1、基于颜色特征的图像检索方法 学士论文I基于颜色特征的图像检索方法摘 要近年来，随着互联网的高速发展，网上的多媒体信息也急剧增加，这些多媒体信息以图像为主。如何从浩瀚的图像数据库中快速、准确地找出所需要的图像，己成为一个备受关注的研究课题。有效地组织、管理和检索大规模的图像数据成为迫切需要解决的问题。于是基于内容的图像检索(Content-Based Image Retrieval: CBIR)作为一个崭新的研究领域出现了。基于内容的图像检索(CBIR, Content-Based Image Retrieval)是一种利用图像的视觉特征(颜色、纹理、形状等)进行图像检索的技术。其主要研究内容可
2、以概括为四个方面:图像特征提取与表示、相似匹配、高维索引结构以及系统设计.CBIR的研究与发展将对诸如数字图书馆、多媒体信息系统、医学图像等应用领域提供有力的技术支持，它是当前图像数据库和多媒体信息检索领域的研究热点.目前，CBIR的技术水平很难满足实际应用的要求，它是一个具有挑战性的研究课题，仍然期待技术上的突破。在基于内容的图像检索中，颜色作为图像的一种重要视觉信息，己得到广泛应用。本文对利用颜色特征进行图像检索的三个关键问题:颜色的表示、颜色特征的提取和基于颜色的相似性度量进行了讨论。针对基于颜色的静态图像检索，本文利用JAVA语言实现了在Windows XP环境下基于图像颜色特征的图像
3、检索演示系统。采用应用广泛的RGB颜色空间来表示图像的颜色特征，对颜色分量进行等间隔量化并形成特征矢量并对特征矢量进行归一化处理，采用图像均匀分块的方法引入图像中色彩所处的位置信息，用距离度量函数进行图像的相似性匹配。本文的研究和实践对于促进基于内容的图像数据库检索技术的应用具有一定的参考价值和实践意义。基于颜色特征的图像检索方法 学士论文II关键词：基于内容的图像检索，颜色，CBIRAbstractWith the rapid development of Internet, the multimedia information is booming. All this informatio
4、n is mostly images. Effective recognizing, management and searching all these images has been an emergent problem. This has led the rise of a new research and development field: Content-Based Image Retrieval (CBIR).CBIR is a technique for retrieving image on the basis of automatically derived vision
5、 feature. There are four fundamental bases for CBIR, i.e. visual feature extraction and representation, similarity matching, multi-dimensioned indexing, and retrieval system design. Nowadays, CBIR is the main support technique for a lot of application domains, such as digital libraries, multimedia i
6、nformation systems, medical databases; etc .It is currently a very active topic in image databases and multimedia information retrieval. Color, as important visual information, has played a very important role in content-based image retrieval. This paper have discussed three key questions on how to
7、make use of the characteristic of color, which included expressing color, obtaining the characteristic of color and measuring the likeness based on color. It quantifies color sector with equal interval, and get characteristic vector. Finally, it matched the similarity of image with the distance func
8、tion.The paper holds certain referential value and practical significance in promoting the development of 基于颜色特征的图像检索方法 学士论文IIIretrieval technique of image database.Keywords: Content Based Image Retrieval, Color, CBIR基于颜色特征的图像检索方法 学士论文IV目录摘 要 .IABSTRACT.II第一章 绪 论 .11.1 基于内容的图像检索的研究背景 .11.2 基于内容图像检索的
9、主要应用 .31.3 国内外典型系统介绍 .41.4 本文的研究内容及结构安排 .6第二章 基于内容的图像检索技术 .72.1 图像检索的分类 .72.2 基于内容的图像检索的特点 .82.3 基于内容的图像检索系统的一般结构 .82.4 基于内容的图像检索的关键技术 .9第三章 基于颜色特征的图像检索方法 .173.1 颜色模型 .183.2 颜色特征表示 .203.3 颜色直方图匹配技术分析 .23第四章 基于颜色特征的图像检索系统的设计 .254.1 图像检索系统设计的重点问题 .254.2 颜色空间模型的选取 .254.3 颜色量化 .264.4 归一化直方图 .264.5 图像分割
10、.274.6 距离度量函数的选择 .29第五章 基于颜色特征的图像检索系统的实现 .305.1 系统介绍 .305.2 系统框架 .305.3 系统详细设计 .315.4 实验结果分析 .35第六章 全文总结与展望 .376.1 全文总结 .37基于颜色特征的图像检索方法 学士论文V6.2 展望 .38参考文献 .39致 谢 .42基于颜色特征的图像检索方法 学士论文1第一章 绪 论1.1 基于内容的图像检索的研究背景随着计算机软硬件和国际互联网技术的飞速发展，多媒体数据的数量也以惊人的速度增长。各行各业有越来越多的信息通过图像的形式进行表达，这些图像中包含了大量有用的信息。但是这些图像松散的
11、分布在世界各地，缺少有效的组织，难以达到资源共享的目的。因此如何利用如此众多的图像信息并从中定位感兴趣的材料，是对图像信息的查询技术提出的重大挑战。在信息的组织、管理和检索方面，传统上应用最广泛的是数据库技术，它采用基于关键词的检索方式，这对于处理结构化比较强的文本、数值信息效果比较好，然而，它对于图像和视频这些视觉信息的检索却具有相当大的局限性，这是由视觉信息自身的特点决定的，它们与传统的文本、数值信息相比具有如下的特点：11)非结构化特性。在传统的文本、数值数据库中，记录信息具有明显的结构特性，它是现实世界中对象间关系的反映，可通过实体关系模型抽象得到。与此相比，图像和视频对象具有较强的非
12、结构化特性，许多多媒体信息以流的形式存在(例如视频流)，这种媒体想要得到它的信息，必须对它先进行结构化处理，而这种结构化不能通过简单的抽象来完成，而需要相应的媒体分割和组织技术。2) 内容多义性。在传统的文本、数值数据库中，每一个记录所包含的语义确定而且有限。而对于像图像或视频这样的多媒体对象来说，具内容往往对不同的用户、不同的应用具有不同的解释，即具有多义性的特点，这样其内容就很难通过有限的属性来充分描述。此外，对多媒体对象的检索一般都是内容相似程度的检索即查找内容描述与检索要求最接近的对象。这就要求基于颜色特征的图像检索方法 学士论文2建立的内容描述支持内容相似性程度的比较，这是在传统的文
13、本、数值数据库中广泛采用的定性描述所不能满足的。在1970年以后，随着数据库管理和计算机视觉两个领域的飞速发展，图像检索技术(Image Retrieval)的研究成为热点。由于图像检索在这两个领域的不同应用，所以它们采用的研究方法也各自有所侧重。数据库管理领域的研究采用基于文本(text-based)的图像检索方法，而计算机视觉领域则偏重于基于视觉(visual-based)的图像检索。基于文本的图像检索，主要在数据库领域中进行研究，它的一个典型框架是，首先对图像用文本进行注解(关键字)，然后用基于文本的数据库管理系统(DBMS)来进行图像关键字检索，诸如数据模型、多维度索引、查询评价等的研
14、究进展均是沿着这一领域所作的。但是，基于文本的图像检索存在很大困难，尤其是图像的数据量非常大的时候，其一，手工对图像进行注释所需的工作量太大;其二，许多图像很难用文字的方式进行描述;其三，不同的人对同一幅图像的理解不一样，即使同一个人对同一幅图像在不同环境下理解也不完全相同，这样使得对图像的描述不唯一，造成检索结果的千差万别;其四，由于世界上存在许多语种，采用不同的语言文字对图像进行描述而建立的索引在应用中造成了一定的障碍。因此基于文本方式的图像检索存在很大的局限性。基于内容的视觉信息检索旨在对视觉信息提供强有力的描述，实现视觉信息的结构化，最终达到用户对这些视觉信息内容自由访问的目标。它是一
15、门涉及面很广的交叉学科，包括:信号处理，图像处理，机器视觉，数据库，信息检索，模式识别等相关技术。近十年来 ，基于内容的图像检索和视频检索是当前最活跃的研究热点之一。每年都有相关的国际会议召开，如SPIE的Storage and Retrieval for Image and Video Databases, ACM Multimedia等，而且许多国际上的知名杂志都发表了相关内容的专刊，如:IEEE Computer, IEEE Trans. onPAM1, Pattern 基于颜色特征的图像检索方法 学士论文3Recognition, Image and Vision Computing。
16、目前，国内外很多研究机构都在进行相关的研究工作，并取得了很多令人瞩目的成就。如;IBM的QBIC, UIUC的MARSI, CMU的Info media, MIT的Photo book等，国内的主要研究单位有:中科院联合实验室、中科院自动化所国家模式识别实验室、清华大学、上海交通大学等。1.2 基于内容图像检索的主要应用2CBIR己经成功地应用于一些专门领域.典型应用领域包括:1.搜索引擎:随着各种电子商务网站的发展，图像搜索引擎将成为这些网站的重要工具。2.家庭用图像检索: 数码科技使得普通家庭也会产生成千上万的图像，家庭图像检索系统将是家庭PC的一个基本工具。3.数字图书馆:数字图书馆实际
17、上是一个数字信息资源库，其中有字符数值库、文本库、声音库、图像库等。因此，如何快速、高效地从数字图书馆中找出用户所需的信息就成为现代图书馆研究的热点和关键技术之一。4.商标检索系统: 可在收录了己注册商标的数据库中查找是否有与注册商标类似的，防止商标权受侵害。5.法律及公安:它是图像数据库技术的一个重要应用领域。典型的例子有:面部数据库、指纹数据库、犯罪纪录数据库以及建筑物保安数据库等。我国在“人脸”及“指纹”数据库建立方面已做了不少工作，并有一批实用性的成果投入应用。6.邮票资料库:主要用于邮票资料的管理与查询，也可以提供邮票鉴定等更高级的应用服务。7.教育与培训:在教育与培训领域，例如远程
18、教学、交互式培训、自学教育及雇员再教育等有着广阔的应用前景。国外在培训系统领域已投入了大量的经费，开展了相关课题的研究工作。我国多媒体教学研究工作也已经开展，网上教学与辅导已进入实用阶段，这些都为图像数据库应用于教育培训领域提供了广阔的前基于颜色特征的图像检索方法 学士论文4景.8.工业与商业:工业应用包括企业多媒体信息系统、CAD/CAM等:商业应用有电子商务、在线广告、在线购物、股票等。9.保健及医疗:图像数据库在该领域中应用范围很广，除了专用的图像管理与检索系统外，还包括建立多媒体医疗信息管理系统，将庞杂的医疗数据管理起来.这些数据包括病历、病人的图像信息(如X光片、CT扫描及MRI照片
19、等)以及描述手术过程的视频信息等。它为现有的医学系统带来了一场革命，其中最有前景的应用是远程医疗(Telemedicine)、远程外科手术(Tele-surgery)及远程诊断(Tele-diagnoses)等。1.3 国内外典型系统介绍1.3.1 国外研究成果虽然当前对CBIR的研究还很不成熟，但是作为商业软件包的图像检索系统已经问世。在网络上的演示版本也相应出现。基于内容检索的图像数据库的典型代表主要有以下几个:1. QBIC 图像检索系统QBIC3( Query By Image Content)图像检索系统是IBM公司90年代研制开发的图像和动态影像检索系统，英文原意是“依靠图像得内容
20、进行查询”。它主要为IBM的DB2大型数据库提供图像检索功能，并支持基于Web的图像检索服务。它是标准的基于Content-based技术的图像检索系统，用户无需提供文字检索词，只要输入以图像形式表达的检索要求即可检索出一系列相似的图像。它提供多个图像数据库供检索试验，例如美国1995年以前发行的邮票图案，世界著名商标，旧金山美术博物馆图像数据库，法国文化部图像数据库，可视化图书馆等。2. Image Rover系统(图像漂泊者系统)Image Rover是基于万维网的图像导航器，用户使用点击小基于颜色特征的图像检索方法 学士论文5图标的方法查询到自己所需图文信息。Image Rover内部成
21、功运用了Content-based技术，特点是通过HTML(Hypertext Makeup Language)文件将可视化信息和文本信息统一起来。它由文件采集子系统和图像检索系统两部分组成.(1) Image Rover文件采集子系统文件采集子系统中，运用自动采集索引机器人(Robot)技术，定期采集Web文件，Web服务器也可主动向Image Rover提供图文信息。文件采集的基本原理与一般搜索引擎相似。当采集到网页后，系统将分析网页图文内容，分离图像和文本信息，对图像进行特征分析和抽取，将特征索引存储在工mage Rover的检索系统中。(2) Image Rover图像检索子系统Ima
22、ge Rover进行查询的步骤是:客户机终端输入查询图像，查询服务器分析特征和语义后送入索引生成服务器进行对照，索引生成服务器将最优结果指令传输给数据库服务器，客户即可得到数据库的答复。3. VisualSeek和WebSeekVisualSeek系统是万维网图像/影像检索工具，研制者John R Smith毕业于哥伦比亚大学电子信息研究中心，一直致力于Content-based技术开发研究，创造出一系列成果，例如VisualSeek, WebSeek, SAFE和CBVQ等，VisualSeek提供一系列搜寻和检索万维网视图信息的工具。WebSeek实际上是这些工具中的一种。VisualSeek的技术内核与其他Content-based检索系统相似。比较其他多媒体信息检索系统，VisuaISeek的优点在于:高效率的WEB图像信息检索，采用了先进的特征抽取技术，用户界面强大，操作简单，查询途径丰富，结果输出画面生动，支持用户直接下载信息。在VisualSeek的众多工具中，WebSeek具有较强功能和特色，其本身就是一个独立的万维网可视化信息编目工具，已经对650000幅图像和10000个影像片断进行了编目。用户
