李　鑫，蒲東兵，呂健雄

(1.長(zhǎng)春工業(yè)大學(xué)應(yīng)用技術(shù)學(xué)院，吉林 長(zhǎng)春 130012；

2.東北師范大學(xué)計(jì)算機(jī)科學(xué)與信息技術(shù)學(xué)院，吉林 長(zhǎng)春 130117)

?

基于移動(dòng)終端圖像內(nèi)容檢索系統(tǒng)的設(shè)計(jì)

李鑫1，蒲東兵2，呂健雄1

(1.長(zhǎng)春工業(yè)大學(xué)應(yīng)用技術(shù)學(xué)院，吉林 長(zhǎng)春 130012；

2.東北師范大學(xué)計(jì)算機(jī)科學(xué)與信息技術(shù)學(xué)院，吉林 長(zhǎng)春 130117)

[摘要]在移動(dòng)終端下對(duì)基于內(nèi)容的圖像檢索技術(shù)進(jìn)行了研究與探討，運(yùn)用HSV顏色特征、灰度共生矩陣紋理特征的圖像檢索算法及查詢(xún)點(diǎn)移動(dòng)相關(guān)反饋等技術(shù)設(shè)計(jì)一種運(yùn)行于手持移動(dòng)終端的便攜式圖像檢索系統(tǒng).系統(tǒng)采用上位機(jī)運(yùn)算處理，下位機(jī)與用戶(hù)進(jìn)行交互，并呈現(xiàn)檢索結(jié)果的策略.結(jié)果表明，系統(tǒng)運(yùn)行穩(wěn)定，檢索速度較快，準(zhǔn)確率較高，對(duì)移動(dòng)終端下的圖像檢索應(yīng)用技術(shù)起到了推動(dòng)作用.

[關(guān)鍵詞]移動(dòng)終端；內(nèi)容；HSV；灰度共生矩陣；相關(guān)反饋

圖像自動(dòng)檢索是檢索領(lǐng)域的難點(diǎn)，目前常用的方法是基于標(biāo)注的圖像檢索和基于內(nèi)容的圖像檢索(CBIR).基于標(biāo)注的圖像檢索需要人工標(biāo)注圖像，檢索效果受標(biāo)注人的影響，無(wú)法滿(mǎn)足大規(guī)模數(shù)字圖像自動(dòng)檢索的需求.CBIR不需要事先標(biāo)注，僅根據(jù)圖像的顏色、紋理或空間關(guān)系等底層特征在圖像數(shù)據(jù)庫(kù)或互聯(lián)網(wǎng)中檢索相似圖像[1].但現(xiàn)有的CBIR系統(tǒng)都基于大規(guī)模集成電路的計(jì)算機(jī)系統(tǒng)，不便于用戶(hù)實(shí)時(shí)檢索圖像，而且使用成本相對(duì)較高.在移動(dòng)計(jì)算設(shè)備已經(jīng)普及的大環(huán)境下，本文設(shè)計(jì)了一種基于移動(dòng)終端的CBIR系統(tǒng).該系統(tǒng)可運(yùn)行于手機(jī)或PAD等移動(dòng)計(jì)算終端(稱(chēng)為“下位機(jī)”)，采用經(jīng)典算法提取圖像的HSV顏色特征和灰度共生矩陣紋理特征[2-8]，在上位機(jī)服務(wù)器或本地檢索相似的圖像，并按相似度降序返回檢索結(jié)果.為了使檢索出的圖像更加接近用戶(hù)需求，本文采用查詢(xún)點(diǎn)移動(dòng)相關(guān)反饋技術(shù)，將用戶(hù)檢索意圖融入檢索過(guò)程中，形成一種交互式檢索機(jī)制.CBIR利用用戶(hù)反饋回來(lái)的正、反例圖像信息，自動(dòng)對(duì)查詢(xún)向量進(jìn)行調(diào)整，使其更加接近于正例圖像，然后對(duì)調(diào)整后的向量進(jìn)行再次檢索，從而提高系統(tǒng)檢索的準(zhǔn)確性.

1系統(tǒng)工作流程及相關(guān)反饋

1.1系統(tǒng)工作流程

CBIR是一種基于圖像底層特征的檢測(cè)方法，其工作流程如圖1所示.

圖1　CBIR工作流程

系統(tǒng)對(duì)圖像進(jìn)行預(yù)處理，然后對(duì)每幅圖像進(jìn)行特征提取，最后把圖像及其特征存儲(chǔ)到數(shù)據(jù)庫(kù)中(圖像庫(kù)、特征庫(kù))并建立索引.當(dāng)檢索圖像時(shí)，需要把待檢索圖像進(jìn)行預(yù)處理、特征提取，將獲得的特征向量與特征庫(kù)中的特征向量進(jìn)行相似性匹配，并按照相似度降序排序，根據(jù)給定的閾值返回圖像庫(kù)的對(duì)應(yīng)圖像.待檢索圖像的特征值可以根據(jù)檢索策略直接提取，也可以利用相關(guān)反饋技術(shù)來(lái)獲取.

1.2檢索算法

本文主要采用HSV分塊顏色直方圖與灰度共生矩陣算法提取圖像的顏色特征和紋理特征.其中，HSV分塊顏色直方圖算法的思想是對(duì)圖像進(jìn)行分塊后，計(jì)算每塊的顏色特征，然后根據(jù)每塊圖像空間信息的重要度設(shè)置權(quán)值為

G=HQSQV+SQV+V，

(1)

其中QS和QV分別是S和V的量化級(jí)數(shù).灰度共生矩陣算法一般用對(duì)比度(Con)、能量(Asm)、熵(Ent)、相關(guān)性(Corr)等特征向量表示紋理特征，其計(jì)算方法分別為：

(2)

(3)

(4)

(5)

算法處理步驟如下：

(1) 將各顏色分量通過(guò)公式Gray=0.3R+0.59G+0.11B轉(zhuǎn)化為灰度，應(yīng)用顏色分量的加權(quán)和計(jì)算等效的灰度，這里所用圖像灰度級(jí)均為256，R，G和B分別對(duì)應(yīng)圖像的紅色分量、綠色分量和藍(lán)色分量；

(2) 對(duì)原始圖像進(jìn)行灰度等級(jí)壓縮，將Gray量化成16級(jí)，目的是減少計(jì)算量，從而提高移動(dòng)終端運(yùn)行的效率；

(3) 計(jì)算4個(gè)共生矩陣P， 距離取1，角度分別為0°，45°，90°和135°；

(4) 對(duì)共生矩陣計(jì)算對(duì)比度、能量、熵、相關(guān)性4個(gè)紋理參數(shù)；

(5) 求對(duì)比度、能量、熵、相關(guān)性的均值和標(biāo)準(zhǔn)差作為最終8維紋理特征.

1.3相關(guān)反饋

相關(guān)反饋是用戶(hù)對(duì)系統(tǒng)檢索到的圖像進(jìn)行評(píng)估，設(shè)置正、反例圖像，系統(tǒng)根據(jù)用戶(hù)的設(shè)置重新計(jì)算特征向量，然后進(jìn)行再次檢索，從而達(dá)到用戶(hù)的檢索意圖.

本文采用查詢(xún)點(diǎn)移動(dòng)相關(guān)反饋技術(shù)[9]，該技術(shù)根據(jù)公式(6)對(duì)查詢(xún)向量進(jìn)行調(diào)整[10]，從而建立新的查詢(xún)向量，以便獲取到理想的檢索結(jié)果.

(6)

其中：α，β和γ為常數(shù)，是調(diào)節(jié)參數(shù)；Qi+1和Qi分別為第i+1次和第i次查詢(xún)點(diǎn)的位置；NR′，NN′分別為正反饋集合DN′與負(fù)反饋集合DR′中的反饋圖像個(gè)數(shù).

根據(jù)查詢(xún)點(diǎn)移動(dòng)方法計(jì)算相關(guān)反饋后的新特征向量，需要分別計(jì)算所有正、反例圖像特征向量的平均值，然后分別對(duì)待檢索圖像特征值及正、反例圖像特征向量的平均值進(jìn)行加權(quán).為了選取3個(gè)向量權(quán)值的合理值，本文做了大量的測(cè)試，最終選擇1.00，0.75和0.15分別為待檢索圖像、正例圖像、反例圖像的權(quán)值.最后通過(guò)加權(quán)后待檢索圖像的特征向量與加權(quán)后正例圖像的特征向量進(jìn)行相加，減去加權(quán)后反例圖像的特征向量，從而得到新的特征向量.

2系統(tǒng)功能與框架

2.1系統(tǒng)功能

系統(tǒng)上位機(jī)開(kāi)發(fā)基于Web Service的SSH框架[11]，下位機(jī)基于Android平臺(tái)，運(yùn)用Android圖形布局、數(shù)據(jù)存儲(chǔ)[12-13]、網(wǎng)絡(luò)通信等技術(shù)實(shí)現(xiàn)了基于本地與遠(yuǎn)程的圖像檢索功能.主要提取圖像的HSV顏色特征和基于灰度共生矩陣的紋理特征，可以單獨(dú)利用HSV或灰度共生矩陣檢索圖像，也可以融合2種特征進(jìn)行檢索.在融合2種特征時(shí)，先通過(guò)灰度共生矩陣提取圖像的對(duì)比度、能量、熵、相關(guān)性等紋理特征向量，并通過(guò)曼哈頓距離計(jì)算庫(kù)中圖像與待檢索圖像的相似度，根據(jù)給定的閾值篩選出相似度高的圖像，然后根據(jù)圖像的HSV顏色特征進(jìn)行再次匹配，從而得出檢索結(jié)果.為了提高檢索的準(zhǔn)確性，系統(tǒng)采用查詢(xún)點(diǎn)移動(dòng)相關(guān)反饋技術(shù)，讓用戶(hù)參與其中，形成一種交互式檢索機(jī)制，根據(jù)用戶(hù)反饋回來(lái)的正、反例圖像信息，對(duì)查詢(xún)向量進(jìn)行調(diào)整，使其向正例方向移動(dòng)，遠(yuǎn)離反例方向，使得檢索結(jié)果更加符合用戶(hù)需求.

2.2系統(tǒng)框架

圖2　整體框架

本文主要功能框架如圖2所示.上位機(jī)用于存儲(chǔ)數(shù)據(jù)(圖像、圖像特征)和處理算法等，宜采用運(yùn)算性能較高的計(jì)算機(jī)，本文采用臺(tái)式機(jī)作為測(cè)試上位機(jī)；下位機(jī)與用戶(hù)進(jìn)行交互，同時(shí)支持基于服務(wù)器的遠(yuǎn)程圖像查詢(xún)和基于本地的圖像查詢(xún).所有運(yùn)行Android 2.3系統(tǒng)以上的手機(jī)或平板電腦等都可以作為下位機(jī)，本文采用平板電腦作為測(cè)試下位機(jī).上位機(jī)與下位機(jī)之間通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)進(jìn)行通信，無(wú)線(xiàn)網(wǎng)絡(luò)可以是Wi-Fi或3G.本文采用Wi-Fi實(shí)現(xiàn)上位機(jī)與下位機(jī)之間數(shù)據(jù)的傳輸.

3系統(tǒng)設(shè)計(jì)、實(shí)現(xiàn)與測(cè)試

3.1開(kāi)發(fā)工具與數(shù)據(jù)庫(kù)

上位機(jī)使用Tomcat、JDK、Eclipse和MyEclipse等開(kāi)發(fā)工具，下位機(jī)需要JDK、Eclipse與SDK工具.上位機(jī)采用MySql數(shù)據(jù)庫(kù)，用于存儲(chǔ)用戶(hù)資料及圖像信息；下位機(jī)采用SQLite數(shù)據(jù)庫(kù)，用于存儲(chǔ)本地圖像信息.

3.2上位機(jī)功能模塊設(shè)計(jì)

上位機(jī)系統(tǒng)模塊主要包括圖像添加接口、管理接口、特征提取、信息處理、信息庫(kù)管理及數(shù)據(jù)存儲(chǔ)，如圖3所示.它主要用于處理下位機(jī)提交上來(lái)的圖像信息，包括圖像的檢索以及增、刪、改、查、下載等操作.

圖3　上位機(jī)系統(tǒng)模塊組成

圖像添加模塊接收來(lái)自下位機(jī)的圖像原始文件，然后對(duì)其進(jìn)行預(yù)處理并提取相應(yīng)的特征，將獲得的圖像信息及特征向量分別存儲(chǔ)到相應(yīng)的數(shù)據(jù)庫(kù).圖像管理模塊用于響應(yīng)下位機(jī)發(fā)出的檢索、瀏覽、下載等請(qǐng)求，并借助信息處理模塊對(duì)接收的請(qǐng)求信息進(jìn)行校對(duì)，最后通過(guò)信息庫(kù)管理模塊對(duì)下位機(jī)請(qǐng)求的圖像信息進(jìn)行處理，并把處理結(jié)果經(jīng)由管理接口模塊傳遞到下位機(jī)呈現(xiàn)給用戶(hù).

3.3下位機(jī)功能模塊設(shè)計(jì)

下位機(jī)主要分為圖像檢索模塊與遠(yuǎn)程圖像管理模塊，其中圖像檢索模塊主要用于基于本地或遠(yuǎn)程圖像信息的檢索，如圖4所示.圖像管理模塊主要用于遠(yuǎn)程圖像信息的增、刪、改、查等操作.

主UI界面用于選擇待檢索圖像(也稱(chēng)為“樣本圖像”)、檢索算法以及本地或遠(yuǎn)程圖像檢索數(shù)據(jù)庫(kù).樣本圖像是本地圖像，也可以從下位機(jī)相機(jī)實(shí)時(shí)獲取.預(yù)處理模塊用于對(duì)圖像進(jìn)行灰度校正、噪聲處理或大小規(guī)整等處理，以提高檢索的準(zhǔn)確性.本文采用中值濾波預(yù)處理方法，即用像素點(diǎn)鄰域灰度值的中值來(lái)替代該像素點(diǎn)的值，以達(dá)到增強(qiáng)圖像感興趣區(qū)域，削弱不感興趣的區(qū)域.本文分別采用了基于HSV分塊顏色直方圖算法、基于灰度共生矩陣的紋理特征算法及融合顏色和紋理特征算法.相似度檢測(cè)用于計(jì)算圖像特征向量之間的相似度，并按相似度降序排列.本文采用了曼哈頓距離計(jì)算相似度,利用查詢(xún)點(diǎn)移動(dòng)相關(guān)反饋技術(shù)來(lái)進(jìn)一步提高檢索準(zhǔn)確率，即允許用戶(hù)對(duì)檢索到的結(jié)果進(jìn)行正、反例標(biāo)記，并將標(biāo)記后的結(jié)果再次送入檢索系統(tǒng)重新檢索，從而使檢索結(jié)果更加符合用戶(hù)的需求.

圖4　圖像檢索模塊設(shè)計(jì)示意圖

如果用戶(hù)選擇的是遠(yuǎn)程檢索，則提取的圖像特征信息傳遞給上位機(jī)，待上位機(jī)分析處理后，把檢索到的圖像按相似度由高到低的順序傳遞給下位機(jī)，由下位機(jī)檢索結(jié)果展示UI給用戶(hù)，如圖5所示.如果用戶(hù)選擇的是本地檢索，則進(jìn)行基于本地圖像庫(kù)的圖像檢索.

圖5　遠(yuǎn)程圖像管理模塊設(shè)計(jì)流程

圖像接口模塊主要負(fù)責(zé)上位機(jī)與下位機(jī)信息的交互，包括圖像文件的上傳、瀏覽、修改、下載、刪除等接口.UI、圖像信息添加模塊主要用來(lái)選擇需要向上位機(jī)上傳的圖像源文件，由圖像接口模塊將圖像源文件上傳到上位機(jī)，上位機(jī)運(yùn)算處理后再通過(guò)此模塊把返回信息呈現(xiàn)給用戶(hù).UI、遠(yuǎn)程圖像操作模塊主要用來(lái)對(duì)上位機(jī)圖像庫(kù)進(jìn)行操作管理，包括遠(yuǎn)程圖像的瀏覽、編輯、下載、刪除.

3.4下位機(jī)與上位機(jī)的數(shù)據(jù)交互

下位機(jī)與上位機(jī)通過(guò)Web Service進(jìn)行信息傳輸[14].Web Service是指駐留在Internet上的某種計(jì)算機(jī)應(yīng)用程序，可以解析HTTP協(xié)議.通過(guò)基于Android版本的jar包獲取服務(wù)器端Web Service的調(diào)用.具體步驟如下：

(1) 下載KSOAP的jar包，并引用到要開(kāi)發(fā)的Android項(xiàng)目中；

(2) 實(shí)例化SoapObject對(duì)象，并設(shè)定Web Service的命名空間和調(diào)用的方法名稱(chēng)；

(3) 假設(shè)方法有參數(shù)的話(huà)，通過(guò)addProperty(“參數(shù)名稱(chēng)”，“參數(shù)值”)設(shè)置調(diào)用方法參數(shù)；

(4) 設(shè)置SOAP請(qǐng)求信息(注：參數(shù)中SOAP協(xié)議版本號(hào)與Web Service中保持一致)；

(5) 注冊(cè)Envelope；

(6) 構(gòu)建傳輸對(duì)象，并指明WSDL文檔URL；

(7) 調(diào)用Web Service(其中參數(shù)1為命名空間+方法名稱(chēng)，參數(shù)2為Envelope對(duì)象)；

(8) 解析返回?cái)?shù)據(jù)，獲取請(qǐng)求信息.

3.5相關(guān)反饋技術(shù)的實(shí)現(xiàn)

本文根據(jù)查詢(xún)點(diǎn)移動(dòng)方法計(jì)算相關(guān)反饋后的新特征向量，需要分別計(jì)算所有正、反例圖像特征向量平均值，然后分別對(duì)樣本圖像特征值及正、反例圖像特征向量的平均值進(jìn)行加權(quán)，3個(gè)向量的權(quán)值需要進(jìn)行大量的測(cè)試實(shí)驗(yàn)才能獲取相對(duì)合理的值，本文設(shè)置的樣本圖像、正例圖像、反例圖像的權(quán)值分別為1，0.75和0.15，最后通過(guò)加權(quán)后樣本圖像的特征向量與加權(quán)后正例圖像的特征向量進(jìn)行相加，減去加權(quán)后反例圖像的特征向量，從而得到新的特征向量.

3.6系統(tǒng)測(cè)試

系統(tǒng)測(cè)試采用的圖像庫(kù)是Corel圖像庫(kù)的一個(gè)子庫(kù)，其中包括恐龍、花朵、建筑物等10類(lèi)圖像，每類(lèi)圖像100幅，共1 000幅，都是384像素×256像素的圖像.上位機(jī)采用系統(tǒng)為I3/3.30 GHz臺(tái)式機(jī)，下位機(jī)是運(yùn)行Android4.0系統(tǒng)的基于ARM核的平板電腦，網(wǎng)絡(luò)環(huán)境為T(mén)P-LINK無(wú)線(xiàn)路由器搭建的無(wú)線(xiàn)局域網(wǎng).

圖6所示的是下位機(jī)主UI界面.首先進(jìn)行的是不帶相關(guān)反饋的圖像檢索.通過(guò)點(diǎn)擊本地圖像按鈕，打開(kāi)本地文件夾，從中選取樣本圖像，對(duì)樣本圖像進(jìn)行基于HSV顏色直方圖、灰度共生矩陣以及融合這2種特征的方法進(jìn)行檢索.檢索結(jié)果如圖7—9所示.

圖6　下位機(jī)主界面

圖7　顏色特征檢索

圖8　紋理特征檢索

圖9　融合顏色和紋理檢索

圖10　顏色+反饋后檢索

圖11　紋理+反饋后檢索

圖12　融合+反饋檢索

進(jìn)行相關(guān)反饋時(shí)，可在檢索結(jié)果顯示UI中單擊其中任意一張圖像都會(huì)彈出一個(gè)正、反例圖像標(biāo)記的對(duì)話(huà)框，用戶(hù)通過(guò)選擇正例或反例對(duì)圖像進(jìn)行標(biāo)記，進(jìn)行再次檢索，從而形成一種用戶(hù)參與其中的交互檢索機(jī)制，即相關(guān)反饋.圖10—12所示的是相關(guān)反饋后，再次采用3種檢索策略所獲得的檢索結(jié)果.

在測(cè)試時(shí)，通過(guò)對(duì)數(shù)據(jù)庫(kù)中花朵、恐龍、公交車(chē)、宮殿建筑4類(lèi)圖像的檢索對(duì)比，結(jié)果顯示恐龍結(jié)構(gòu)比較簡(jiǎn)單，圖像利用顏色特征會(huì)獲得較高的檢索準(zhǔn)確率，其查準(zhǔn)率和查全率分別為92%和46.3%；而基于灰度共生矩陣紋理特征的查準(zhǔn)率和查全率分別為66.7%和33.3%；融合2種特征的查準(zhǔn)率和查全率分別為94.7%和47.3%.對(duì)宮殿建筑這類(lèi)結(jié)構(gòu)復(fù)雜的圖像檢索準(zhǔn)確性較低，其基于HSV顏色特征的查準(zhǔn)率、查全率分別為40%和20%；基于灰度共生矩陣紋理特征的查準(zhǔn)率、查全率分別為26.7%和13.3%；上述2種特征綜合算法的查準(zhǔn)率、查全率分別為41.3%和20.7%.另一方面，在1 000幅的圖像庫(kù)中，系統(tǒng)在遠(yuǎn)程檢索同一幅圖像時(shí)大約需要7.8 s，圖像緩存到本地后，再次檢索只需2.1 s，而基于本地的圖像檢索平均需要2.3 s.

4結(jié)束語(yǔ)

本文通過(guò)HSV顏色特征及灰度共生矩陣的紋理特征算法實(shí)現(xiàn)了基于手持移動(dòng)終端設(shè)備的圖像檢索系統(tǒng)，并采用查詢(xún)點(diǎn)移動(dòng)相關(guān)反饋技術(shù)，對(duì)檢索結(jié)果進(jìn)行了優(yōu)化，使得檢索結(jié)果更加符合用戶(hù)需求.用戶(hù)通過(guò)該系統(tǒng)可進(jìn)行本地或遠(yuǎn)程的圖像檢索，使基于內(nèi)容圖像檢索更加方便，同時(shí)解決了上位機(jī)體積大不便于攜帶與下位機(jī)存儲(chǔ)空間不足的問(wèn)題.通過(guò)該系統(tǒng)還可以對(duì)遠(yuǎn)程圖像信息進(jìn)行增、刪、改、查管理，提升了其實(shí)用性.從實(shí)驗(yàn)過(guò)程及結(jié)果可以看出，HSV顏色特征對(duì)空間復(fù)雜及維數(shù)較高的圖像容易造成誤檢，基于灰度共生矩陣的紋理特征算法對(duì)紋理復(fù)雜的圖像檢索性能較差，后續(xù)工作將重點(diǎn)研究和實(shí)現(xiàn)多模態(tài)下的圖像檢索.

[參考文獻(xiàn)]

[1]黃祥林，沈蘭蓀. 基于內(nèi)容的圖像檢索技術(shù)研究[J]. 電子學(xué)報(bào)，2002，30(7)：1065-1071.

[2]孫君頂，毋小省. 基于顏色分布特征的圖像檢索[J]. 光電子·激光，2006，17(8)：1009-1013.

[3]陳海霞，崔茜. 基于Gabor小波和PCA的人臉識(shí)別[J]. 東北師大學(xué)報(bào)(自然科學(xué)版). 2014，46(4)：77-90.

[4]李向陽(yáng)，莊越挺，潘云鶴，等. 基于內(nèi)容的圖像檢索技術(shù)與系統(tǒng)[J]. 計(jì)算機(jī)研究與發(fā)展，2001，8(3)：344-354.

[5]李丙春. 基于共生矩陣的圖像紋理特征提取及應(yīng)用[J]. 喀什師范學(xué)院學(xué)報(bào)， 2006，27(6)：35-37.

[6]姜蘭池，沈國(guó)強(qiáng)，張國(guó)煊. 基于HSV分塊顏色直方圖的圖像檢索算法[J]. 機(jī)電工程，2009，26(11)：54-57.

[7]宋嚴(yán)，趙永哲. 改進(jìn)的HFEM公鑰密碼方案在數(shù)字簽名上的應(yīng)用設(shè)計(jì)[J]. 東北師大學(xué)報(bào)(自然科學(xué)版)，2014，46(3)：69-74.

[8]孟繁靜，王連明. 視頻人臉識(shí)別系統(tǒng)中的最佳人臉捕獲[J]. 東北師大學(xué)報(bào)(自然科學(xué)版)，2015，47(3)：90-95.

[9]黎琳，趙英. 基于內(nèi)容的圖像檢索反饋技術(shù)概述[J]. 圖書(shū)情報(bào)工作，2006，50(11)：95-98.

[10]RICARDO B， BERTHIER R. Modem information retrieval [J]. Addison Wesley Longman，1999， 47(7)：173-257.

[11]沈鏞. 軟件開(kāi)發(fā)中SSH框架技術(shù)研究與應(yīng)用[J]. 福建電腦，2010，26(6)：82-83.

[12]張恒喜，史爭(zhēng)軍. 基于SQLite的Android數(shù)據(jù)庫(kù)編程[J]. 電腦編程技巧與維護(hù)，2011 (21)：30-31.

[13]孫語(yǔ)澤，遲嘉，胡亮. 一種基于DES加密算法的Adnroid平臺(tái)與服務(wù)器通信加密的實(shí)現(xiàn)[J]. 東北師大學(xué)報(bào)(自然科學(xué)版)，2015，47(3)：78-83.

[14]孟瓊. 基于Spring Java Bean的Web Service服務(wù)[J]. 計(jì)算機(jī)與現(xiàn)代化，2012 (1)：194-195，198.

(責(zé)任編輯：石紹慶)

Design of content-based image retrieval system on mobile terminal

LI Xin1， PU Dong-bing2， Lü Jian-xiong1

(1.School of Applied Technology， Changchun University of Technology， Changchun 130012， China;2.School of Computer Science and Information Technology， Northeast Normal University， Changchun 130117， China)

Abstract:This paper firstly researches on the technology of content-based image retrieval (CBIR). And then gives the Design and implementation of a portable CBIR system (CBIRS) on handheld mobile terminals. The CBIRS can successfully find similar images by their features including HSV (Hue， Saturation， and Value)， gray level co-occurrence matrix and relevance feedback technology. The whole system consists of an upper computer and several lower computers. Retrieval algorithms are processed on the upper computer. Users can interact with the lower computer and check the result of image retrieval. Experiments show the CBIRS runs stably. It can find those similar images fleetly and accurately. The work of this paper will push forward the technology of CBIR on mobile terminals.

Keywords:mobile terminal；content-based；HSV；gray level co-occurrence matrix；relevance feedback

[中圖分類(lèi)號(hào)]TP 274+.2[學(xué)科代碼]490·10

[文獻(xiàn)標(biāo)志碼]A

[作者簡(jiǎn)介]李鑫(1977—)，女，講師，主要從事軟件工程研究；通訊作者：蒲東兵(1970—)，男，博士，副教授，主要從事智能控制與嵌入式系統(tǒng)、模式識(shí)別研究.

[基金項(xiàng)目]吉林省科技發(fā)展計(jì)劃項(xiàng)目(201105056)；吉林省發(fā)改委資助項(xiàng)目(JF2012C004，2014Y101)；吉林省教育廳“十二五”科學(xué)技術(shù)研究項(xiàng)目(2015102).

[收稿日期]2014-09-03

[文章編號(hào)]1000-1832(2016)01-0072-06

[DOI]10.16163/j.cnki.22-1123/n.2016.01.016