基于颜色和纹理的图像检索-guet

课程期末论文论文标题：基于颜色和纹理的图像检索课程名称：信息检索课程编号：学生姓名：XXX学生学号：所在学院：机电工程学院学习专业：机械工程课程教师：年月日基于颜色和纹理的图像检索摘要：图像检索如今在很多的研究中都起着很重要的作用。

与传统的基于文字的内容检索相比，基于内容的图像检索有着更好的直观性。

本文基于内容的图像检索主要从颜色和纹理角度阐述了图像检索的原理以及算法构造，以建立数学模型到特征值提取再到算法构造，最后完成检索过程为文章线索，从不同方法的特点、关键技术以及存在的问题进行了两种不同角度的检索方法的论述与比较。

关键词：图像检索；基于内容；颜色直方图；灰度共生矩阵Based on color and texture image RetrievalAbstract：Nowdays the image Retrieval plays a very important role in many research. Compared to the traditional text content research, based on the content of the visual image Retrieval is more visual for us. This thesis is based on the content of image Retrieval, mainly introduced from the color and texture perspective, discussed the principle of image Retrieval algorithm and structure, the article from establish a mathematical model to extract characteristic value to algorithm structure, then complete the searching process for clues .Discuss and compare the two kinds of different view angles of retrieval method from the characteristics of different method, key techniques and existing problem.Key words: Images search; Based on the content; Color histogram; Gray symbiotic matrix 早在从20世纪70年代，有关图像检索的研究就已开始，当时主要是基于文本的图像检索技术（Text-based Image Retrieval，简称TBIR），它一般给图像描述性的关键字，然后以关键词提问的形式查询图像，这些关键字包括图像作品的名称、年代、压缩类型、尺寸等。

然而，伴随着计算机技术的快速发展，尤其是多媒体技术、网络技术，特别是Internet 技术的迅猛发展，人们接触到的信息量越来越大，包括图像资源在内的一大批数字资源日趋丰富。

以图像为例，在大量的数据面前，如何准确而高效地检索出用户所需要的图像信息，传统的对图像加关键字的方式显然已经越来越不能现代网络信息检索的要求。

正是基于此，20世纪90年代人们提出了基于内容的图像检索（Content-based Image Retrieval，简称CBIR）技术。

基于内容的图像检索就是利用图像本身的性质如颜色，纹理，形状等，借助图像处理技术、模式识别技术和计算机视觉技术来实现对图像的检索。

由于图像的这些特征更符合人们的视觉感知，所以基于内容的图像检索逐渐成为当前的一个热门研究课题。

本文主要从基于颜色和纹理的图像检索两方面来介绍。

1.基于内容的图像检索的体系结构一般的基于内容图像检索系统可以看作是介于信息查询用户和图像数据库之间的一种人机交互平台，在CBIR 系统中主要包括两个方面的流程：第一，建立图像库和图像特征库。

即将图像数据存入数据库，同时提取示例图像的特征向量，颜色、纹理、形状等，再将其对应的特征向量存入与图像库相连的特征库。

第二，查询匹配图像。

即用户提交待查询图像，用合适的算法提取该图像的内容特征，并利用基于这些特征定义的相似性度量函数计算或评价特征之间的相似性，将最相似的一些图像作为检索结果返回给用户。

该系统的基本框图如图1所示：图1 基于内容的图像检索基本框图2.基于颜色特征的图像检索原理及算法基于颜色特征的图像检索是图像检索系统的重要组成部分，之所以重要，是因为颜色是物体表面的一种视觉特性同时也是人类主要视觉感觉之一。

世界上每一物体都有其固有的颜色特征，颜色特征非常稳定，它不会因图像的旋转、平移、尺度变化而变化，甚至对各种变形都不敏感，因此，基于颜色特征的图像检索应用非常广泛，它已成为基于内容的图像检索中的最重要的手段之一。

提取图像的颜色特征并完成检索的过程可以分为以下几步：第一，选择合适的颜色空间来描述颜色特征；第二，要对选定的颜色空间中的颜色进行量化；第三，利用颜色直方图等常用的特征表示方法来统计颜色特征；第四，对提取的颜色特征进行相似度计算，依据相似度大小输出检索结果。

2.1 颜色空间众所周知，红(red)、绿(green)和蓝(blue)是三种基本的颜色，人眼对它们最为敏感，所有的颜色都可看作由这三种颜色按照不同的比例组合而成，同样绝大多数单色光也可以分解成红绿蓝三种色光，这便是色度学最基本的原理，即三原色原理。

为了统一标准，早在1931 年，国际照明委员会(CIE)就规定了三种基本颜色的波长，分别为R：700nm，G：546.1nm，B：435.8nm。

（1）RGB 颜色模型RGB 颜色空间是目前比较重要的一种空间，所有的颜色都可看作根据三种基本颜色分量的不同组合形成，图像中的各个像素点的颜色都由红绿蓝这三个基本颜色分量共同表示。

这个模型一般可以建立在笛卡儿坐标系统里，三个轴分别为R、G、B（红色，绿色，蓝色）。

如图 2.1 所示，一幅图像可以看作从点坐标映射到R、G、B 空间表示的点集上，R，G，B 分别被赋值从O到255，比如，当R，G，B值均为255时，即显示为纯白色，同样，R，G，B值均为O时，显示为黑色，以此类推表示每种颜色。

在这个空间中，从黑到白的灰度值分布在从原点到离原点最远顶点间的连线，而立方体内其余各点对应不同的颜色，可用从原点到该点的矢量表示，如图2。

图2 RGB颜色空间模型（2）HSV颜色空间HSV 颜色空间是为了更好的适应人眼对颜色的识别而提出来的，它是符合人类视觉感知的一种颜色空间。

HSV 对应人眼视觉特征的三个要素：H(Hue,色调)、S(Saturation,饱和度)和V(Value,亮度)，每个分量直接作用于人眼视觉感受，应该说它是一个均匀的颜色空间。

HSV 空间的色调H 表示从一个物体反射过来的或透过物体的光波长，也即光的颜色，它由颜色名称来区分，如红、橙、黄、绿等，使用角度0 到360 度来度量。

饱和度S 表示颜色的深浅浓淡程度，比如浅蓝，深蓝等，颜色的深浅与一种单纯的色彩中加入白光的多少有关，它反映的是白色把某一颜色冲淡的程度。

加入白光越多，饱和度越低，加入白光越少，饱和度越高，饱和度通常用百分比来度量，从0%到完全饱和的100%;亮度V 表示颜色的明暗程度，也就是灰度，它一般用百分比来衡量，最暗的为0%，对应颜色为黑色；最亮的为100%，对应颜色为白色。

HSV 颜色空间模型可以用Munsell 三维空间坐标表示，类似一个倒置的圆锥体，如图3所示。

长轴表示亮度，离开长轴的距离表示饱和度，围绕长轴的角度表示为色调。

图3 HSV颜色空间（3）RGB 颜色模型到HSV 颜色空间的转换RGB颜色空间的优点是比较简单，直观，但是RGB颜色空间不具有均匀性，颜色之间的距离与人的视觉感知差异很大, 例如距离为50的(0，0，0)与(50，0，0)两种RGB颜色认为是同一黑色，而距离为50的(200，150，0)和(200，200，0)则是差别很大的两种颜色(黄色和绿色)，也就是说其空间相似不代表实际颜色的相似。

所以通常是将RGB颜色模型转换成能较好地反映人对色彩感知的HSV颜色模型。

从RGB 颜色模型到HSV 颜色空间的转换可以用一下近似公式：这里，。

2.2 颜色特征的量化一般的，如果直接用HSV空间的颜色直方图来描述图像的整体颜色特征，尤其是真彩色图像，直方图的维数会非常多。

因此需要对HSV空间进行量化，再计算量化后的直方图，这样会减少计算量。

在这里，考虑到色调分布的不均匀性，我们一种基于HsV颜色空间的非均匀量化方法将色调H空间分成8份，饱和度S和亮度V空间各分成3份，并根据色彩的不同范围进行量化，具体量化方法如下:按照上述量化方法，把HSV空间的3个颜色分量合为一维特征矢量，可以用如下公式表示：其中和分量是S分量和V分量的量化级数，这里取，公式就可以表示为：L的取值范围为[0,1,…71],量化后的颜色可以用共72维来表示，这样的话计算量就会大大减少。

计算L可以获得72柄(bin)的一维直方图，不但有效地减少了直方图的计算量，而且较好的符合了人的视觉感知，这样H、S、V 分量就在一维矢量上分布。

2.3 颜色特征的表达基于颜色直方图的图像检索的基本思想和算法由在90年代初就已出现，它计算简单，同时不会因图像的尺寸、平移及旋转改变而改变，所以，在许多图像检索系统，是应用最广泛的一种。

颜色直方图的横轴表示颜色经过归一化后的值，纵轴表表示具有相同颜色值的像素个数在图像中占的比例，即像素的频率。

颜色直方图可以用如下公式进行描述：设一幅彩色图像包含M 个像素，图像的颜色空间被量化为L个不同的颜色，则颜色直方图H 定义为：其中表示图像第k种颜色的颜色特征，表示图像中第k种颜色的象素个数。

2.4 颜色特征的相似性度量直方图相交距离是度量直方图距离的一种较为常用的方法，它的可以用如下公式表示：假设I和Q是两个含有N个灰度级的直方图，则它们之间的相交距离表示为：其中指的是两个直方图在每个灰度级中共有的像素数量。

有时，该值还可以除以其中一个直方图中所有的像素数量来实现标准化，从而使其值属于[0，1]的值域范围。

其表示公式如下：越趋近于1，表示两幅图的相似度越高，若=1，则表示两幅图完全一样。

最后，根据相似性从高到低的顺序输出搜索结果。

3.基于纹理特征的图像检索原理及算法纹理也是描述图像内容的重要特征之一，它与颜色特征一样，同样取决于人类对图像的感知。

它不依赖于图像的颜色和亮度，是所有物体表面所共有的内在特性，如树皮，岩石，毛皮等等，都有其特有的纹理特征。