融合顏色和形狀特征的圖像檢索方法.pdf

1、圖像是一種直接形象地描述客觀世界的信息載體,快速高效的從圖像數(shù)據(jù)庫中找到查詢圖像是海量信息處理所面臨的瓶頸。實際生活中多媒體數(shù)字圖書館、衛(wèi)星遙感圖像、醫(yī)學(xué)圖像管理、計算機輔助設(shè)計和制造、罪犯識別系統(tǒng)、地理信息系統(tǒng)、商標(biāo)版權(quán)的管理等多方面都需要圖像數(shù)據(jù)庫的研究所提供的有力支持,因此對于圖像檢索的研究具有重要的現(xiàn)實意義。
　　 早期的圖像檢索技術(shù)是基于對圖像進(jìn)行文本標(biāo)注的文本檢索。文本標(biāo)注具有主觀性、語言背景的差異性且費時費力?；?/p>

2、內(nèi)容的圖像檢索解決了文本標(biāo)注的不足,它依賴于對圖像底層特征---顏色、紋理、形狀等的提取、表達(dá)和相似性匹配?；趫D像一種或多種底層特征檢索算法的研究作為一個重要的課題受到了廣泛關(guān)注?；陬伾膱D像檢索算法多用顏色直方圖描述圖像特征,它具有計算簡單,效果顯著,計算效率高,對鏡頭位置不敏感,對圖像變形、旋轉(zhuǎn)具有不變性等優(yōu)點,但它無法反映色彩分布的空間信息,從而導(dǎo)致誤識率較高?；诩y理特征的檢索,一般應(yīng)用于圖像的內(nèi)容較為豐富,物體和背景不易分

3、割的情況下的檢索。鏈碼、傅立葉描述子、Hu不變矩、Zernike矩和偽Zernike矩等諸圖像形狀特征都可被用于圖像的檢索,但這些被提取出的圖像特征對旋轉(zhuǎn)、縮放、平移等操作的不變性問題仍沒得到很好的解決。雖然Hu不變矩等特征對平移、旋轉(zhuǎn)、縮放具有不變性,但需要做太多的圖像預(yù)處理,計算量較大。本文在總結(jié)前人研究成果的基礎(chǔ)上,提出了一種融合顏色和形狀特征的圖像檢索算法,利用歸一化轉(zhuǎn)動慣量描述目標(biāo)圖像的形狀是本文的創(chuàng)新點,通過目標(biāo)圖像各個象素

4、點的坐標(biāo)計算出的歸一化轉(zhuǎn)動慣量能夠反映其空間信息,并且利用融合多特征的圖像檢索能更全面的描述圖像是本文的理論依據(jù)。
　　 本文針對彩色圖像,提出將顏色空間進(jìn)行非均勻量化,將色調(diào)、飽和度、亮度分別量化為6個、4個、3個級別,圖像的顏色空間共量化為72個級別,可以降低顏色特征的維數(shù)和系統(tǒng)開銷。建立了目標(biāo)圖像歸一化轉(zhuǎn)動慣量的公式(1),借助外部歸一化理論將顏色和形狀特征歸一化生成圖像的特征向量,通過公式(2)進(jìn)行相似性度量。在MATL

5、AB環(huán)境下進(jìn)行了檢索算法的實驗,并對實驗結(jié)果進(jìn)行了分析。NMI(f(I,j))=√M-1∑I=0 N-1∑J=0√(I--j)2+(I--j)2×f(I,j)/M(f(I,j)(1)
　　 式中,f(I,j)表示圖像,m(f(I,j))是目標(biāo)圖像的質(zhì)量,目標(biāo)區(qū)域的重心記為CG(-I,-j),NMI(f(I,j))為目標(biāo)圖像的歸一化轉(zhuǎn)動慣量。D(P,Q)=W172∑I=1|HP(I)-HQ(I)|+w25∑I=1|NMIP(I)-

6、NMIQ(I)|(2)
　　 其中,HP和HQ是圖像P和Q的顏色特征向量,NMIP和NMIQ分別是圖像P和Q的目標(biāo)圖像的形狀特征向量,w1+w2=1。
　　 通過實驗可知,在傳統(tǒng)顏色直方圖無法區(qū)分的直方圖相同或相近而圖像內(nèi)容差距很大的情況下,對于本文采用的融合顏色和形狀的圖像檢索算法,利用顏色直方圖獲取顏色特征,利用歸一化轉(zhuǎn)動慣量表達(dá)目標(biāo)圖像形狀信息,通過基于權(quán)重調(diào)整的相關(guān)反饋技術(shù)的使用,檢索結(jié)果更加準(zhǔn)確。而如何實現(xiàn)高層