劉 晙， 劉 丹

（河南機電高等?？茖W校 計算機科學與技術系，河南 新鄉(xiāng) 453003）

0 引 言

在各種信息爆炸式增長的今天，如何從海量信息中檢索到所需要的、最有價值的信息是非常關鍵的。相比于文本、音頻信息的檢索，圖像檢索的數(shù)據(jù)量更加龐大，檢索過程也更加復雜［1］。

圖像檢索方法有3個分支，即基于文本的圖像檢索、基于內容的圖像檢索和基于語義的圖像檢索［2－3］?；谖谋镜膱D像檢索以圖像名等文本信息為檢索依據(jù)，易因為文本標注的錯誤而產(chǎn)生歧義；基于語義的圖像檢索是建立在圖像特征進一步抽象上的檢索，可以看作基于內容圖像檢索的升級；基于內容的圖像檢索是當前的主流方法，其常用的檢索特征包括顏色特征、形狀特征和紋理特征。

用于檢索的顏色特征有顏色直方圖、顏色矩等［4］，紋理特征有灰度共生矩陣、Gabor紋理等［5］，形狀特征有輪廓、梯度、邊緣等［6］。

對于一幅圖像而言，往往同時包含顏色特征、紋理特征和形狀特征信息，因此基于一類特征的圖像檢索效果往往不理想，多特征融合的策略才更有利于提高檢索結果的準確性［7－9］。

本文將分別從顏色特征、紋理特征、形狀特征中選取有代表性的特征，構建一種基于組合特征檢索策略的圖像檢索方法，以期獲得更好的檢索效果。

1 3種特征的求取

為了增強圖像檢索技術的魯棒性，將顏色特征、紋理特征、形狀特征組合在一起，作為判別查詢圖像和數(shù)據(jù)庫圖像相似性的依據(jù)是本文方法的核心思路。選取空間顏色直方圖為顏色特征，選取局部二值陣列為紋理特征，選取基于輪廓的Hu矩為形狀特征，作為組合特征的3種不同輸入。

1.1 空間顏色直方圖特征

顏色直方圖是基于統(tǒng)計規(guī)律表示圖像顏色信息的重要特征，也是圖像檢索中最為常用的顏色特征。

在已有的圖像檢索方法中，有顏色直方圖、全局直方圖、模糊直方圖、累計直方圖等。但這些方法都只關注了顏色的統(tǒng)計信息，而沒有考慮到顏色特征與像素空間位置的關系。空間顏色直方圖是將顏色信息和空間信息有機地結合在一起，也是本文圖像檢索方法中采用的顏色特征。假設圖像的表征變量為f，圖像的尺寸為M×N，則定義一個新的中間描述變量為：

其中，hf（k）為顏色直方圖信息，并且進行了歸一化處理。

再定義2個中間描述變量如下：

其中

其中，d（p，bf（k））為歐幾里德度量。

基于hf（k）、bf（k）、σf（k）這3個變量，可以將空間顏色直方圖定義為：

1.2 局部二值陣列特征

圖像紋理特征是圖像檢索技術中常用的特征，也形成了包括灰度共生矩陣、小波紋理、Gabor紋理在內的眾多特征。

局部二值陣列也稱LBP特征，是一種重要的圖像紋理表達形式。

對于3×3像素大小的圖像鄰域而言，局部二值陣列的具體求解流程為：以這個鄰域的中心位置處的像素作為閾值，記作f（xc，yc）；然后，逐一取鄰域中其他像素與中心點像素進行對比；如果其灰度大于中心點像素灰度，更新其灰度為1，如果其灰度小于中心點像素灰度，更新其灰度為0；從而實現(xiàn)所有鄰域像素的二值化處理。具體數(shù)學公式如下：

其中，gc為中心點像素的灰度；gi為鄰域中其他位置像素的灰度。

當整個鄰域的像素全部執(zhí)行二值化處理后，8個鄰域像素的s（gi，gc）值構成了8個字節(jié)的二進制數(shù)，再將這個二進制數(shù)執(zhí)行十進制處理，并用此十進制數(shù)更新中心像素的灰度，即完成了一個像素的局部二值陣列計算，具體計算如下：

一個像素局部二值陣列計算過程如圖1所示。

圖1 一個像素的局部二值陣列計算過程

當局部二值陣列的計算遍歷圖像中全部像素以后，圖像將變?yōu)長BP的形式。相比于原始圖像信息，局部二值陣列圖像的紋理特征更加明顯，特別適用于紋理特征相似性的比較。局部二值陣列圖像的紋理特征效果及其灰度直方圖特征如圖2所示。

圖2 局部二值陣列圖像紋理特征的視覺效果和灰度直方圖

1.3 基于輪廓的Hu矩特征

圖像的形狀可以看作是圖像視覺效果的高層表達，但是在圖像基本信息（如尺寸）不一致的情況下，圖像形狀也會表現(xiàn)出變化，這樣不利于在圖像檢索中使用。為此，各種基于形狀不變形的特征描述算子被提煉出來，如慣性矩、內角、梯度、Harris角點、Hu矩等。本文對于圖像形狀特征的表達，采用Hu矩特征。

為了準確地提取Hu矩特征，對于圖像執(zhí)行去噪、特征區(qū)域連通等預處理工作是非常必要的。本文首先通過LOG濾波去除圖像中的噪聲像素，執(zhí)行閾值判斷形成二值化圖像，對各個區(qū)域進行標記處理，最后執(zhí)行形態(tài)學的閉合處理將閉合不完整的區(qū)域徹底閉合。

一般的Hu矩是基于區(qū)域計算出來的，其計算復雜度高且計算量大。為此，本文采用一種基于輪廓的Hu矩計算思路，以便用更短的時間完成Hu矩的計算。

具體的操作步驟如下：

（1）完成（7）式的線性積分。

其中，（x，y）為曲線C經(jīng)過的所有像素點的坐標；…。

當p＝q＝0時，m00表示曲線的弧長。

（2）求解p＋q階的中心矩θpq。

（3）求解Hu矩的7個分量。

當π1～π77個分量全部求解出來以后，基于輪廓的Hu矩可以用這7個分量構成的一維數(shù)組加以描述，即

2 組合特征檢索策略

經(jīng)過上述處理，分別獲得了空間顏色直方圖特征、局部二值陣列特征和基于輪廓的Hu矩特征，將它們作為本文圖像檢索方法的顏色特征、紋理特征和形狀特征。如果僅采用其中的一類特征作為檢索依據(jù)往往無法對千差萬別的圖像形成可靠表達，為此本文制定了將顏色特征、紋理特征、形狀特征組合在一起的檢索策略，其原理框圖如圖3所示。

圖3 檢索策略的原理框圖

從圖3可以看出，首先對查詢圖像分別求取顏色特征、紋理特征、形狀特征，對數(shù)據(jù)庫中要參與與查詢圖像進行相似性比較的圖像分別進行對應圖像特征的求取，再逐一比較查詢圖像和數(shù)據(jù)庫圖像的顏色特征相似性、紋理特征相似性、形狀特征相似性，形成測度1、測度2、測度3，然后分別根據(jù)3個相似性測度的重要性乘以對應的權重系數(shù)，將配置了對應權重系數(shù)的相似性測度疊加在一起，形成最終用于圖像檢索的檢索測度。通過比較查詢圖像和數(shù)據(jù)庫圖像的檢索測度，形成檢索結果相似性的順序排名。

本文中，測度1需要比較查詢圖像和數(shù)據(jù)庫圖像的空間顏色直方圖相似性，計算公式為（16）式，其中，Simcolor（q，t）為查詢圖像和數(shù)據(jù)庫圖像之間的顏色特征相似性；q為查詢圖像；t為數(shù)據(jù)庫圖像。

測度2需要比較查詢圖像和數(shù)據(jù)庫圖像的局部二值陣列的相似性，計算公式為：

其中，Simtexture（q，t）為查詢圖像和數(shù)據(jù)庫圖像之間的紋理特征相似性。

測度3需要比較查詢圖像和數(shù)據(jù)庫圖像的輪廓Hu矩特征相似性，計算公式為：

其中，Simshape（q，t）為查詢圖像和數(shù)據(jù)庫圖像之間的形狀特征相似性。

最后，在組合特征檢索策略框架下，形成的檢索測度公式為：

其中，λ1、λ2、λ3分別代表3種特征相似性的權重系數(shù)。

3 實驗與分析

為了驗證基于組合特征檢索策略圖像檢索方法的有效性，本文進行了如下實驗和實驗結果分析。

實驗所用的計算機為Dell Inspiron靈越筆記本，CPU芯片為Intel酷睿i5 4200U，CPU主頻為1.8GHz，內存型號為DDR3L，內存容量為4GB，硬盤容量為500GB。

實驗所用的數(shù)據(jù)庫為自行構建的小型圖像庫，圖像庫中包含建筑、人物、花鳥、山水、云天等10類圖像，每類圖像數(shù)量為100幅，數(shù)據(jù)庫總大小為1 000幅圖像。

基于組合特征檢索策略的圖像檢索方法用C＋＋語言編寫，顏色特征、紋理特征、形狀特征分別封裝在不同的類中，檢索測度的最終生成也由獨立函數(shù)實現(xiàn)。

以一幅建筑圖像為查詢圖像，按照基于組合特征檢索策略的檢索方法獲得檢索結果，如圖4所示。

圖4 以一幅建筑圖像為查詢圖像的檢索結果

圖4b～圖4f所示為相似度排名前5位的圖像，圖像類別都符合查詢圖像的要求，檢索結果在顏色特征、紋理特征、形狀特征上也都與查詢圖像有明顯的相似之處。

為了進一步證實本文方法在檢索性能上的優(yōu)勢，將本文方法與分別使用單一檢索特征的方法進行檢索效果的對比，并從查準率和查全率2個指標考察檢索性能上的差異，統(tǒng)計分析結果見表1所列。

表1中，前3種檢索方法僅使用了單一特征，對于建筑、花鳥、山水3類圖像的實驗結果來看，3種方法的查準率均值最高為0.673，查全率均值最高為0.677，后3種方法都是基于組合特征策略的檢索方法，空間顏色直方圖特征、局部二值陣列特征、基于輪廓的Hu矩特征都被使用，但各自的權重系數(shù)不同。

由表1可以看出，同時使用3種特征的組合檢索方法，無論在查準率和查全率方面都具有明顯的優(yōu)勢。此外，3種特征配置權重不同也會影響到檢索效果，但也為組合檢索策略提供了靈活性，可以根據(jù)檢索圖像的性質進行調整。

表1 不同檢索方法的檢索性能比較

4 結束語

針對單一檢索特征造成的圖像檢索方法魯棒性不高的問題，本文提出了一種基于組合特征檢索策略的圖像檢索方法。在此方法中，分別使用了空間顏色直方圖作為顏色特征、局部二值陣列作為紋理特征、基于輪廓Hu矩作為形狀特征，每種特征配置相應的權重因子，最終組合在一起形成檢索特征。實驗結果表明，基于組合特征檢索策略的檢索方法無論在查準率還是查全率方面都比單一特征檢索方法有了明顯的提高，并且具備較好的權重調節(jié)靈活性，更加適用于圖像性質發(fā)生變化的情況。

［1］ Oosten J P V，Schomaker L.Separability versus prototypicality in handwritten word－image retrieval［J］.Pattern Recognition，2014，47（3）：1031－1038.

［2］ Ghosh S，Ghosh A.Content based retrieval of malaria pos－itive images from a clinical database VIA recognition in RGB colour space［J］.Advances in Intelligent Systems and Computing，2014，249：1－8.

［3］ 夏利民，朱 城，張海燕，等.基于分塊權值的語義圖像檢索［J］.計算機科學，2013，40（9）：266－269.

［4］ 陳秀新，賈克斌.三維量化顏色直方圖在彩色圖像檢索中的應用［J］.計算機應用與軟件，2012，29（9）：31－33.

［5］ 孫君頂，毋小省.紋理譜描述符及其在圖像檢索中的應用［J］.計 算 機 輔 助 設 計 與 圖 形 學 學 報，2010，22（3）：516－520.

［6］ 袁 杰，魏寶剛，王李冬.一種綜合PHOG形狀和小波金字塔能量分布特征的圖像檢索方法［J］.電子學報，2011，39（9）：2114－2119.

［7］ 黨長青，宋鳳娟，劉樹明.基于多特征融合和相關反饋的圖像檢索［J］.計算機工程與應用，2008，44（3）：186－189.

［8］ 曾接賢，王軍婷，符 祥.K均值聚類分割的多特征圖像檢索方法［J］.計算機工程與應用，2013，49（2）：226－230.

［9］ 程 剛.一種基于形狀的圖像相似性檢索方法［J］.合肥工業(yè)大學學報：自然科學版，2007，30（2）：148－150.