馬阿曼

（武夷學(xué)院 數(shù)學(xué)與計算機(jī)學(xué)院，福建 武夷山 354300）

一種綜合顏色與邊界方向直方圖的圖像檢索方法的研究

馬阿曼

（武夷學(xué)院 數(shù)學(xué)與計算機(jī)學(xué)院，福建 武夷山 354300）

摘要：分析總結(jié)現(xiàn)有的基于內(nèi)容的檢索技術(shù)的基礎(chǔ)上，通過比較及實(shí)驗(yàn)證明，提出了利用顏色直方圖以及邊界直方圖進(jìn)行圖像檢索的方法。為了顏色特征以及邊界特征結(jié)合起來進(jìn)行圖像檢索，提出對所提取的不同圖像特征，定義不同的相似性度量方法來計算圖像間的相似程度。本文中結(jié)合不同的子特征進(jìn)行圖像檢索，兩個圖像之間的相似度定義為子特征間相似度的加權(quán)和。這樣將兩種特征有效的結(jié)合起來達(dá)到更好的檢索效果。最后通過結(jié)合數(shù)據(jù)庫以及MATLAB技術(shù)制作出一個系統(tǒng)模型，通過實(shí)驗(yàn)證明了結(jié)合顏色直方圖和邊界方向直方圖進(jìn)行檢索的優(yōu)越性和通用性。

關(guān)鍵詞：顏色直方圖；邊緣直方圖；邊緣檢測；特征提??；Canny算子

基于內(nèi)容的圖像檢索CBIR(content-based image retrieval)，目前是計算機(jī)視覺領(lǐng)域中關(guān)注大規(guī)模數(shù)字圖像內(nèi)容檢索的研究分支。此技術(shù)目前還不成熟，特別是在圖像內(nèi)容的表示、存儲和匹配上仍然存在很多難題。當(dāng)前影響圖像檢索發(fā)展的主要原因是計算機(jī)視覺以及人工智能發(fā)展的不成熟，導(dǎo)致各種算法提取的特征不能夠表示圖像的精確意義[1]。因此，圖像特征的提取依然是圖像檢索的關(guān)鍵，另外，由于圖像內(nèi)在的語義（用戶的主觀評價）與系統(tǒng)自動提取的圖像視覺特征（顏色、紋理等）之間難以匹配（即所謂的語義鴻溝），因此僅利用視覺特征的檢索效果還不能滿足用戶實(shí)用的要求。為了克服這個問題，交互式技術(shù)被引入到圖像檢索系統(tǒng)中。利用相關(guān)反饋等方法，通過用戶對反饋圖像的評價，將人的主觀感覺融合到檢索過程中，使查詢更好地滿足用戶的要求。

當(dāng)前對與基于內(nèi)容的圖像檢索技術(shù)主要還是集中在顏色、紋理、形狀、輪廓等低層物理特征提取的基礎(chǔ)上，針對高層語義的檢索也正在研究之中。當(dāng)前，基于內(nèi)容的圖像查詢主要有三個研究方向：基于圖像顏色特征的查詢，基于圖像形狀特征的查詢，基于圖像紋理特征的查詢[2]。

1　基于內(nèi)容圖像檢索的一般結(jié)構(gòu)

目前基于內(nèi)容圖像檢索的體系結(jié)構(gòu)可以劃分為特征提取和查詢兩個子系統(tǒng)，如下圖所示:

圖1　基于內(nèi)容圖像檢索的體系結(jié)構(gòu)

在此圖中預(yù)處理部分是指包括圖像格式的轉(zhuǎn)換、規(guī)格化、圖像的增強(qiáng)、去噪等功能。目標(biāo)標(biāo)識部分為標(biāo)識出圖像中用戶所感興趣的區(qū)域或者對象，以便用戶針對目標(biāo)進(jìn)行圖像特征的提取和查詢。特征提取部分內(nèi)容包括提取圖像的顏色、紋理、形狀、空間位置關(guān)系等特征。數(shù)據(jù)庫部分是由圖像庫、特征庫和知識庫三部分組成。圖像庫是數(shù)字化的圖像信息，特征庫即自動提取的內(nèi)容特征，知識庫即專門及通用知識，有利于查詢優(yōu)化和快速匹配。查詢接口部分主要是給用戶提供一個友好的界面。即可視化的輸入手段和結(jié)果瀏覽功能。檢索引擎里面包含一個有效可靠的相似性測度函數(shù)集[3]。檢索引擎模塊通過索引/過濾模塊達(dá)到快速檢索的目的。

2　算法設(shè)計

2.1顏色直方圖的計算

顏色直方圖是目前最常用的顏色特征提取方法之一，顏色直方圖的本質(zhì)思想是在一定的顏色空間中對圖像中各種顏色出現(xiàn)的頻數(shù)進(jìn)行統(tǒng)計[4]。圖像的顏色有多種表示方式，最常用的是RGB顏色模式空間，本實(shí)驗(yàn)也采用RGB顏色空間。在RGB顏色空間中，顏色直方圖的計算如下公式，即

其中，k表示圖像的特征取值，l表示特征可取值的個數(shù)，nk表示圖像中具體特征值為k的像素個數(shù)，n表示圖像像素的總個數(shù)。

2.2邊界直方圖的計算

邊界直方圖本實(shí)驗(yàn)利用Canny算子[5]提取圖像的邊界。Canny算子的實(shí)現(xiàn)過程需要多步驟完成，

第一步：對圖像進(jìn)行Gaussian平滑，采用I[i，j]表示圖像，使用可分離濾波方法求圖像與高斯平滑濾波器卷積，得到一個平滑數(shù)據(jù)陣列如下：

其中，（取σ=1）是高斯函數(shù)的散步參數(shù)，控制平滑程度；S[i，j]為平滑后的數(shù)據(jù)陣列；G[i，j；σ]為高斯平滑濾波器。

第二步：對平滑后的圖像進(jìn)行一個Roberts算子運(yùn)算[5]。

平滑后的數(shù)據(jù)陣列S[i，j]經(jīng)過Roberts算子得到x，y上的分量：

變換后的圖像為

其中D[i,j]為變換后的圖像。

這樣就得到了Canny方法運(yùn)算以后的邊緣圖像。

分析訪談結(jié)果，將腫瘤病人升白細(xì)胞藥物服用依從性影響因素歸納為3方面：病人自身因素、社會家庭因素、藥物因素。

第三步：經(jīng)過Canny算子邊界提取后的圖像，是很方便地得到它的邊界方向直方圖H[i]：

其中，H[i]為邊界方向直方圖，S為圖像的面積。

第四步：邊界方向直方圖比較容易受到圖像旋轉(zhuǎn)的影響，所以為了解決這個問題，需要對邊界方向直方圖進(jìn)行平滑處理。對直方圖進(jìn)行平滑處理如下：

其中，Hs是平滑后的直方圖，H是原始直方圖，參數(shù)k決定平滑度。

2.3綜合特征進(jìn)行圖像檢索

相似性匹配可以用直方圖歐氏距離來計算。通過結(jié)合顏色直方圖的相似度與邊界方向直方圖的相似度，將基于顏色的圖像檢索與基于形狀的圖像檢索結(jié)果相結(jié)合。設(shè)q為查詢圖像，t為數(shù)據(jù)庫中圖像，Dc代表基于顏色直方圖的相似度，Ds代表基于邊界方向直方圖的相似度。則兩幅圖像間的綜合相似性可如下計算。

這里，wc和ws分別為對顏色的加權(quán)和對形狀的權(quán)值。

3　實(shí)驗(yàn)效果及數(shù)據(jù)分析

經(jīng)過多次實(shí)驗(yàn)得出了結(jié)合顏色和形狀檢索的優(yōu)越性。實(shí)驗(yàn)采用三種方式即：僅用顏色特征、僅用形狀特征以及結(jié)合使用顏色和形狀特征的算法進(jìn)行實(shí)驗(yàn)比較。

圖像庫：本實(shí)驗(yàn)所用圖像是從網(wǎng)絡(luò)上下載的。本圖像庫中圖片數(shù)量39張，不是專業(yè)的用于進(jìn)行圖像檢索效果驗(yàn)證的圖像，所以試驗(yàn)結(jié)果在有的時候不是很滿意。所以在以后還可以繼續(xù)進(jìn)行改進(jìn)。

評價標(biāo)準(zhǔn)：在比較不同方法的檢索性能時，要有一定的評價準(zhǔn)則，本實(shí)驗(yàn)采用 “準(zhǔn)確度”作為不同算法檢索性能的評價準(zhǔn)則。

具體做法如下：

第一步：從圖像庫中打開關(guān)鍵圖。

第二步：設(shè)置檢索方式（顏色直方圖、邊界直方圖、綜合方法），實(shí)驗(yàn)。

第三步：給出檢索結(jié)果截取界面圖像及三種方法“準(zhǔn)確率”的對比數(shù)據(jù)表格，這樣就可以很直觀的比較兩種方法在檢索性能上的不同。從而得出哪種是檢索最好的方法。

表1　 實(shí)驗(yàn)數(shù)據(jù)表

下面給出實(shí)驗(yàn)結(jié)果示例圖：

圖2　利用顏色直方圖檢索效果

圖3　利用邊界方向直方圖檢索效果

圖4　 綜合方法檢索結(jié)果

由前面的準(zhǔn)確率以及檢索效果可以看出綜合的特性檢索比單個使用特性相比確實(shí)提高了檢索準(zhǔn)確率?？偟膩碚f，不同的兩幅圖像有可能會有相似的顏色直方圖或邊界方向直方圖，但同時具有相似的或相同的兩種直方圖的概率比較小，所以綜合檢索可以減小誤匹配，從而提高檢索精確度。

參考文獻(xiàn)：

[1]Yong R,Thomas S H,Chang S F.Image Retrieval:Current techniques,Promising Directions and Open Issues[J].Journal of Visual Communication and Image Representation,1999 （10）:39-62.

[2]鄧娟.基于內(nèi)容的圖像數(shù)據(jù)庫檢索中關(guān)鍵技術(shù)的研究[D].上海：東華大學(xué),2005.

[3]章毓晉.基于內(nèi)容的視覺信息檢索[M].北京：科學(xué)出版社，2003:21-31.

[4] 阮秋琦.數(shù)字圖像處理學(xué)[M].北京:電子工業(yè)出版社,2001:181-182.

[5]Canny J.A Computational Approach to Edge:Detectio[J].IEEE Trans on PatternAnalysis and Machine Intelligence，1986 (6):679-698.

（責(zé)任編輯：葉麗娜）

中圖分類號：TP391.41

文獻(xiàn)標(biāo)識碼：A

文章編號：1674-2109(2015)09-0026-04

收稿日期：2015-06-25

作者簡介：馬阿曼（1981-），女，漢族，講師，主要研究方向：圖形圖像。

Study on Image Retrieval Method Based on Color and Edge Direction Histogram

MA Aman

(School of Mathematics and Computer Science,Wuyi University,Wuyishan,Fujian 354300)

Abstract:Analyze and summarize the existing content-based retrieval technology based on mainly through comparison and experiments show that the proposed integrated use of color histogram and edge histogram image retrieval method.In order to color feature and edge feature of image retrieval,is proposed for different image features extracted from the different definitions of the similarity measure to calculate the similarity between images.In order to retrieval images with different characteristics,the definition of similarity between two images as a weighted sum of sub feature similarity.The characteristics of two kinds of effective combination to achieve better retrieval effect.Combined with database and MATLAB technology to produce a system model,proved by experiments combined with the color histogram and edge direction histogram retrieval superiority and universality.

Key words:color histogram；edge histogram；edge detection；characteristic extraction；Canny operator