基于優(yōu)先顏色和輪廓逼近的圖像檢索方法.pdf

1、在現(xiàn)代信息社會，圖像數(shù)據(jù)成指數(shù)倍增長，對圖像數(shù)據(jù)的應用已經(jīng)深入到各個領(lǐng)域中。如何快速、高效地對圖像數(shù)據(jù)進行組織、存儲、表達和檢索是亟待解決的課題。為了準確地表達圖像信息，研究者們提出了基于內(nèi)容的圖像檢索(CBIR)技術(shù)。經(jīng)過近二十年的研究，該技術(shù)逐漸成為圖像表達和檢索的關(guān)鍵技術(shù)。目前國內(nèi)外對基于內(nèi)容的圖像檢索的研究主要集中于兩個方面：一是研究如何選擇合適的全局特征去描述圖像內(nèi)容和采用什么樣的相似性度量方法進行圖像匹配；二是基于區(qū)域的圖像

2、檢索方法，主要思想是通過圖像分割技術(shù)提取圖像各區(qū)域中物體或?qū)ο蟮奶卣?，然后對每個區(qū)域使用局部特征描述，最后綜合所有區(qū)域的特征進行檢索。
　　 國內(nèi)外眾多研究表明，顏色直方圖不能體現(xiàn)顏色的空間分布，優(yōu)先顏色只能表示圖像中少數(shù)幾種主要顏色和它們在區(qū)域中出現(xiàn)的頻率，基于迭代的優(yōu)先顏色提取方法有計算復雜度高的缺點。當前，基于區(qū)域或分割的形狀特征提取方法不能準確的表達圖像中物體或?qū)ο蟮恼w形狀，已有的全局形狀特征描述方法大都只能描述形狀的

3、部分特性，不夠細致和準確。
　　 為了更好的表示和描述圖像的顏色特征，本文在Manjunath B.S.和Jens-Rainer Ohm等人提出的優(yōu)先顏色描述符(DCD)的基礎(chǔ)上，引入圖像的顏色距離的概念，給出其計算和表示方法，并深入分析如何使用聚類方法來提取和表示圖像中的優(yōu)先顏色，提出一種基于非參數(shù)聚類的優(yōu)先顏色提取算法。該算法結(jié)合了直方圖和顏色聚類的優(yōu)點，既表達了顏色出現(xiàn)的頻率，又體現(xiàn)了顏色與顏色之間的視覺相似程度。最后，本

4、文使用引入的顏色距離來計算基于優(yōu)先顏色的圖像的相似度。
　　 在形狀特征方面，本文以Canny邊界檢測為基礎(chǔ)，提出基于邊界點集的曲線獲取算法和曲線連接算法。曲線獲取算法首先刪除邊界點集合中的孤立點，再將剩余的邊界點集合按照分布情況組織成曲線。曲線連接算法將各曲線盡可能的按照圖像對象的輪廓連接起來，得到閉合的形狀輪廓。
　　 最后，綜合顏色和形狀兩種特征的相似性度量方法，描述了如何計算圖像與圖像間的相似度。在此基礎(chǔ)上，結(jié)合