下载文档原格式
基于颜色自相关图和互信息的图像检索算法沈新宁;王小龙;杜建洪【期刊名称】《计算机工程》【年(卷),期】2014(40)2【摘要】颜色特征是重要的图像视觉特征，颜色相关图则是当前基于内容的图像检索中常用的特征描述符，但现有基于颜色相关图的图像检索算法存在计算复杂度高、检索精确度低的问题。
为此，提出基于颜色自相关图和互信息的图像检索算法。
给出一种新的颜色特征描述符--颜色互信息，通过计算颜色相关图特征矩阵中每个颜色与其周围颜色的平均互信息，得到不同颜色之间的全局及空间分布特性，并作为新的颜色特征矢量，以降低计算复杂度。
同时采用外部特征矢量归一化方法结合颜色互信息与颜色自相关算法，以提高检索精确度。
实验结果表明，该算法可有效降低计算复杂度，提高实时响应性能和检索精度。
%Color is an important visual feature. Color Correlogram(CC) algorithm is commonly used in the color based image retrieval as a feature descriptor, but most of the existing methods based on CC have problems of high computational complexity and low retrieval accuracy. Aiming at this problem, this paper proposes an image retrieval algorithm based on color autocorrelogramand mutual information. It presents a novel color feature descriptor, namely Color Mutual Information(CMI). The new color feature vector which describes the global and spatial distribution relation among different colors is obtained by calculating the average mutual information between one color and all the colors around it in the CC feature matrix, thusreducing the computational complexity. Inter-feature normalization is applied in the combination of CMI and color autocorrelogram to enhance the retrieval accuracy. Experimental result shows that this integrated method can reduce the computational complexity, improves real-time response speed and retrieval accuracy.【总页数】4页(P259-262)【作者】沈新宁;王小龙;杜建洪【作者单位】复旦大学信息科学与工程学院，上海 200433;复旦大学信息科学与工程学院，上海 200433;复旦大学信息科学与工程学院，上海 200433【正文语种】中文【中图分类】TP911.73【相关文献】1.基于颜色-纹理自相关算法的内镜图像检索 [J], 王李冬;魏宝刚;孙亚萍;邰晓英2.一种基于颜色自动相关图与小波变换的图像检索算法研究 [J], 张笃振3.基于分块颜色相关向量的图像检索算法 [J], 唐波;孙茂印4.基于颜色相关图和纹理矩的图像检索 [J], 李永芳5.基于颜色相关图和纹理矩的图像检索 [J], 李永芳因版权原因，仅展示原文概要，查看原文内容请购买。
综合目标区域颜色特征与纹理的图像检索摘要:本文是基于目标区域的图像检索,首先将图像进行增强,将增强后的图像利用直方图确定图像的目标区域,然后结合目标区域的纹理特征对图像进行检索。
该方法客服了单一的颜色特征忽视图像空间信息的缺点,颜色和纹理相结合达到了较好的检索效果。
关键词:灰度增强自适应阈值Gabor变换基于内容的图像检索技术通过分析图像的颜色、纹理、形状等,建立特征索引,并存储在特征库中。
将目标图像与特征库里的图像特征相比较进行检索。
颜色特征是图像检索中最直观的方法,但是仅仅依靠颜色特征进行检索能够丢失图像的空间信息,因此,文中结合颜色和纹理两个特征对图像进行检索,通过实验表明该结合算法达到了好的检索效果。
1 图像目标区域选择1.1 分段线性灰度增强分段线性灰度增强将需要的图像细节灰度级扩展,增强对比度,将不需要的图像细节灰度级压缩。
基本原理:假设输入图像f(x,y)的灰度为0～M级,增强后图像g(x,y)的灰度为0～N级,区间[a,b],[c,d]分别为原图形与增强图像的某一灰度区间,分段线性变换函数为:0≤f(x,y)≤a (1)文中取a=30,b=80,c=100,c=220,灰度等级N=225,M=190,原始图像与灰度增强后图像如图1、图2。
1.2 自适应阈值方法进行图像分割在实际应用情况下,当照明不均与,有突发噪声或者背景灰度变化较大时,整幅图像分割时将没有合适的单一阈值,因此采用自适应阈值方法进行图像分割。
自适应阈值方法是对每个像素确定以其自身为中心的一个邻域窗口,寻找窗口内像素的最大值和最小值,并取二者的平均值作为阈值。
如图三所示以C为当前像素,选取C的8邻域窗口,该窗口的最大灰度值为max_value,最小灰度值为min_value,则阈值T设置为实际上,在选择邻域窗口时,不一定要选择8个窗口,但是窗口越大,需要处理的数据就越多,时间复杂度就越大。
为了采用八方向邻接技术,文中采用八窗口作为邻域窗口(如表1)。
