資源描述：
《基于內容圖像檢索(cbir)中圖像顏色特征提取方法探究與改進》由會員上傳分享，免費在線閱讀，更多相關內容在工程資料-天天文庫。
1、基于內容圖像檢索(CBIR)中圖像顏色特征提取方法探究與改進摘要：該文給出了一種基于顏色分布直方圖借助四叉樹圖像分割進行圖像檢索的方法，該方法使用與人類視覺感知相符合的HSV顏色模型，通過構造四叉樹借助MeanShift算法對圖像進行分割，提取出特征顏色，得到顏色分布的直方圖。最后利用EMD算法衡量圖像與圖像之間的距離，實現(xiàn)圖像的搜索。關鍵詞：基于內容檢索；均值漂移；四叉樹；圖像分割;特征顏色中圖分類號:TP18文獻標識碼：A文章編號:1009-3044(2014)11-2642-05Abstract：Thepaperpresentsamethodforimag
2、eretrievalwiththeaidofimagesegmentation.ThismethodisbasedoncolordistributionhistogramandusestheHSVcolormodelwhichisconsistentwithhumanvisua1.WiththehelpofMeanShiftAlgorithm,weusequadtreetodividetheimageandextractthemaincolor,whichishelpfulforustogetthedistributionofcolorhistogram.Las
3、tbutnotleastweusetheEMDalgorithmtomeasurethedistancebetweenimages,sothatwecanimplementtheimagesearch.Keywords:CBIR；meanshift；quadtree；imageretrieval；maincolor隨著網絡和多媒體技術的發(fā)展，以及數(shù)字圖像的大量應用和存儲空間成本的降低，數(shù)字圖像的數(shù)量正在飛速的增張，從而催生了基于內容的圖像檢索(Content-BasedImageRetrieval,CBIR),在電子商務［1］,醫(yī)學［2］等方面產生了各種優(yōu)化和改
4、進的算法。在一幅圖像中，顏色是最主要的特征，且顏色具有與生俱來的旋轉不變性和尺度性，對大小和方向都不敏感，有很強的魯棒性，因此顏色可以被用于圖像檢索。常見的檢索方法包括Swain等人提出的基于顏色直方圖相交的方法，為了加強空間分布信息，改進的方法包括：使用累加直方圖的檢索算法［3］,分塊主顏色的圖像檢索算法［4］。但是這些方法都注重強調的是圖像顏色直接特征，而沒有考慮人的視覺感受，人們的視覺會自動將相似顏色歸類，區(qū)域分布也會影響顏色的實際感受。傳統(tǒng)的圖像分割技術包括基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等，這些分割方
5、法容易產生較精確的邊緣，但實際上對顏色來說，這些精確的邊緣并不重要，設置一些噪聲會對實際的圖像內容解釋產生一些偏差。我們將特征空間聚類和基于區(qū)域的方法結合起來，提出了基于四叉樹分割圖像的辦法，將圖像的顏色以一種快速的方式按照大小不同的矩形進行劃分，提高了執(zhí)行效率，也減小了噪聲的干擾。1算法的基本思路首先我們將圖像的顏色值從RGB空間轉換到HSV空間以符合人眼的視覺模型，然后再對圖像利用四叉樹進行分割，其中以MeanShift均值漂移作為是否分割區(qū)間的判斷標準。分割完成后對圖像直方圖進行統(tǒng)計，得出多個顏色特征值以及其權重。最后進行圖像檢索時，通過EMD距離計算這些
6、特征值之間的相關程度從而找出語義上最近似的圖像。算法的整體框圖如圖1所示。1）色彩空間變換傳統(tǒng)的統(tǒng)計直方圖是按照色相這個值來將整幅圖像轉化為一維的直方圖。雖然在這樣一個直方圖上相鄰的組在色相上互相接近，但是沒有考慮亮度和飽和度對人類視覺的影響。在同樣的色相值的前提下，亮度過高，人類的視覺會把它辨認為白色，而飽和度過低的話，人們會把它辨認為灰色,所以我們對直方圖統(tǒng)計做了一個改進。首先將圖像從RGB空間轉化為HSV空間。依此遍歷處理圖像中的每個像素點，主要分析其色相，劃歸到相應的H中,再計算同樣H的所有像素點的S和V的平均值[S]和[V],以H[S][V]的值對應的
7、顏色作為代表顏色繪制出來，更符合人類視覺。2）圖像的分割我們不直接使用顏色直方圖作為我們獲取圖像顏色特征的依據(jù)，是因為顏色直方圖丟失了圖像的空間信息，為了要尋找出直方圖中的特征值，我們利用四叉樹對圖像進行了分割，對圖像中的顏色根據(jù)空間信息重新修正，并離散化以得到相對獨立且明顯的顏色特征。四叉樹分割的流程如下：首先設置一個迭代層數(shù)k,我們將最多的對圖像實施k次分割。我們將按照如圖2所示的流程來完成對圖像的分割。設置兩個隊列，一個是待合并隊列，另一個是待分裂隊列。我們先將原始圖像作為窗口放入待分裂隊列。然后重復以下步驟直到滿足K層的迭代深度。檢測分裂隊列，對選定的窗
8、口進行劃分（初始窗口是原
