基于HSI颜色空间统计直方图的图像检索

基于HSI颜色空间统计直方图的图像检索

摘要: 给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法，主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理，包括：图像的滤波、目标图像的定位等；然后采取了相应的图像颜色空间和识别算法，包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明，该算法可行，并取得了较好的效果。

关键词：颜色空间；颜色量化；特征提取；识别算法

Abstract：This article provides a approach that can extracte, analyse and identify a certain shape and color differences for the image features, the main purpose is to extract the color changement of image. The first step is the pre-processing of the collected color image, including: image filtering, target image positioning. What follows is signal image recognition, including: transformation of image color space, color quantization, image feature extraction, recogonition algorithm and the algorithm implementation. Finally, get the recognition results.

Keywords:color space; color quantization; feature extraction; recognition algorithm

1引言

当今是一个信息肆意滋生的互联网时代，要想有效利用网上的这些信息，就需要将这些杂乱的信息梳理成可以查询的数据，这就必然要使用信息检索。图像检索是信息检索的重要组成部分，常用的百度、谷歌、雅虎等搜索引擎均提供图像检索，它的重要性正逐渐增加。我们正处于一个视觉的时代，几乎人人都有成百上千的数字图片想要发布到互联网上，这正是图像检索的意义所在。

图像检索是计算机视觉中非常重要的部分,其目的是构造自动处理某些信息的机器系统，用以代替人类完成分类和辨别的任务。目前图像识别检索的研究主要涉及物体表面形状检索、尺寸与面积的检测以及色彩的检索等方面。颜色是物体重要的外在特性，具有对物体本身的尺寸、方向、视角等依赖性小、鲁棒性高等优点，因而在图像识别中占有重要地位，对彩色图像的处理己经成为当前图像处理领域重要的研究课题[1]，如：近年来，国内外对农产品品质自动检索、彩色印刷及纺织品中的彩色图样的检索研究中，都采用了基于图像的颜色检索技术。

2图像检索技术一般算法

2.1 颜色空间

在计算两幅图像的相似度时，通常要提取它们的颜色特征在特定的颜色空间进行比较。颜色空间的目的是按照某种标准利用基色表示颜色，常用的有RGB 、HSI 、HSV 等。RGB 颜色空间的相似不能代表颜色的相似。例如，查询图像上RGB 颜色是（200，150，0），图像库图像的RGB 颜色是（200，200，0），这两幅图像在RGB 颜色空间上很相似，但在颜色上差别很大(黄色和绿色)[2]

。HSI 和HSV 颜色空间则没有这个方面的问题，它们很适合人们肉眼的分辨，较好地反映人对颜色的感知和鉴别能力

[3][]

。故在此采用HSI 颜色空间。通过（2—1）~

（2—3）公式[4]

，可以将图像从RGB 颜色空间转换到HSI 颜色空间。

()()()()()()()()()()()()⎪⎪⎩⎪⎪⎨⎧>⎪

⎪⎭⎫ ⎝⎛--+---+--≠≠⎪

⎪⎭⎫ ⎝⎛--+---+-=G

B B G B R G R G R B R G R B R G R B G B R G R G R B R G R H ,2arccos 2,2arccos π或 (2—1)

),,(),,(B G R MIN B G R MAX S -= (2—2) 3

B

G R I ++=

(2—3) 2.2 颜色量化

一幅图像的颜色种类通常非常的多，如果直接计算相似度，会消耗很大的特征存储空间。实验表明，增加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[5]

。但如果对颜色进行适当的量化后再计算，计算量会少许多，且计算效率得到提高。颜色量化是指将H,S,I 3个分量按人的颜色感知进行非等间隔的量化,然后对颜色模型的大量分析和计算。故在此对HSI 颜色空间进量化，把色度量化成8个空间，把饱和度分成3个空间，把亮度分成3个空间，即颜色空间被分成72 区间。具体量化值如下：

[][][][][][][][]⎪⎪⎪

⎪⎪

⎩

⎪⎪

⎪⎪

⎪⎨⎧∈∈∈∈∈∈∈∈=315,296,7295,271

,6270,191,5190,156,4155,76,375,41,240,21,120,316,0h h h h h h h h H (2—4)

[][][]⎪⎩⎪

⎨⎧∈∈∈=1,7.0,27.0,2.0,12.0,0,0s s s S (2—5)

[][][]⎪⎩

⎪

⎨⎧∈∈∈=1,7.0,27.0,2.0,12.0,0,0i i i I (2—6)

2.3 图像描述

图像有多种描述方式，颜色直方图就是其中之一。颜色直方图描述了图像颜色在颜色空间上的分布。常见的直方图有两种：统计直方图，累加直方图。

借助图像特征的统计直方图可以描述图像。图像特征的统计直方图是一个一维离散函数，如公式(2—7)所示。在公式中k 代表图像的特征取值，L 是特征可取值个数，n k 是图像中具有特征值为k 的像素的个数，N 是图像像素的总数。颜色直方图有许多的优点：对图像进行旋转之后，它的颜色直方图不发生改变；颜色直方图容易提取，且比较容易计算两个直方图之间的相似度。

()1,1,0,-==

L k N

n k H k

(2—7) 图像特征的累加直方图是一个一维离散函数，计算公式如(2—8)所示。公式中k 代表图像的特征取值，L 是特征可取值个数，n k 是图像中具有特征值为k 的像素的个数，N 是图像像素的总数。累加直方图能增加直方图的鲁棒性[]

。

()1,1,0,0

-==∑

=L k N

n k I k

i k

(2—8) 2.4 图像分块

两幅图像的颜色直方图相似，两幅图像的内容可能不相似，这主要是由颜色的空间分布不同引起的。一般来说，图像可分为主体部分和背景部分，如果不进行分块，那么背景部分的颜色信息就会混入到主体部分。通过对图像进行分块，提取各个区域的直方图，就可以获得图像的空间分布信息。

传统的分块方法将图像分成n m *部分，这样并没有突出图像的重要信息，故在此采用另外一种分块方法进行分块。首先，将图像分成88⨯区域，如表3-1所示。其次，将图像的64个区域重新组合成12个区域。R 1 = { I 1 }，R 2 = { I 8 }，R 3 = { I 57 }，R 4 = { I 64 }，R 5 = { I 2，I 3，I 4，I 5，I 6，I 7 }，R 6 = { I 9，I 17，I 25，I 33，I 41，I 49 }，R 7 = { I 58，I 59，I 60，I 61，I 62，I 63 }，R 8 = { I 16，I 24，I 32，I 40，I 48，I 56 }，R 9 = { I 10，I 11，I 12，I 18，I 19，I 20，I 26，I 27，I 28，I 29，I 36，I 37 }，R 10 = { I 13，I 14，I 15，I 21，I 22，I 23，I 28，I 29，I 30，I 31，I 36，I 37 }，R 11 = { I 28，I 29，I 34，I 35，I 36，I 37，I 42，I 43，I 44，I 50，I 51，I 52 }，R 12 = { I 28，I 29，I 36，I 37，I 38，I 39，I 45，I 46，I 47，I 53，I 54，I 55 }。其中，R 1、R 2、R 3和R 4是最不感兴趣的区域，R 9、R 10、R 11和R 12是图像的主体