王海峰

青島科技大學(xué)，山東青島 266000

計算機(jī)圖像數(shù)碼技術(shù)與互聯(lián)網(wǎng)技術(shù)飛速發(fā)展的結(jié)合，使人們越來越多的接觸到大量的圖像信息。如何從浩瀚的圖像數(shù)據(jù)庫中快速、準(zhǔn)確的找出自己所需要的圖像，已經(jīng)成為一個受到廣泛關(guān)注的研究課題，并成為數(shù)字化圖書館等重大研究項目中的關(guān)鍵。目前，已經(jīng)有不少的搜索引擎提供網(wǎng)絡(luò)圖像的檢索服務(wù)，如Google、Ditto、Ixquick、Mamma、百度等。

從20世紀(jì)70年代開始，有關(guān)圖像檢索的研究就已開始，當(dāng)時主要是基于文本的圖像檢索技術(shù)（Text-based Image Retrieval，簡稱TBIR），利用文本描述的方式描述圖像的特征，如繪畫作品的作者、年代、流派、尺寸等。到90年代以后，出現(xiàn)了對圖像的內(nèi)容語義，如圖像的顏色、紋理、布局等進(jìn)行分析和檢索的圖像檢索技術(shù)，即基于內(nèi)容的圖像檢索技術(shù)（Content-based Image Retrieval，簡稱CBIR）。CBIR屬于基于內(nèi)容檢索（Content-based Retrieval，簡稱CBR）的一種，CBR中還包括對動態(tài)視頻、音頻等其它形式多媒體信息的檢索技術(shù)。

在檢索原理上，無論是基于文本的圖像檢索還是基于內(nèi)容的圖像檢索，主要包括3三方面：一方面對用戶需求的分析和轉(zhuǎn)化，形成可以檢索索引數(shù)據(jù)庫的提問；另一方面，收集和加工圖像資源，提取特征，分析并進(jìn)行標(biāo)引，建立圖像的索引數(shù)據(jù)庫；還有一方面是根據(jù)相似度算法，計算用戶提問與索引數(shù)據(jù)庫中記錄的相似度大小，提取出滿足閾值的記錄作為結(jié)果，按照相似度降序的方式輸出。

為了進(jìn)一步提高檢索的準(zhǔn)確性，許多系統(tǒng)結(jié)合相關(guān)反饋技術(shù)來收集用戶對檢索結(jié)果的反饋信息，這在CBIR中顯得更為突出，因為CBIR實現(xiàn)的是逐步求精的圖像檢索過程，在同一次檢索過程中需要不斷地與用戶進(jìn)行交互。而本文中對相關(guān)反饋技術(shù)沒有深入研究。

圖像檢索的目的就是為了解決圖像數(shù)據(jù)庫與用戶需求的匹配和選擇問題，網(wǎng)絡(luò)環(huán)境下的圖像檢索無疑也是如此。在此，主要介紹網(wǎng)絡(luò)環(huán)境中的圖像資源的檢索問題，區(qū)別于基于現(xiàn)成的特定圖像庫檢索的軟件和系統(tǒng)，網(wǎng)絡(luò)圖像檢索問題將相對穩(wěn)定的圖像數(shù)據(jù)庫拓展為動態(tài)變化的網(wǎng)絡(luò)圖像庫。

基于內(nèi)容的圖像檢索技術(shù)作為一種新的檢索方法，目前已成為研究的熱點。它和基于文本的圖像檢索不同，主要是根據(jù)圖像的顏色、紋理、形狀及它們的空間關(guān)系等內(nèi)容特征作為圖像的索引，通過加算計查詢圖像和目標(biāo)圖像的相似距離，按相似度進(jìn)行檢索。

在圖像的形狀、顏色、紋理等特征中，顏色特征是最顯著、最可靠、最穩(wěn)定的視覺特征，是人識別圖像的主要感知特征。對于基于顏色特征的圖像檢索，科學(xué)工作者們提出了多種方案。譬如顏色直方圖、主色調(diào)、顏色矩(Color Moments)，顏色集(Color sets)、聚類、掃描線投影等檢索算法，顏色直方圖是目前較常使用的檢索方法。

顏色直方圖法具有運(yùn)算速度快、存儲空間要求低的特點，并且對圖像的尺度及旋轉(zhuǎn)變化不敏感，因此得到了廣泛的關(guān)注。目前基于顏色特征的檢索已經(jīng)成為檢索的一個重要手段，并提出了許多改進(jìn)方法。總體來說，主要分為兩類：全局顏色特征檢索和局部顏色特征檢索。按照全局顏色分布來索引圖像可以通過計算每種顏色的像素個數(shù)并構(gòu)造圖像是一個很好的途徑，局部顏色信息是指局部相似的顏色區(qū)域，它考慮了顏色的分類與一些初級的幾何特征。本文所采取的是全局顏色特征檢索。

1 算法描述

本文主要對基于顏色分布的各種圖像檢索方法進(jìn)行研究，在得到圖像的顏色直方圖的基礎(chǔ)上，通過計算圖像直方圖之間的相似性來進(jìn)行圖像檢索是該方法的基本思想，而圖像之間相似性的度量方法有多種，本文主要應(yīng)用適量距離法，另外提出其它4種方法同矢量距離法驚進(jìn)行比較，從而得到尋找出一種更為精確的方法進(jìn)行圖像檢索。在進(jìn)行相似性測量之前建立圖像庫的顏色直方圖。

1.1 顏色直方圖的實現(xiàn)算法描述

基于顏色直方圖的檢索方法一般是：首先，要選擇某個合適的顏色空間，然后，需要對顏色空間量化即顏色量化，從而得到顏色直方圖，通過對顏色直方圖的匹配來進(jìn)行檢索。顏色空間的選擇是圖像檢索的準(zhǔn)備工作。國際標(biāo)準(zhǔn)的MPEG-7定義了6種顏色空間：RGB、YCrCb、HSV、HMMD、RGB的任一線性變換和單色。在這些顏色空間中，HSV顏色空間更適合于圖像檢索的應(yīng)用。HSV顏色空間的優(yōu)點在于一方面去除了亮度成分在圖像中與顏色信息的聯(lián)系，另一方面，飽和度成分與人們獲得顏色的方式密切相關(guān)，而且，它還具有線性伸縮性，可感知的顏色差與顏色分量的相應(yīng)值的歐幾里德距離成比例，因此，非常適合基于顏色的圖像相似性比較?；谝陨显?，本文采用HSV顏色空間，在此基礎(chǔ)上得到圖像的顏色直方圖。

1）單幅圖像顏色直方圖的實現(xiàn)算法描述

（1）讀取該圖像的RGB數(shù)據(jù)；

（2）將圖像的RGB轉(zhuǎn)換成HSV；

（3）根據(jù)顏色分布矩陣得到該圖像的大?。?/p>

（4）計算目標(biāo)圖片的直方圖。

2）圖像數(shù)據(jù)庫中顏色直方圖的實現(xiàn)算法描述

（1）根據(jù)圖像庫文件夾的目錄讀取文件；

（2）利用1.1中的算法計算文件夾中所有目標(biāo)圖片的直方圖；

（3）將得到的直方圖存入MAT文件中，使用前轉(zhuǎn)載MAT文件。

1.2 相似性度量方法的算法描述

矢量距離法：

1）計算出待檢索圖像的三維顏色直方圖，然后采用插值法在每一個方向增加柄的數(shù)量；

2）對數(shù)據(jù)庫中的每一幅圖像I，裝載其直方圖并對其進(jìn)行插值，使得圖像矩陣間的柄數(shù)相同，便于進(jìn)行圖像矩陣間的四則運(yùn)算；

3）計算出待檢索圖像與圖像I直方圖每一柄上的距離D；

4）在進(jìn)行相似性度量之前定義兩個閾值T1，T2；

5）計算出兩圖像直方圖之間的歐幾里德距離，保留其中大于T1距離值D1，和小于T2的距離值D2。相似性度量的計算式為：S=LENGTH（D1）*MEAN(D2)/LENGTH(D2)；

6）根據(jù)上式計算兩幅圖像的各對應(yīng)子塊的相似度；

7）將N幅被比較的圖像與用戶輸入的源圖像的最后計算出來的相似度結(jié)果記錄放入數(shù)組中；

8）將N個相似度從大到小排列；

9）根據(jù)相似度的排列顯示檢索到的圖像。