劉冰珣

摘要：目前對基于內(nèi)容的圖像檢索的研究熱點主要集中在基于圖像特征（顏色、紋理、形狀等）的檢索，本文根據(jù)國內(nèi)外基于圖像特征進行圖像檢索的專利文獻，按照上面列舉的幾個不同類別的圖像特征來對圖片的特征提取相關(guān)技術(shù)進行介紹和分析，為圖像檢索領(lǐng)域的研究工作提供參考，幫助本領(lǐng)域相關(guān)人員深入了解圖像檢索領(lǐng)域。

關(guān)鍵詞：圖像檢索;專利分析;圖像特征;顏色特征;紋理特征

由于基于文本的圖像檢索要用手工對圖像進行注釋，因而導(dǎo)致了它存在著不準確、不客觀的問題。尤其是在大規(guī)模的圖像數(shù)據(jù)庫出現(xiàn)以后，由手工對圖像進行標注的方法就變得更加遠遠不能滿足現(xiàn)實的需要了。為了解決這一難題，研究者們提出了基于內(nèi)容的圖像檢索（CBIR，Content-Based Image Retrieval），其基本思路就是利用圖像本身的視覺特征如顏色，紋理，形狀，空間關(guān)系等，并借助圖像處理技術(shù)、模式識別技術(shù)、計算機視覺技術(shù)和人工智能來實現(xiàn)對圖像的檢索，即檢索時是根據(jù)圖像的本身，而不是對其的標注。本文將根據(jù)國內(nèi)基于圖像特征進行圖像檢索的專利文獻，按照上面列舉的幾個不同類別的圖像特征來對圖片的特征提取相關(guān)技術(shù)進行介紹和分析。

1圖像顏色特征提取

顏色是圖像最顯著和直觀的視覺特征，顏色直方圖可以表達圖像的全局信息，并且不需要對圖像中的物體加以分割或者識別，具有旋轉(zhuǎn)與平移不變等特點。對于利用顏色特征檢索圖像有三個關(guān)鍵技術(shù)：選取合適的顏色空間，有效的特征提取方法與準確的特征匹配算法。目前常見的圖像顏色空間有，RGB空間，HSV空間，Lab空間，HIS空間等，這幾中顏色空間分別對應(yīng)了相應(yīng)的顏色模型，即 RGB 顏色模型，HSV顏色模型，Lab顏色模型，HIS顏色模型。

比如申請?zhí)枮镃N201010516933的案件，提出了一種基于多層位圖顏色特征的圖像檢索方法，采用的顏色空間就是RGB顏色空間;申請?zhí)枮镃N201410852980的案件，提出了一種圖像檢索的方法，提取了圖像的紋理特征和顏色特征，選取顏色空間是HSV，并根據(jù)H通道中的色調(diào)區(qū)域的灰度直方圖設(shè)定色調(diào)數(shù)組，以及根據(jù)V通道 中與S通道暗區(qū)域的對應(yīng)區(qū)域灰度直方圖設(shè)定亮度數(shù)組，并根據(jù)所述色調(diào)數(shù)組和亮度數(shù)組獲取顏色特征;顏色模型的選擇也并不唯一，申請?zhí)枮镃N201510660442的案件，提出基于顏色特征的圖像檢索方法，其中顏色空間既可以選Lab也可以選擇HSV;由此可見有時候顏色空間的選取和替換對本領(lǐng)域技術(shù)人員來說是容易想到的。

2圖像紋理特征提取

紋理是一種反映圖像中同質(zhì)現(xiàn)象的視覺特征，也是圖像檢索中一個重要而又難以描述的特性。描述紋理基元及在周期性排列的空間幾何特征和排列規(guī)則，如形態(tài)學(xué)、圖論、拓撲法等。頻譜法是建立在多尺度分析與時頻分析基礎(chǔ)之上的紋理分析方法，如 Gabor 變換、小波變換、分形等。在各種方法中，研究比較多的是基于統(tǒng)計的紋理特征提取方法，它包括灰度共生矩陣法和隨機場模型法，如馬爾可夫隨機場模型法。

紋理特征的提取不局限于上述提及的模型，但是都屬于為統(tǒng)計法、結(jié)構(gòu)法和頻譜法中一類或者兩類;公開號為CN1570972A的案件，提出了種基于圖像紋理特征的圖像檢索方法，利用在地理數(shù)據(jù)空間關(guān)系分析中常用的Variogram函數(shù)作為數(shù)學(xué)工具，將圖像數(shù)據(jù)看作是區(qū)域化變量，以圖像數(shù)據(jù)的Variogram函數(shù)值，反映圖像象素的結(jié)構(gòu)性，和圖像數(shù)據(jù)的統(tǒng)計特性。雖然可以看出該申請是基于統(tǒng)計的紋理特征提取方法，但是并沒有采用常見的灰度共生矩陣法、基于馬爾可夫隨機場模型等，該算法能夠自動判斷紋理類型，提高了實際檢索的準確率，可以說是針對紋理特征進行了創(chuàng)新;同時，還可以結(jié)合多種紋理特征提取方法來實現(xiàn)，比如申請?zhí)朇N201510028263的案件，提出了一種基于機器人視覺平臺的圖像檢索方法，在進行紋理特征識別的時候，利用灰度共生矩陣對紋理特征進行提取識別，并利用馬爾可夫隨機場MRF模型對紋理特征進行綜合打分。

3圖像形狀特征提取

形狀特征的提取是在對圖像中目標進行分割的基礎(chǔ)上實現(xiàn)的。有多種技術(shù)可以用來實現(xiàn)基于形狀的圖像檢索，比較常用的方法有：全局特征直接匹配的方法、基于局部不變量的檢索方法、基于變形模板匹配的檢索方法、利用變換域的方法和形態(tài)學(xué)方法等。按照形狀表達的形式可以將形狀的描述方法分為兩類：第一類是基于區(qū)域的形狀描述符，它表達了形狀的目標區(qū)域內(nèi)的所有的像素集合;目前，常用的區(qū)域特征的描述方法有：區(qū)域面積、區(qū)域重心、區(qū)域的矩、區(qū)域的骨架和通用傅里葉描述子等;第二類是基于邊緣的形狀描述符，它表達了形狀的目標區(qū)域邊界輪廓的像素集合，基于邊緣的檢測算子主要有Canny 算子、Gaussian 算子、Sobel 算子、Roberts 算子和 Prewitt 算子等。

圖像的形狀特征提取在商標圖像檢索和文字圖像檢索都發(fā)揮了顯著的效果。申請?zhí)朇N201510961229提出了一種基于區(qū)域形狀特征的商標圖像檢索方法，采用旋轉(zhuǎn)分層劃分的思想對圖像的區(qū)域形狀進行分層分割，利用旋轉(zhuǎn)分層的特征抽取方法來替代現(xiàn)有技術(shù)所使用的特征抽取方法，抽取圖像區(qū)域形狀的像素特征和面積特征，并根據(jù)這兩種特征在圖像描述中的貢獻大小使用不同的權(quán)重系數(shù)進行組合，提出了一種區(qū)域特征的組合描述算法，占用存儲空間較低，有利于編程實現(xiàn);申請?zhí)枮镃N201510441001的申請，公開了一種基于形狀匹配的漢字圖像檢索方法，該方法在形狀上下文算法的基礎(chǔ)上構(gòu)造了形狀特征描述函數(shù)，在對漢字圖像進行描述中進引入了不變矩算法使得漢字圖像特征描述函數(shù)有更高魯棒性，針對碑貼中的古代書法家遺留下來的書法作品經(jīng)過數(shù)字化提取得到的圖像進行檢索，以便用戶欣賞和比較不同時期不同書法家的作品風(fēng)格，針對碑文中提取出的漢字的形狀描述函數(shù)具有準確性高，效率高，魯棒性好等優(yōu)點。

4圖像空間關(guān)系的提取

圖像中存在著固有的空間分布特性，基于物體空間關(guān)系的圖像檢索包含了多種基于方向關(guān)系和空間拓撲結(jié)構(gòu)的標識模型。為了提取圖像的中物體的空間關(guān)系，通常還要結(jié)合局部特征提取方法，常見的局部特征提取方法有SIFT（尺度不變特征變換），SURF（加速魯棒特征描述符），BRIEF（二進制魯棒獨立基本特征）等。

圖像空間關(guān)系的檢索在遙感領(lǐng)域有著重要的運用。早起就有申請?zhí)枮镃N03152466的申請，提出了一種在關(guān)系型數(shù)據(jù)庫中快速高效地存儲、以及檢索和管理空間圖像的空間圖像信息方法和系統(tǒng)，該空間圖像是由全球定位系統(tǒng)（GPS）、慣性導(dǎo)航系統(tǒng)（INS）和圖像獲取裝置（即CCD照相機）的組合系統(tǒng)所獲取的，將空間圖像與外方位及內(nèi)方位結(jié)合起來，以便計算出指定空間坐標信息，從靜止空間圖像序列中高效地檢索滿足特定空間信息操作的圖像的部件;以及用于外部系統(tǒng)的接口部件;還有申請?zhí)枮镃N2010176447的申請，公開了一種融合空間方位關(guān)系語義的遙感圖像檢索方法，提出的新的方位描述方法獲取空間方位關(guān)系語義。

5總結(jié)

本文結(jié)合國內(nèi)專利申請的狀況對基于圖像特征提取的圖像檢索技術(shù)具體分類進行了介紹和分析，給基于圖像特征的圖像檢索領(lǐng)域提供了參考和幫助。

參考文獻

[1]徐果毅. 基于顏色特征的圖像檢索研究[D]. 湖南大學(xué)，2009.

[2]楊秀娟. 基于紋理特征的圖像檢索研究[D]. 西安科技大學(xué)，2009.