基于颜色特征的图像检索算法的实现.doc

目录

摘要 1

关键字 1

1绪论 1

1.1基于内容的图像检索的概念 1

1.2基于内容的图像检索的发展历史 1

1.3基于内容的图像检索的特点和主要应用 1

1.4基于内容的图像检索的关键技术 2

1.5国内外研究现状 3

1.5.1国外研究现状 3

1.5.2国内研究现状 4

2基于颜色特征的图像检索方法 4

2.1颜色度量体系 4

2.2颜色空间 5

2.2.1RGB颜色空间 5

2.2.2HSV颜色空间 5

2.2.3CMY颜色空间 6

3颜色特征的表达 7

3.1颜色直方图 7

3.2累加直方图 8

4图像特征的相似性匹配 9

4.1距离度量方法 9

4.2直方图的交集的方法 9

4.3欧式距离法 9

5图像检索算法实现 10

5.1程序开发运行环境 10

5.2程序检索逻辑 10

5.3算法具体实现 11

5.4实例演示 14

6全文总结与展望 15

6.1全文总结 15

6.2展望 15

致谢 15

参考文献 16

英文摘要 16

1

基于颜色特征的图像检索算法的实现

摘要：文章介绍了一种基于颜色特征的图像检索技术的算法并给出了程序实现。首先介绍了基于内容的图像检索技术、发展历史及基于内容的图像检索技术的特点和主要应用，并在此基础上探讨了该领域所用到的一些关键技术。文章着重探讨了图像的颜色空间、图像特征提取及图像相似性度量等内容，并利用matlab技术实现了一个简单图像检索的程序。文章最后则对当前基于内容图像检索技术研究热点和今后的发展方向进行简单的阐述。

关键字：基于内容的图像检索；颜色特征；颜色直方图；相似度度量方法

1绪论

1.1基于内容的图像检索的概念

基于内容的图像检索[1]（ContentBasedImageRetrieval,CBIR）是一项从图像数据库中找出与检索式内容相似的图像的检索技术。它利用从图像中自动抽取出来的底层特征，如颜色、纹理、轮廓和形状等特征，进行计算和比较，检索出符合用户需求的结果图像集。目前图像检索系统技术实现的基础是对底层特征信息的计算和比较，也即是“视觉相似”。

1.2基于内容的图像检索的发展历史

图像检索技术的发展[2]可以分为两个阶段，第一阶段始于70年代，当时的图像检索是通过人工的标注来实现的，随着计算机技术和通信网技术的发展，特别是因特网的快速发展，图像数据的容量越来越大了，这种“以关键字找图”的方法越来越不适应检索技术的发展了。由于图像内容的丰富内涵以及人们对图像内容进行抽象时的主观性不同的人对同一幅图像有不同的理解，这就引入了主观多义，不利于检索。为了克服文本标注检索的弊端，90年代研究者提出了基于内容的图像检索，其方法是:根据图像的颜色特征、纹理特征、形状特征以及空间关系等作为索引，计算查询图像和目标图像之间的相似距离，然后按相似度匹配进行检索，这种技术很大程度地利用了人们的视觉客观特性，避免不同人对图像主观理解的不同而达不到理想的有哪些信誉好的足球投注网站效果。从研究方向的层面来看，基于内容的图像检索可分为三层：第一层是根据图像的底层特性来进行检索，如颜色、纹理，形状等等，涉及图像信息处理、图像分析和相似性匹配技术；第二层是基于图像对象语义，如图像中实体及实体之间的拓扑关系的检索，对象级检索技术建立在下层特征基础上，并引入了对象模型库、对象识别和人工智能等图像理解技术；第三层是基于图像的抽象属性如行为语义，情感语义和场景语义的推理学习来进行检索。需要用到知识库和更加有效的人工智能和神经网络技术。这三个层次由低到高，与人的认知接近，下一个层次通常包含了比上一个层次更高级的语义，更高层的语义往往通过较低层的语义推理获得。尽管经过了多年的研究，较为成熟的基于内容的图像检索技术目前仍处于底层水平，由于底层研究是上层研究的基础，为了给上层建立准确、有效的图像特征提取方法，底层的研究仍在不断的发展。

1.3基于内容的图像检索的特点和主要应用

基于内容的图像检索技术有以下特点[3]：

一是它突破了传统的基于表达式检索的局限，从媒体内容中提取信息线索。

2

利用图像内容特征建立索引进行检索，使得检索更加有效，适应性更强。

二是基于内容的图像检索是一种近似匹配，即按照某种相似性度量，比较图像特征间的差异度。相似度较低的图像将作为检索结果返回给用户。

三是它是大型数据库的快速检索。在实际的多媒体数据库中，数据量巨大，而且种类和数量巨大，因此要求CBIR技术快速地实现对多媒体