直方图确定图像的目标区域,然后结合目标区域的纹理特征对图像进行检索。

该方法客服了单一的颜色特征忽视图像空间信息的缺点,颜色和纹理相结合达到了较好的检索效果。

关键词:灰度增强自适应阈值Gabor变换基于内容的图像检索技术通过分析图像的颜色、纹理、形状等,建立特征索引,并存储在特征库中。

将目标图像与特征库里的图像特征相比较进行检索。

颜色特征是图像检索中最直观的方法,但是仅仅依靠颜色特征进行检索能够丢失图像的空间信息,因此,文中结合颜色和纹理两个特征对图像进行检索,通过实验表明该结合算法达到了好的检索效果。

1 图像目标区域选择1.1 分段线性灰度增强分段线性灰度增强将需要的图像细节灰度级扩展,增强对比度,将不需要的图像细节灰度级压缩。

基本原理:假设输入图像f(x,y)的灰度为0～M级,增强后图像g(x,y)的灰度为0～N级,区间[a,b],[c,d]分别为原图形与增强图像的某一灰度区间,分段线性变换函数为:0≤f(x,y)≤a (1)文中取a=30,b=80,c=100,c=220,灰度等级N=225,M=190,原始图像与灰度增强后图像如图1、图2。

1.2 自适应阈值方法进行图像分割在实际应用情况下,当照明不均与,有突发噪声或者背景灰度变化较大时,整幅图像分割时将没有合适的单一阈值,因此采用自适应阈值方法进行图像分割。

自适应阈值方法是对每个像素确定以其自身为中心的一个邻域窗口,寻找窗口内像素的最大值和最小值,并取二者的平均值作为阈值。

如图三所示以C为当前像素,选取C的8邻域窗口,该窗口的最大灰度值为max_value,最小灰度值为min_value,则阈值T设置为实际上,在选择邻域窗口时,不一定要选择8个窗口,但是窗口越大,需要处理的数据就越多,时间复杂度就越大。

为了采用八方向邻接技术,文中采用八窗口作为邻域窗口(如表1)。

基于颜色相关图和纹理矩的图像检索

１１颜色直方图与自相关图．
定义，由像素点Ｐ组成的图像，为每一个像素点都有特定
的灰度级别。设ｇ，：… ，为图像，的所有灰度级别，（）ｇ，ｇ／ｐ
为像素Ｐ的灰度级别，代表灰度级别为ｇ的像素点集合，，即
（）＝，度为ｇ的直方图定义为：Ｐｇ灰
ＡｂｔａｔｓｒｃＴｅｋｙ０ｏｔｎ — ａｅｍａｅｒｔｅａｓｔｘｒｃｍａｅｆａｕｅａｃｒｔｌｈｅｆｃｎｅｔｂｓｄｉｇｅｒｖｌｉｏｅｔａｔｉｇｅｔｒｃｕａｅｙ．ｃｒｅｔｃａｓｃｔｎｏｈｏ￣ＥｉｇｉｕｒｎｌｓｉａｉｆｔｅｃｍＩｏｔｍａｅｉｆｏ
关键词中图分类号图像相关图纹理矩图像检索颜色空间特征向量Ｔ３１４Ｐ９．１
文献标识码Ａ
ＩＡＧＥＭＲＥＴＲＩＥＶＡＬＢＡＳＥＤｏＮＣｏＬｏＵＲＣｏＲＲＥＬｏＧＲＡＭＡＮＤＴＥＸＴＵＲＥｏ【ＴＭ】５
李永芳
（子科技大学计算机科学与工程学院四川成都６０６）电１０５
摘
要
基于内容的图像检索的关键就是准确地提取图像特征。目前常见的图像特征的分类有颜色、纹理和形状。提出了改进
的图像相关图算法以及纹理矩算法，并采取有效的方法来结合这两种算法实现高效的图像检索，图像相关图不仅反映了图像的灰度
＾
．

基于颜色特征的图像检索方法

性。由于图像内容的丰富内涵以及人们对图像内容理的基础。进行抽象时的主观性，使得这种方法往往不能满足面向硬设备的最常用颜色模型是ＲＢ模型。Ｇ在人们的需要。ＲＢ模型中，Ｇ所有颜色都可看作是３基本颜色，个即基于内容的检索（ｏｔｎａｅａｅＲｔｅａ．红（ｒｄ，（ｇｅｎ和蓝（ｂｕ）不同组合。ＣｎｅｔｓｄＩｇｅｉ１ＢｍｒｖＲ，）绿Ｇ，ｒｅ）ｅＢ，ｌｅ的
ＣＩＢＲ）不同于传统的检索手段，它的３突出特点面向硬设备的颜色模型与人的视觉感知有一定距个是：用于检索的是反映图像内容并与图像存储在一起离，例如给定一个颜色，人很难判定其中的Ｒ、ＢＧ、的各种量化特征；使用基于相似性度量的近似查询；分量，时使用面向视觉感知的颜色模型比较方便。这大多采用示例查询ＱＥＱｅｙｙｘｍｐｅ方法。Ｂ（ｕｒａｌ）ＢＥ
准色轮上，中心向边缘饱和度是递增的。度决定１０白）从亮０％（的百分比来度量。
了彩色光的强度，也可以理解为彩色光引起视觉刺激的程度，彩色光在 “ ” 面的特征，色光所含是量方彩
从图像中得到的一般是像素的Ｒ、Ｂ值，ＧＧ、Ｒ、、值可以很方便的转换成日、、值，换公式如下：．，转ｓ

基于分块主颜色特征和EHD的图像检索方法

ｏｆＺｈｏｎｇｙｕａｎＰｅｔｒｏｌｅｕｍＥｘｐｌｏｒａｔｉｏｎＢｕｒｅａｕ，ＤｒｉｌｌｉｎｇＥｎｇｉｎｅｅｒｉｎｇＢｉｒｇａｄｅ，Ｐｕｙａｎｇ４５７００１，ＨｅｎａｎＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ）
第３ Байду номын сангаас卷
第３期
天津师范大学学报（自然科学版）
ＪｏｕｒｎａｌｏｆＴｉａｎｊｉｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
ｄｉｓｔｉｒｂｕｔｉｎｇｉｎｆｏｍａｒｔｉｏｎ，ｂｙｕｓｉｎｇｔｈｅｒｅｔｉｒｅｖａｌａｌｇｏｉｒｔｈｍｏｆｓｕｂ— ｂｌｏｃｋｄｏｍｉｎａｎｔｃｏｌｏｒｍａｔｃｈｉｎｇ，ｔｈｅｒｅｔｉｅｒｖａｌｔｅｃｈｎｉｑｕｅｓ
ｂａｓｅｄｏｎｓｕｂ— ｂｌｏｃｋｄｏｍｉｎａｎｔｃｏｌｏｒｆｅａｔｕｒｅｓａｎｄｅｄｇｅｈｉｓｔｏｇｒａｍｄｅｓｃｉｐｒｔｏｒ（ＥＨＤ）ａｒｅｃｏｍｂｉｎｅｄｔｏｇｅｔｈｅｒｂｙｗｅｉｇｈｔｅｄ
Ｖｏ１．３３Ｎｏ．３

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。

基于颜色直方图的图像特征抽取方法介绍与实验验证

基于颜色直方图的图像特征抽取方法介绍与实验验证图像特征抽取是计算机视觉领域中的一个重要任务，它能够将复杂的图像数据转化为易于处理和分析的特征向量。

其中，基于颜色直方图的图像特征抽取方法被广泛应用于图像检索、目标识别、图像分类等领域。

本文将介绍基于颜色直方图的图像特征抽取方法，并通过实验验证其有效性。

一、颜色直方图的概念与原理颜色直方图是一种用于描述图像颜色分布的统计工具。

它将图像中的每个像素点的颜色值作为输入，统计各个颜色值的出现频率，并以直方图的形式展示。

颜色直方图可以用于表示图像的颜色信息，通过分析直方图的形状和分布，可以获取图像的颜色特征。

颜色直方图的计算过程如下：1. 将图像转化为RGB色彩空间。

2. 将RGB色彩空间划分为若干个颜色区间（bin），通常选择256个区间，即将每个颜色通道的取值范围[0, 255]均匀分成256份。

3. 统计图像中每个颜色区间的像素个数，得到颜色直方图。

二、基于颜色直方图的图像特征抽取方法基于颜色直方图的图像特征抽取方法主要包括以下几个步骤：1. 图像预处理：对图像进行预处理，包括图像去噪、图像增强等操作，以提高颜色直方图的准确性和稳定性。

2. 颜色空间转换：将图像从RGB色彩空间转换为HSV色彩空间，这是因为HSV色彩空间更符合人类对颜色的感知。

3. 颜色直方图计算：根据HSV色彩空间的特点，计算图像的颜色直方图。

可以选择不同的颜色通道进行计算，例如只计算H通道的颜色直方图。

4. 颜色直方图归一化：将颜色直方图进行归一化处理，以消除图像尺度的影响。

5. 特征向量生成：将归一化后的颜色直方图拼接成一个特征向量，作为图像的特征表示。

三、实验验证为了验证基于颜色直方图的图像特征抽取方法的有效性，我们进行了一组实验。

实验使用了一个包含不同类别图像的数据集，包括动物、自然风景、建筑等多个类别。

首先，我们使用上述方法提取每个图像的颜色直方图作为特征向量。

然后，使用支持向量机（SVM）分类器对提取的特征向量进行分类。

基于局部颜色-空间特征的图像检索方法研究

第２９卷第５期
２１０２年５月
计算机应用与软件
ＣｏｍｐｕｅｐｉａｉｎｎｄＳｆｒｔｒＡｐｌｃｔｏｓａｏｔｅｗａ
Ｖ０．９Ｎｏ５１２．
Ｍａ０１ｖ２２
基于局部颜色－间特征的图像检索方法研究空
Ａｂｔａｔｓｒｃ
ＴｅｆａｕｅｅｔｃｉｎｍｅｈｄｏｈｎｆｒｌｃｏｏｉｏｒｍｎｈｃｕｌｔｅｃｌｒｈｓｇａａｅｓｕｉｄＴｅｒｈｅｔｒｘｒｔｔｏｓｆｒｔｅｕｉｍｂｏｋｃｌｒｈｓｇａａｄｔｅａｃｍｕａｉｏｏｉｔｒｍｒｔｄｅ．ｈｉａｏｏｔｖｏ
ＧＥＲＥＴＲＩＥＶＡＬ Ⅱ ＴＨｏＤ
ＷａｇＢｏｉＺａｉｇＳｉｋｎＳｎＣａＧｏＪｎｉｎａｐｎｇｈｏＪｕＪｎａｇｎａｕｈｏｕｕｊｅ
（ａｉｎｌｅａｏａｒｃｎｅａｄＴｃｎｌｙｏＶ，ＮｒｗｓｒｏｔｈｉｌＵｉｒｉＸ ’ ｎ７０６ＳａｎｉＣｉａＮｔａｙＬｂｒｔｙｏＳｉｃｎｅｈｏｇｎＵＡｏＫｏｆｅｏｏｔｅｅｎＰｌｅｎｃｎｅｔｉａ１０５，ｈａｘ，ｈｎ）ｈｔｙｃａｖｓｙ，
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ＨＶ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

基于颜色特征的图像检索方法

ｌａｒｉｔｙｍｅａｓｕｒｅｓｏｆｔｗｏｉｍａｇｅｓｂｙｃａｌｃｕｌａｔｉｎｇｗｅｉｇｈｅｄａｃｃｕｍｕｌａｔｉｖｅｄｉｓｔａｎｃｅｗｈｉｃｈｉｓｂｅｔｗｅｅｎｔｈｅｓｕｂ－ｂｌｏｃｋｓｃｏｌｏｒｆｅａ－ｔｕｒｅｓｏｆｔｗｏｉｍａｇｅｓ，ｔｈｅｎｒｅｔｒｉｅｖｅｄｉｍａｇｅｓａｎｄｏｕｔｐｕｔｅｄｔｈｅｒｅｔｒｉｅｖａｌｒｅｓｕｌｔｓ．Ａｔｌａｓｔ，ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｈａｓａｈｉｇｈｅｒｒｅｔｒｉｅｖａｌｅｆｆｅｃｔ，ｃｏｍｐａｒｉｎｇｔｏｇｌｏｂａｌｈｉｓｔｏｇｒａｍ，ｃｕｍｕｌａｔｉｖｅｈｉｓｔｏｇｒａｍａｎｄｔｒａｄｉｔｉｏｎａｌｂｌｏｃｋ
第３９卷第１１期２０１２年１１月
计算机科学ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ
基于颜色特征的图像检索方法研究
Ｖｏｌ．３９Ｎｏ．１１Ｎｏｖ２０１２
张鑫温显斌孟庆霞（天津市智能计算及软件新技术重点实验室天津３００３８４）（计算机视觉与系统教育部重点实验室（天津理工大学）天津３００３８４）
ｈｉｓｔｏｇｒａｍ．ＫｅｙｗｏｒｄｓＩｍａｇｅｒｅｔｒｉｅｖｅ，Ｃｕｍｕｌａｔｉｖｅｈｉｓｔｏｇｒａｍ，Ｃｏｌｏｒｆｅａｔｕｒｅ，Ｅｑｕａｌ－ａｒｅａｏｆｒｅｃｔａｎｇｕｌａｒｒｉｎｇｐａｒｔｉｔｉｏｎ
１引言
变化不敏感等优点，但是它无法反映颜色的空间位置信息。例如两幅完全不同的图像（如天空和大海）可能具有相同的颜

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。

基于颜色直方图的图像检索技术

25卷　第4期2008年4月微电子学与计算机M ICROEL ECTRON ICS &COMPU TERVol.25　No.4April 2008收稿日期:2007-07-27基于颜色直方图的图像检索技术高美真1,申艳梅2(1焦作师范高等专科学校计算机与信息工程系,河南焦作454001;2河南理工大学计算机科学与技术学院,河南焦作454003)摘　要:使用颜色空间分布熵来表示图像的颜色空间分布特征,结合图像的颜色直方图特征,采用加权综合法和比例系数法表示图像的综合特征,设计了基于颜色直方图和图像空间分布熵的图像检索算法.利用查全率和查准率对算法进行了评价.通过实验分析比较可知,所设计的方法具有较好的查准率和查全率.关键词:图像检索;颜色直方图;颜色空间分布熵中图分类号:TP391.41 文献标识码:A 文章编号:1000-7180(2008)04-0025-03Histogram 2B ased Color Im age R etrievalGAO Mei 2zhen 1,SHEN Yan 2mei 2(1Department of Computer and Information Engineering ,Jiaozuo Teachers College ,Jiaozuo 454001,China ;2College of Computer Science &Technology ,Henan Polytechnic University ,Jiaozuo 454003,China )Abstract :The theory of image information entropy is adopted as color distribution ,and the color spatial distribution en 2tropy is adopted as the spatial descriptor color.The writer also uses weighted 2synthetical method and proportion 2coefficient method to indicated the image characteristics and designs a image retrieval algorithm based on color histogram and its color spatial distribution entropy.According to the analysis and comparison ,this kind of algorithm has a very good retrieval a 2bility of image.K ey w ords :image retrieval ;color histogram ;color spatial distribution entropy1　引言基于内容的图像检索技术(Content 2Based Im 2age Retrieval ,CB IR )主要是利用图像的视觉特征如图像中物体的颜色、形状、纹理等特征以及这些特征的组合和上下文联系分析提取出图像的内容特征作为图像的索引特征来得到所需图像.颜色特征是图像检索中应用最广泛的视觉特征,目前有很多基于颜色特征的图像检索算法,颜色直方图是一种重要的基于颜色特征进行的图像检索方法,文献[123]中给出的几种算法各有利弊,文中吸取其优点,将颜色直方图与图像空间分布熵相结合,设计了新的图像检索算法,实验证明具有较好的检索性能.2　基于颜色直方图特征的图像检索颜色直方图是常用的图像颜色特征表示方法,反映图像颜色的统计分布,描述的是图像的整体颜色特征.对于一幅图像I ,其颜色(或灰度)由L 级组成,每一种颜色(或灰度)值为c i (i =1,2,…,L ).在整幅图像中,具有c i 值的像素个数为h i ,则一组像素的统计值h 1,h 2,…,h L 就称为该图像的颜色直方图[4].为了使HSV 颜色空间能更好地符合人的视觉特性,更有利于图像颜色特征的提取.文献[5]中提出的颜色空间量化方法,将图像的颜色量化为36柄,量化方法如式(1)所示,这样可以将很多虽然深浅不同但在视觉上仍属于同一类的颜色量化在同一区间内,使量化结果符合人类的视觉感受.H=0,H∈[0°,60°) 1,H∈[60°,120°) 2,H∈[120°,180°) 3,H∈[180°,240°) 4,H∈[240°,300°) 5,H∈[300°,360°)S=0,S∈[0,0.25) 1,S∈[0.25,1]V=0,V∈[0,0.3)1,V∈[0.3,0.8)2,V∈[0.8,1.0)(1)由于色调在色度轴上的分布是连续过渡的,而且色调之间并不存在明显的界限,上述划分方法忽视了颜色在各个区间分界处的相似连续性.为使提取到的颜色特征更符合人的视觉心理,上述量化的基础上对色调H分量进行了第二次量化,第二次量化的方法如式(2)所示.将式(1)和式(2)得到的量化值逐项求平均值作为图像的颜色直方图特征,然后使用该颜色特征进行了基于颜色直方图的图像检索.H=0,H∈[30°,90°)1,H∈[90°,150°)2,H∈[150°,210°)3,H∈[210°,270°)4,H∈[270°,330°)5,H∈[330°,360°)∪[0°,30°)S=0,S∈[0,0.25) 1,S∈[0.25,1]V=0,V∈[0,0.3)1,V∈[0.3,0.8)2,V∈[0.8,1.0)(2)3　基于颜色空间分布熵特征的图像检索3.1　颜色空间分布熵特征的提取对于数字图像而言,图像由像素组成,不同灰度的像素出现次数的不同及其分布空间位置的不同,使得图像呈现不同的形状.因此,不同形状的图像所包含的熵也是不尽相同的,因而可以用熵描述图像的形状特征.设I为一幅R1×R2的彩色图像,像素p1=(x1,y1)∈I,p2=(x2,y2)∈I,像素间的空间距离可定义为|p1-p2|=max{|x1-x2|,|y1-y2|}(3)对于R1×R2的图像,像素间的距离满足0≤|p1-p2|≤max{R1-R2}-1,图像被划分为不同的矩形区间.为了保持图像的尺度不变性,需要进行归一化处理,即p ij=|A ij||A i|(4)利用熵的特性,设计采用颜色空间分布熵来描述颜色的空间分布特性.颜色i的空间分布熵表示如下:e i=-∑Nj=1p ij log2(p ij)(5)空间分布熵反映了具有某种颜色的像素在图像空间中的平均分散程度,颜色空间分布熵越大,表明具有该颜色的像素在图像空间中越分散,否则,表明具有该颜色的像素在图像空间的分布比较集中. 3.2　算法设计为了有效地利用颜色空间分布熵特征和颜色直方图特征进行图像检索,对图像的颜色直方图特征和图像的颜色空间分布熵这两个特征采用了加权综合法和比例系数法形成图像检索用的综合特征,设计了两种图像检索方法.3.2.1　加权综合法对于两幅图像的直方图特征,采用直方图相交法来进行相似性度量:d1(H,H′)=1-∑ni=1min(h i,h i′)min(∑ni=1h i,∑ni=1h i′)(6)对于图像颜色的空间分布熵,采用L1距离来进行相似性度量:d2(E,E′)=∑ni=1|e i-e i′|(7)由于颜色直方图间的距离d1及颜色空间分布熵间的距离d2代表了不同的含义,并且它们的取值也差别很大,因此不能简单地将两个距离相加来表示两幅图像间的距离,需要进行归一化处理,以保证构成总相似度中的每一个特征都具有相同的重要性.实验中,权重都取0.5,将图像的颜色直方图与颜色空间分布熵赋予了同等重要性.3.2.2　比例系数法对于任意的示例图像I和数据库图像I′,它们之间的相似性可以定义如下:d(I,I′)=1-∑ni=1min(h i,h i′)×min(e i,e i′)max(e i,e i′)(8)式中,图像间的相似性共包括两部分,第一部分min(h i,h i′),表示直方图相交法的结果,它度量了62微电子学与计算机2008年图像颜色直方图h i 和h i ′之间的相似性;第二部分min (e i ,e i ′)max (e i ,e i ′)度量了颜色i 的空间分布上的相似性.由于min (e i ,e i ′)max (e i ,e i ′)的结果为一个比例系数,因此该方法不需要进行特征间的归一化处理.4　实验结果为了比较算法的检索性能,将文中设计的两种算法与颜色直方图法进行了比较.采用的图像库包含有1000幅各类图像,包括交通工具、动物、建筑物和自然景观等类型的图像.在图像库中选取了5类图像组成检索集来检验算法的检索效果.采用查准率和检索率作为算法检索效果的评价的标准.其中,查准率表示检索结果队列中检索的目标图像数与队列中图像数之比,查全率定义为检索结果队列中检索的目标图像数与图像库中全部的目标图像数之比.对于不同的图像检索算法,在相同的检索率条件下检索的精确度越高,则表明该算法的检索效果越好.从每类图像中分别抽取5幅图像来进行检索,共形成25次检索结果,将25次检索结果查准率和查全率的平均值作为算法的平均检索结果.图1给出了三种算法的查准率和查全率对比曲线.需要说明的是,为了能更清晰地表示查全率和查准率的对比效果,图1中的坐标原点是(0.2,0.68).5　结束语由于图像颜色直方图一个主要缺点是没有反映颜色的空间分布信息,因此采用了图像的空间分布熵表示图像颜色的空间分布特征,综合使用了图像的颜色直方图特征和颜色的空间分布熵特征进行加图1　加权综合法、比例系数法、颜色直方图法查全率和查准率对比曲线权综合法图像检索和比例系数法图像检索比只使用图像的颜色直方图特征进行图像检索具有较好的检索性能.参考文献:[1]Li J ,Wang J Z ,Wiederhold G.IRM :integrated regionmatching for image retrieval [C ]//Proceeding of ACM A :Standford University ,2000.[2]Stricker M ,Orengo M.Similarity of color images [C ]//Proceeding of SPIE Storage and Retrieval for Image and Video Database.Swiss :Swiss Federal Institute of Technol 2ogy Publication ,1995(2420):381-392.[3]王宇生,陈纯.一种新的基于色彩的图象检索算法[J ].计算机研究与发展,2002,39(1):105-109.[4]魏宝刚,李向阳,鲁东明,等.彩色图像分割研究进展[J ].计算机科学,1999,26(4):59-62.[5]何清法,李国杰.综合分块主色和相关反馈技术的图像检索方法[J ].计算机辅助设计与图形学学报,2001,13(10):912-917.作者简介:高美真　女,(1970-),讲师.研究方向为多媒体技术、计算机基础教学.(上接第24页)[3]Saito.Call admission control in an A TM network using up 2per bound of cell loss probability[J ].IEEE Trans Commun ,1992(40):1512-1521.[4]姚正林,刘金刚.基于大偏差技术的自相似流CAC 算法[J ].微电子学与计算机,2004,21(3):65-68.[5]Stathis C ,Maglaris B.Modelling the self -similar be 2haviour of network traffic [J ].Computer Nerworks ,2000(34):37-47.[6]Norros.On the use of fractional brownian motion in thetheory of connectionless networks[J ].IEEE J.Select.Ar 2eas Common ,1995,13(6):953-962.[7]Wang L Jonathan ,Erramilli A.A connection admissioncontrol algorithm for self -similar traffic [C ]//G lobal Telecommunications Conference 1999.Rio de Janeiro ,Brazil ,1999(2):1623-1628.作者简介:胡　英　女,(1982-),硕士研究生.研究方向为计算机网络.谭献海　男,(1963-),博士,副教授,硕士生导师.研究方向为计算机网络.72　第4期高美真,等:基于颜色直方图的图像检索技术。

基于颜色连通区域多特征融合的图像检索

特征，空间颜色直方图是统计每种颜色的分布特征，这两种方法都较简单，效果一般；模糊颜色直方图不仅比较了同种颜色的差异，还将相近的颜色进行了比较，但运算速度较慢。单纯的颜色一致向量方法能够提高检索精度，也有很多学者对其进行改善，但效果还不够明显。
同颜色的区域，即颜色连通区域，其特点为：连通区域中任
意２个像素颜色相同，且它们之间总存在一条通路，即一条
和它们颜色相同的像素组成的连线。如果某区域像素个数大于设定的阈值ｔ则该区域中的像素为一致性像素，，否则为不
一
称颜色聚合向量）。其中，颜色直方图仅考虑每种颜色含量等
处理、计算机视觉、机器学习、人工智能等诸多研究领域，
２研究现状
２１颜色一致向量．颜色一致向量是指将像素分为一致性像素和不一致性像
素，分别统计得直方图，比较２幅图像的２个直方图，即得到其相似度。对图像经过颜色量化处理后，形成很多具有相
ＩａｅＲｅｒｅａｓｄ０ｕｌｉｆａｕｒｍｇｔｉｖｌＢａｅｎＭｔ—ｅｔｅＦｕｓｏｉｎ
０ｌｒＣｏｆＣｏｏｎｎｅｔｄＲｅｉｎｃｅｇｏ
ＸＩＮＧＡＹａｎｇ，ＣＨＯＮＧＹａｎ・ｅ，ＡＮＧｉｎｕｏ，ＰＡＮｗｎＷＹ－Ｓｈａｍｉｏ－ｎｇ“
致性像素。
２２相关改进．文献［］为阈值被设为固定值会导致某种颜色所有区５认
域都被判为一致性区域或不一致性区域，这样就变成了通过直方图来判断２幅图像的相似性，失去了颜色一致向量的优

基于颜色和形状特征的图像检索系统

和边缘信息。采用边缘方向一模值二维直方图来描述图像边缘特征。它统计的是相同梯度模值下梯度方向
角相同的像素点的个数，具有光照不变性、位置不变性和尺度不变性。在实际系统的构建时，以设定一阈可
基金项目：上海市科研重大项目（０ｚ２３０）１ｄ１０５０作者简介：李赔龙（９６）男，北石家庄人，士研究生，１８一，河硕研究方向为图像处理、嵌入式视觉导航系统；宋进，副教授，主要从事自动化检测、智能机器人视觉导航、智能图像ｃ处理方面的研究。
关键词：图像检索；ｏｅ算子；ＧＳｂｌＲＢ分块直方图；征提取特中图分类号：Ｐ１Ｔ３文献标识码：Ａ文章编号：７ — ２Ｘ２１ｌ８０１— ３１３６９（０２０ — ０７０６
ＩａｅＲｅｒｅａｙｔｍｓｄｏｌｒａｄＳａｅＦａｕｅｍｇｔｉｖｌＳｓｅＢａｅｎＣｏｏｎｈｐｅｔｒｓ
方图欧氏距离算法公式
厂 ——— ——— —一
分Ｒ颜模空图灰化理块Ｇ色型问１【像度处１Ｂ
’
计颜特向１ｓ１缘测梯模计算色征量【ｂ边检，度值算０ｅ
图相性离量边相性量】像似距度】Ｉ缘似度
“ ）图像数据库中，，
的图像直方图特征矢量为（ｏＹ “ Ｙ）然后根据直Ｙ，，，
ｃｎｃｕａｙ，ｆｒｔｅｐｒｏｅｏｎｉｇｖｕｂｅｉｆｒａｏｒｍｏｓｏａｅｙａｄａｃｒｃｏｕｐｓｆｆｄｎａａｌｎｏｍｔｎｆｏｌｔｆｉｇｓ－ａｎｗｍａｅｒｔｉｖｌｍｅｈｙｃｍｐｅｅｓｖｈｉｌｉｍｅｉｇｅｒｅａｔｏｂｏｒｈｎｉｅｄ

基于颜色自相关图和互信息的图像检索算法

基于颜色自相关图和互信息的图像检索算法沈新宁;王小龙;杜建洪【摘要】颜色特征是重要的图像视觉特征，颜色相关图则是当前基于内容的图像检索中常用的特征描述符，但现有基于颜色相关图的图像检索算法存在计算复杂度高、检索精确度低的问题。

为此，提出基于颜色自相关图和互信息的图像检索算法。

给出一种新的颜色特征描述符--颜色互信息，通过计算颜色相关图特征矩阵中每个颜色与其周围颜色的平均互信息，得到不同颜色之间的全局及空间分布特性，并作为新的颜色特征矢量，以降低计算复杂度。

同时采用外部特征矢量归一化方法结合颜色互信息与颜色自相关算法，以提高检索精确度。

实验结果表明，该算法可有效降低计算复杂度，提高实时响应性能和检索精度。

%Color is an important visual feature. Color Correlogram(CC) algorithm is commonly used in the color based image retrieval as a feature descriptor, but most of the existing methods based on CC have problems of high computational complexity and low retrieval accuracy. Aiming at this problem, this paper proposes an image retrieval algorithm based on color autocorrelogramand mutual information. It presents a novel color feature descriptor, namely Color Mutual Information(CMI). The new color feature vector which describes the global and spatial distribution relation among different colors is obtained by calculating the average mutual information between one color and all the colors around it in the CC feature matrix, thus reducing the computational complexity. Inter-feature normalization is applied in the combination of CMI and color autocorrelogram to enhance the retrieval accuracy. Experimental result shows that this integratedmethod can reduce the computational complexity, improves real-time response speed and retrieval accuracy.【期刊名称】《计算机工程》【年(卷),期】2014(000)002【总页数】4页(P259-262)【关键词】图像检索;颜色特征;颜色相关图;颜色互信息;特征归一化【作者】沈新宁;王小龙;杜建洪【作者单位】复旦大学信息科学与工程学院，上海 200433;复旦大学信息科学与工程学院，上海 200433;复旦大学信息科学与工程学院，上海 200433【正文语种】中文【中图分类】TP911.73基于内容的图像检索(Content Based Image Retrieval,CBIR)是当前多媒体检索的热门话题，是直接采用图像内容来实现图像信息检索的一门技术。