下载文档原格式
基于颜色和空间特征的图像检索
安志勇;杜志强;赵珊;周利华
【期刊名称】《红外技术》
【年(卷),期】2007(29)6
【摘要】在环形颜色空间划分和颜色视觉关注度的基础上,提出一种新的基于颜色和空间分布特征检索算法.首先,在HSV色彩空间下进行颜色量化并计算每种颜色的质心,进行环形颜色空间分割.然后计算各环形颜色空间直方图,在此基础上计算图像的空间颜色分布矩.同时计算各种颜色对应像素的平均视觉关注度,以此作为该颜色特征的视觉关注特征.最后对特征向量进行高斯归一化,采用特征向量的L1-norm 距离计算彩色图像的相似度并进行图像检索.实验结果表明,本文算法比SCH及Geostat方法具有更好的检索效果.
【总页数】4页(P361-364)
【作者】安志勇;杜志强;赵珊;周利华
【作者单位】西安电子科技大学多媒体研究所,陕西,西安,710071;西安电子科技大学多媒体研究所,陕西,西安,710071;西安电子科技大学多媒体研究所,陕西,西
安,710071;西安电子科技大学多媒体研究所,陕西,西安,710071
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于颜色特征和空间特征的图像检索 [J], 孙晓飞;潘文文;王霞
2.基于颜色和空间特征的图像检索 [J], 张志安;骆斌
3.基于显著点颜色-空间分布特征的图像检索算法 [J], 李丽君
4.基于局部颜色-空间特征的图像检索方法研究 [J], 王保平;赵静;苏建康;孙超;郭俊杰
5.基于颜色及空间信息特征的图像检索 [J], 陈慧
因版权原因，仅展示原文概要，查看原文内容请购买。
基于颜色空间分布特征的图像检索
牛蕾;倪林;苗原
【期刊名称】《计算机工程与应用》
【年(卷),期】2005(041)004
【摘要】目前,基于颜色特征的图像检索大多是以图像的颜色直方图作为颜色特征,这种图像检索方法有简单高效的优点,但丢失了颜色的空间分布信息,该文从CT图像重建的理论中得到启发,将对一幅图像从几个方向的投影图作为这幅图像的颜色特征分布.为进一步减少检索时运算的数据量,对图像做小波分解,然后对分解后图像的低频子带做Radon变换得到颜色空间分布的特征向量,并根据这个特征进行检索,实验表明,当检索图像中有明显的颜色目标时,该方法比传统的颜色直方图法更精确,颜色空间性更强,而且检索用时更短.
【总页数】4页(P50-53)
【作者】牛蕾;倪林;苗原
【作者单位】中国科学技术大学电子工程与信息科学系,合肥,230026;中国科学技术大学电子工程与信息科学系,合肥,230026;School of Electrical and Electronic Engineering,Nanyang Technological University,Singapore
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于HSV颜色空间模糊量化的图像检索方法 [J], 常小红;濮黄生;见伟平
2.基于HSV颜色空间的图像检索系统 [J], 王文强;叶宇煌
3.一种基于HSV颜色空间的藏毯图像检索方法 [J], 孙琦龙;张明亮
4.基于颜色自相关和颜色空间分布熵的图像检索方法 [J], 杨得国;胡少一;冷齐
5.基于颜色空间特性的图像检索 [J], 李延龙;李太君;罗其朝
因版权原因，仅展示原文概要，查看原文内容请购买。
基于颜色特征的图像数据库检索系统开发摘要目前图像检索技术主要分为两大类：基于文本的图像检索(Text-based Image Retrieval）和基于内容的图像检索(Content-based Image Retrieval）。
本课题主要研究基于内容的图像检索技术，其中侧重于颜色特征的研究和学习。
基于内容的图像检索是指直接根据图像内容的各种特征进行检索，它的研究目标是提供在没有人参与的情况下能自动识别和检索与目标图像的特征相同或相似的图像。
通过对该领域的研究可以深刻地理解图像重要特征的算法。
基于内容的图像检索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。
本论文所开发的图像检索的体系结构可以划分为两个部分:颜色特征提取和图像检索。
颜色特征提取主要负责提取图像的各种低级视觉特征建立图像的特征向量，图像检索主要负责对查询样本图像和图像库中的图像进行相似性计算以便找到目标图像。
在本文中将主要论述基于颜色特征的图像检索系统的开发过程，以及颜色特征的理论知识。
最后的实验结果和分析证明了本文所开发图像检索系统是有效的和高效的。
关键词：图像检索，颜色空间，直方图，特征提取ABSTRACTImage retrieval technique mainly is divided into two major types currently: text-based image retrieval and content-based image retrieval.This topic mainly studies a technique according to content-based image retrieval, particular emphasis on in the research and study of color feature. Content-based image retrieval is that direct carry on an retrieval according to various characteristic of picture contents. The research target is provide automatically identify and retrieve the target image of characteristic homology or the picture of likeness under the situation that no one participate. By way of the research in this field, I can deeply comprehend the arithmetic of image important characteristic.CBIR is an image retrieval technique, which synthesizes various visual features in digital image, such as color, textual, and shapes features. Generally, the image retrieval system I developed is divided into two different sub-systems: feature extraction system and image retrieval system. The former was mainly devised to acquire low-level visual features and to construct image feature vector; while the later to make enquiry to sample image database and to retrieval object images by calculating the similarity functions.In this article, mainly discuss the development process of the system according to the image retrieval of the color characteristic, and the theories of the color characteristic. The experiment of the end test result proved that this image retrieval system is valid with efficiently.Keywords：Image retrieval, Color space, histogram, feature extraction目录第1章绪论基于内容的图像检索（Content-based Image Retrieval CBIR）技术兴起于近几年，它主要是为了客服基于文本的图像检索（Textual-based Image Retrieval TBIR）技术的缺点而出现的[8]。
基于优化颜色直方图的图像检索方法
李正君;张树武
【期刊名称】《微计算机信息》
【年(卷),期】2008(024)004
【摘要】本文提出了一种改进的颜色直方图图像检索方法.通过对HSV颜色空间的变换,把颜色空间量化为9个区间,在此基础上计算出每种颜色区间的空间分布信息.综合颜色直方图和空间信息作为图像相似性的量度.试验表明,该算法提取的特征数较少,检索速度快,并且准确度较高.
【总页数】2页(P246-247)
【作者】李正君;张树武
【作者单位】100080,北京,中国科学院自动化研究所;100080,北京,中国科学院自动化研究所
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于改进的颜色直方图的图像检索方法 [J], 边志锋
2.基于分块颜色直方图索引的快速图像检索方法 [J], 罗桂娥;李花;刘献如
3.基于优化分块颜色直方图及模糊C聚类的彩色图像检索方法 [J], 张静;许高锋
4.一种基于颜色直方图的图像检索方法 [J], 邹武;李龙澍;周闪闪
5.基于图像颜色直方图及纹理特征提取的兴趣点凸包检索方法 [J], 郝衍;朱信忠;赵建民;徐慧英;傅玮玮
因版权原因，仅展示原文概要，查看原文内容请购买。
是指直接采用图像内容进行图像信息查询的检索系CBIR 统。
目前技术业已引起多所著名大学和研究机构的重CBIR 视，开发了多种原型系统，如的系统，的CBIR IBM QBIC MIT 系统，大学的等。
这些系统主要使用图FourthEye UIUC MARS 像的颜色、纹理、形状和空间关系等特征进行检索。
其中色彩特征是识别图像内容的重要特征之一。
如何快速、准确地获取图像的颜色信息，并用适当的方式表示，将直接影响整个系统的效率、精度和查全率[1,4]。
目前，已有很多种使用色彩特征进行图像检索的方法。
由和提出的色彩直方图相交方法。
等采用Swain Ballard Jain RGB 信道分别等量化的方法。
等将空间等量划分为个Smith HSV 166区域，对色调、饱和度和亮度采用的组合。
这些方法18x3x3常用的彩色空间有、和空间。
提取的主要特征是RGB HSI HSV 色彩直方图。
传统的基于色彩直方图的方法有许多缺点。
色彩直方图只记录了全局的颜色统计信息，丢失了颜色的空间分布信息并混入了不感兴趣物体的颜色信息。
一方面，一幅图像由于色彩淡化而形成的图像虽然与原图像非常相似，但是色彩直方图却很不同；而另一方面，两个颜色直方图相似的图像由于色彩的空间分布差别很大，图像的内容可能很不相同[1,5]。
基于以上问题，本文提出一种综合图像的色彩信息、灰度信息和空间信息提取图像的特征向量的方法，首先将图像从空间转化为空间，并进行非均匀量化为种代表RGB HSV 32色；其次将彩色转化为灰度图像；然后将图像划分成互有重叠的块，分别求出每块图像的色彩直方图、灰度直方图；采用4这个直方图作为图像的特征向量对图像进行检索。
下面对本8文提出的这种方法进行详细叙述。
颜色的特征提取1 色彩是图像内容组成的基本要素，是人识别图像的主要感知特征之一，最早采用色彩进行图像检索是由和Swain 提出基于色彩直方图检索方法Ballard [1]，其核心思想是在一定的色彩空间对图像各种色彩出现的频数进行统计。
一种基于颜色块直方图的图像检索方法雷方元;郝重阳;王海南;郑建铧;樊养余【期刊名称】《计算机应用研究》【年(卷),期】2004(021)005【摘要】提出了一种基于颜色直方图与颜色块相结合的图像检索的新方法.定义了一种新的四维图像特征矢量,它是由颜色直方图,同一种颜色的颜色块个数,同一种颜色块之间的平均距离和同一种颜色块内的平均距离组成.颜色直方图用来获取图像颜色分布的全局信息,利用后三个特征值来获取图像颜色的空间分布信息.通过对图像数据库的检索表明该算法明显优于直方图法.【总页数】3页(P173-174,191)【作者】雷方元;郝重阳;王海南;郑建铧;樊养余【作者单位】西北工业大学,电子与信息工程研究所,西安虚拟现实工程技术研究中心,陕西,西安,710072;西北工业大学,电子与信息工程研究所,西安虚拟现实工程技术研究中心,陕西,西安,710072;西北工业大学,电子与信息工程研究所,西安虚拟现实工程技术研究中心,陕西,西安,710072;西北工业大学,电子与信息工程研究所,西安虚拟现实工程技术研究中心,陕西,西安,710072;西北工业大学,电子与信息工程研究所,西安虚拟现实工程技术研究中心,陕西,西安,710072【正文语种】中文【中图分类】TP391.4【相关文献】1.一种综合颜色与边界方向直方图的图像检索方法的研究 [J], 马阿曼2.一种基于颜色直方图的图像检索方法 [J], 邹武;李龙澍;周闪闪3.一种基于颜色直方图的快速图像检索方法 [J], 杨光;肖迎元;张桦4.一种基于块划分颜色特征的图像检索方法 [J], 刘金梅;王国宇5.一种基于颜色直方图的图像检索方法 [J], 陶志勇;张新君;马振和因版权原因，仅展示原文概要，查看原文内容请购买。
基于方向图的空间颜色直方图的图像检索
林雅;陈华华
【期刊名称】《杭州电子科技大学学报》
【年(卷),期】2013(000)004
【摘要】以图像的颜色和边缘方向为基础，该文提出了基于相同或相似方向图的空间颜色直方图的算法，将其应用于图像检索中。
首先将HSV颜色空间转化到直角坐标系，利用Sobel算子提取其H、S、V3个通道的水平和垂直方向的边缘，然后计算其颜色方向获取相同或相似方向图，最后在此方向图上计算空间颜色直方图。
该算法将图像的颜色、边缘方向、空间位置等潜在的关系联系在一起。
实验表明，该算法能够找出用户所需内容的图像，并具有较好的平均检索率。
【总页数】4页(P18-21)
【作者】林雅;陈华华
【作者单位】杭州电子科技大学通信工程学院,浙江杭州,310018;杭州电子科技大学通信工程学院,浙江杭州,310018
【正文语种】中文
【中图分类】TN401
【相关文献】
1.基于改进颜色直方图和灰度共生矩阵的图像检索 [J], 吴庆涛;曹再辉;施进发;;;;
2.基于改进颜色直方图和灰度共生矩阵的图像检索 [J], 吴庆涛;曹再辉;施进发
3.基于HSV的HR空间颜色直方图图像检索技术 [J], 李淑燕
4.基于空间颜色直方图动态感知的相似度量图像检索 [J], 吴远仁
5.基于分块颜色直方图的快速图像检索 [J], 陈迪凯;陈鹏
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于HSV空间的彩色边缘图像检索方法
杨红颖;吴俊峰;于永健;王向阳
【期刊名称】《中国图象图形学报》
【年(卷),期】2008(013)010
【摘要】结合重要的彩色图像边缘及人眼视觉特性,提出了一种基于彩色边缘直方图的图像检索方法.该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色图像边缘转换至符合人眼视觉特性的HSV空间并进行量化处理,再将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图,最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索.仿真实验表明,该方法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.
【总页数】4页(P2035-2038)
【作者】杨红颖;吴俊峰;于永健;王向阳
【作者单位】辽宁师范大学计算机与信息技术学院,大连,116029;辽宁师范大学计算机与信息技术学院,大连,116029;辽宁师范大学计算机与信息技术学院,大
连,116029;辽宁师范大学计算机与信息技术学院,大连,116029;苏州大学江苏省计算机信息处理技术重点实验室,苏州,215006
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于多特征融合的彩色图像检索方法 [J], 戴雯惠
2.一种基于颜色矩和多尺度纹理特征的彩色图像检索方法 [J], 杨红菊;张艳;曹付元
3.一种基于基元的彩色图像检索方法 [J], 王华;戴芳
4.一种基于区域综合特征的彩色图像检索方法 [J], 王向阳;胡峰丽;杨红颖
5.一种基于HSV空间和粗糙集的彩色图像分割方法 [J], 蔡式东;杨芳
因版权原因，仅展示原文概要，查看原文内容请购买。
摘要基于文本的图像检索技术存在两个缺点。
首先，标注每个图像是比较困难的；再次主观性和图像注释的不精确性在检索过程中可能引起适应性问题。
基于内容的图像检索技术克服了传统的图像检索技术的缺点。
基于内容的图像检索技术分为特征提取和查询两个部分。
本文主要介绍基于颜色特征的图像检索技术颜色特征是图像的基本特征也是最为直观的特征之一。
着重探讨了颜色空间的选取颜色特征的提取和表达颜色的相似度以及现有的图像的检索系统和存在的问题。
在这里颜色空间的选取有RGB颜色模式HSV颜色模型。
颜色提取的基本思想是用颜色直方图来统计每种颜色出现的概率。
目前相关的系统有QBIC系统、Photo book系统、CORE系统等等。
关键词：基于内容的图像检索技术；特征提取；特征表达；颜色直方图；AbstractTraditional text-based image retrieval techniques have two shortcomings: First, it has been difficulties to note each image. Second, the subjectivity and no precision of image anno-tation may lead to the adaptation in the retrieval process. CBIR overcome the shortcomings of the traditional text-based image retrieval .Content-based image retrieval can divide into two parts, that is feature extraction and query. In this paper, based Color Image Retrieval is mainly introduced. Color features are the basic characteristics of the image as well as are one of the most intuitive features. Here we focused on the selection of color space, color feature extrac-tion and expression, color similarity, and the existing image retrieval systems and problems. There are many color models to express color such as the RGB color model, the HSV color model. The basic idea to extract color is to use color histogram to calculate the probability statistics of each color .Currently there are some related systems QBIC system related system, Photo book system, CORE system and so on.Keywords: Content-based image retrieval; Feather extraction; Feather presentation; color histogram;目录1 绪论 (1)1.1 图像检索技术的发展 (1)1.2 图像检索技术的特点和应用 (1)1.3 图像检索系统的关键技术 (2)1.4 基于内容图像检索的典型系统 (3)1.4.1 QBIC系统 (3)1.4.2 Virage系统 (3)1.4.3 Photobook系统 (3)1.4.4 VisualSEEK和WebSEEK系统 (3)1.4.5 Netra系统 (4)2 颜色空间 (5)2.1 RGB 颜色空间 (5)2.2HSI颜色空间 (7)3 颜色特征的表达 (9)3.1 颜色直方图 (9)3.2 全局直方图 (10)3.3 累积直方图 (11)3.4 局部累加直方图 (11)4 颜色特征的相似性度量 (12)4.1 距离度量方法 (12)4.2 直方图的交集的方法 (12)4.3 欧氏距离法 (12)4.4 模糊理论 (13)5 系统的设计与实现 (15)5.1 系统的设计 (15)5.1.1 系统名称 (15)5.1.2 系统的开发环境 (15)5.1.3 系统的结构 (15)5.1.4 系统的实现算法描述 (17)5.1.5 系统中的图像库和索引表的建立 (17)5.1.6 容差值的设定 (18)5.2 系统的实现 (18)5.2.1 颜色空间的代码实现 (18)5.2.2 直方图显示的代码实现 (21)5.2.3 欧式距离的代码实现 (24)6 实例分析 (25)6.1 图像检索过程 (25)6.2 图像的直方图的分析 (26)6.3 数据记录 (27)6.4 目前研究中存在的主要问题及对未来的展望 (29)结束语 (30)致谢 (31)参考文献 (32)1 绪论1.1 图像检索技术的发展早期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[1]。
数据库技术中图像检索的算法研究随着互联网的迅速发展，越来越多的数据需要被管理和处理。
作为数据管理和处理的重要组成部分，数据库技术得到了广泛的应用。
图像数据库技术是数据库技术的一个重要分支，用于管理和检索大量的图像数据。
在图像管理和检索中，图像检索的算法研究尤为关键。
一、图像检索的概念图像检索是指在图像数据库中寻找具有某些特定的特征或属性的图像的过程。
传统的图像检索方法主要是通过关键字进行检索，即通过关键字来查询与其相关的图像。
这种方法存在很大的局限性，因为对于一个图像而言，它的内容和特征很难用简单的关键字来描述。
因此，随着数据库技术和图像处理技术的不断发展，越来越多的图像检索算法被提出和应用。
常见的图像检索算法包括基于颜色直方图的检索算法、基于纹理特征的检索算法、基于形状特征的检索算法等。
二、基于颜色直方图的图像检索算法颜色直方图是指将一个图像中每个像素的颜色分成若干个颜色段，然后统计每个颜色段中像素的个数所得到的直方图。
基于颜色直方图的图像检索算法就是通过比较不同图像的颜色直方图来判断它们的相似程度。
基于颜色直方图的检索算法具有实现简单、计算速度快等优点。
但是它也存在着一些缺陷，例如对于颜色分布不均的图像，直方图的分布也很可能不均，会导致检索结果不准确等问题。
三、基于纹理特征的图像检索算法纹理特征是指图像中不同部分之间所具有的纹理差异。
基于纹理特征的检索算法就是通过比较不同图像的纹理特征来判断它们的相似程度。
常见的纹理特征包括灰度共生矩阵、Gabor变换等。
其中，灰度共生矩阵是指对于一个图像中的每个像素，统计它与其周围像素之间的灰度差的统计量。
Gabor 变换是一种基于多尺度的滤波器，可提取图像中的纹理信息。
基于纹理特征的检索算法能够较好地处理颜色分布不均的问题，但是其计算速度较慢，需要进行大量的计算。
四、基于形状特征的图像检索算法基于形状特征的检索算法就是通过比较不同图像的形状特征来判断它们的相似程度。
基于颜色和纹理特征的图像检索摘要随着多媒体信息的发展，基于内容的图像检索（CBIR）逐渐成为一个非常活跃的研究领域，但是目前较为常见的CBIR系统仍是基于单一特征的图像检索。
本文在对颜色特征和纹理特征的研究基础上，将两种特征结合在一起，实现了一种综合特征的检索系统。
图像特征的提取和相似性度量是CBIR的两个关键技术。
由于灰度共生矩阵能够反映图像纹理中灰度级的空间关系，并且计算速度快，因此本文对纹理特征的提取采用灰度共生矩阵的方法。
由于HSV空间更符合人类视觉系统，本文采用在HSV 空间中提取颜色直方图的方法表示颜色特征。
为了进一步提高检索准确率，对颜色特征提取之前进行分块处理。
通过实验说明本文中所提出的这种综合检索方法能够有效的利用颜色和纹理特征，检索出两种特征均与检索样图相似的图像。
关键词：图像检索共生矩阵HSV空间相似性度量The Image Retrieval Based on Color andTexture featureAbstractWith the development of multimedia information, content-based image retrieval (CBIR) has become a very active field of study, though more common CBIR system is still the image retrieval based on single feature. On the basis of study on the color features and the texture characteristics, in order to achieve a comprehensive retrieval system, the two features are combined together in the paper.There are two key techniques in CBIR, which are image feature extraction and similarity measure. Because the space relation in grayscale of image’s texture can be reflected in grey level co-occurrence matrix, and the computing speed to grey level co-occurrence is fast, the texture feature is extracted by this method. Because the HSV space is more fit to the human visual system than others, the color characteristic is expressed in the method of extracting color histogram in HSV space. In order to improve retrieval accuracy further, the method of doing region processing for images before extracting features is used in this paper.The results of experiments show that color features and texture features can be used efficiently and those images which have similar color and texture features to the sample image can be retrieved in this method.Key words:image retrieval; color characteristics; texture feature; similarity measure目录1 引言 (1)1.1CBIR研究的背景和意义 (1)1.2CBIR的研究现状 (1)1.2.1基于颜色特征的图像检索 (2)1.2.2基于纹理特征的图像检索 (3)1.2.3基于形状特征的图像检索 (3)1.3 CBIR的特点 (4)1.4CBIR检索方法的分类 (4)1.4.1外部图例查询 (4)1.4.2内部图例查询 (4)1.4.3草图查询 (5)1.4.4综合检索方法 (5)1.5 CBIR系统的分类 (6)1.5.1基于特定图像数据库的图像检索系统 (6)1.5.2基于网络的图像检索系统 (6)1.6 CBIR的研究方向 (6)1.7CBIR应用领域 (7)2 系统设计 (8)2.1系统的基本原理及框架 (8)2.2系统的关键技术 (9)2.2.1图像特征的提取 (9)2.2.2基于特征的相似度匹配 (10)2.3图像检索的性能评价 (12)3 基于纹理特征的图像检索 (13)3.1纹理的简介 (13)3.2纹理特征的提取方法 (13)3.2.1灰度直方图的矩 (13)3.2.2灰度共生矩阵 (13)3.3基于灰度共生矩阵的图像检索 (17)3.3.1基于灰度共生矩阵的图像检索流程 (17)3.3.2实验结果及分析 (18)4 基于颜色特征的图像检索 (21)4.1颜色的简介 (21)4.2颜色空间 (21)4.2.1RGB空间 (21)4.2.2HSV空间 (22)4.2.3HSV和RGB空间的转化 (23)4.3颜色的描述方法 (24)4.4颜色空间的量化 (25)4.4.1颜色量化的概述 (26)4.4.2HSV空间的量化 (26)4.5颜色中空间信息的添加 (26)4.5.1颜色中空间信息的意义 (26)4.5.2颜色中空间信息添加的局限性 (28)4.6基于颜色直方图的图像检索 (28)4.6.1基于颜色直方图的图像检索流程 (28)4.6.2实验结果及分析 (29)5 综合颜色和纹理特征的图像检索 (33)5.1颜色和纹理特征相结合的图像检索 (33)5.1.1颜色特征与纹理特征的结合方法 (33)5.1.2综合特征图像检索的流程 (33)5.1.3实验结果及分析 (34)5.2综合检索系统的评价 (35)6 系统界面简介 (37)6.1系统界面的构成 (37)6.2系统使用说明 (37)7 结论 (39)谢辞 ..................................................................................................... 错误!未定义书签。
遥感影像检索技术的研究与实现地图制图学与地理信息工程， 2011，硕士【副题名】基于颜色和光谱特征的遥感影像检索【摘要】随着现代科技的发展,特别是获取地球遥感数据和网络技术的长足进步,经过几十年的积累,人们已经获得了海量的图像数据,然而,数据量增长的同时,从大量遥感影像中找出感兴趣的图像,成为了一项繁琐的工作。
目前比较常用的图像查询方式,主要还是依赖于文字的检索,基于文字的检索方式虽然很成熟,但这种对图像加文字标签的做法已经不能满足人们的图像检索需要,急需出现一种新的检索方法。
基于内容的图像检索是当前比较有活力的检索方式,该种检索方式已由最初的像素对像素的原始数据的检索,发展了到当前比较热门的基于特征的查询研究,而基于语义的最高层次的查询更是令人兴奋和期待。
本文所涉及的检索是这种技术的中级层次,该层次的检索涉及到图像的底层特征,即一幅图像与其他图像之所以不同的原始属性或根本特征：如颜色直方图、亮度、形状因子、纹理和空间频谱图等,借助视觉信息从低层到高层进行处理、分析,完成图像的检索,基于内容的图像检索方法具有较好的检索效果,是未来图像检索的发展方向。
作为图像数据的一种,遥感影像有着和普通图像相同的性质,遥感影像的检索也可以借鉴面向内容的图像检索方式,以提高遥感影像的检索效率；同时遥感影像具备普通图像所没... 更多还原【Abstract】 With the rapid development of contemporarytechnology, especially for the techniques of remote sensing data acquisition and the great progress of network, it has received vast amounts of image data since decades; However, choosing some images you are interested from a large number of remote sensing images collect or database, has become a very tedious thing. The common image query methods, at present, mainly depend on the text retrieval, which is an extremely mature search approach. Actually, th... 更多还原【关键词】基于内容的图像检索；颜色直方图；光谱特征；ArcGIS Engine；【Key words】content-based image retrieval；color histogram；spectral feature；arcgis engine；摘要3-5ABSTRACT 5-7第一章综述11-191.1 论文的背景和研究意义11-141.1.1 论文的研究背景11-131.1.2 研究遥感影像检索的意义13-141.2 国内外研究动态14-171.2.1 国外基于内容的遥感影像研究情况14-151.2.2 针对遥感影像方面的研究15-161.2.3 国内的相关研究16-171.3 论文的研究内容171.4 论文结构安排17-19第二章遥感影像数据处理19-472.1 遥感影像数据19-262.1.1 遥感影像数据的特征20-222.1.2 Landsat TM数据介绍22-252.1.3 遥感影像的检索特征25-262.2 基于内容的图像检索的关键理论和技术26-382.2.1 颜色特征描述27-312.2.2 纹理特征概述31-322.2.3 形状特征描述32-332.2.4 空间数据结构特征332.2.5 光谱特征33-342.2.6 其他方面的索引技术34-352.2.7 相似性的度量35-382.3 遥感影像处理38-472.3.1 影像分块38-392.3.2 颜色特征的选择与提取39-432.3.3 光谱特征的选择与提取43-47第三章空间数据库的设计与实现47-613.1 空间数据库概述47-493.1.1 空间数据库的概念47-483.1.2 空间数据库管理系统48-493.2 影像数据库设计49-553.2.1 影像库的设计49-533.2.2 特征库的设计53-553.3 遥感影像数据库的实现步骤55-613.3.1 地理数据库中影像数据的存储55-583.3.2 影像数据库具体实现步骤58-61第四章检索软件的设计与实现61-894.1 基于内容的图像检索软件设计61-634.1.1 图像检索模块划分61-624.1.2 软件检索流程62-634.2 检索功能实验环境63-664.2.1 实验的软硬件环境634.2.2 ArcGIS Engine技术63-664.3 检索功能实现66-834.3.1 颜色特征提取66-714.3.2 光谱特征提取71-724.3.3 相似性计算724.3.4 软件检索功能实现72-834.4 结果分析及评价83-89第五章总结与展望89-915.1 总结895.2 展望89-91 参考文献。
基于HSI颜色空间统计直方图的图像检索 摘要: 给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法，主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理，包括：图像的滤波、目标图像的定位等；然后采取了相应的图像颜色空间和识别算法，包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明，该算法可行，并取得了较好的效果。 关键词：颜色空间；颜色量化；特征提取；识别算法 Abstract：This article provides a approach that can extracte, analyse and identify a certain shape and color differences for the image features, the main purpose is to extract the color changement of image. The first step is the pre-processing of the collected color image, including: image filtering, target image positioning. What follows is signal image recognition, including: transformation of image color space, color quantization, image feature extraction, recogonition algorithm and the algorithm implementation. Finally, get the recognition results. Keywords: color space; color quantization; feature extraction; recognition algorithm
1引言 当今是一个信息肆意滋生的互联网时代，要想有效利用网上的这些信息，就需要将这些杂乱的信息梳理成可以查询的数据，这就必然要使用信息检索。图像检索是信息检索的重要组成部分，常用的百度、谷歌、雅虎等搜索引擎均提供图像检索，它的重要性正逐渐增加。我们正处于一个视觉的时代，几乎人人都有成百上千的数字图片想要发布到互联网上，这正是图像检索的意义所在。 图像检索是计算机视觉中非常重要的部分,其目的是构造自动处理某些信息的机器系统，用以代替人类完成分类和辨别的任务。目前图像识别检索的研究主要涉及物体表面形状检索、尺寸与面积的检测以及色彩的检索等方面。颜色是物体重要的外在特性，具有对物体本身的尺寸、方向、视角等依赖性小、鲁棒性高等优点，因而在图像识别中占有重要地位，对彩色图像的处理己经成为当前图像处理领域重要的研究课题[1]，如：近年来，国内外对农产品品质自动检索、彩色印刷及纺织品中的彩色图样的检索研究中，都采用了基于图像的颜色检索技术。 2图像检索技术一般算法 2.1 颜色空间 在计算两幅图像的相似度时，通常要提取它们的颜色特征在特定的颜色空间进行比较。颜色空间的目的是按照某种标准利用基色表示颜色，常用的有RGB、HSI、HSV等。RGB颜色空间的相似不能代表颜色的相似。例如，查询图像上RGB颜色是（200，150，0），图像库图像的RGB颜色是（200，200，0），这两幅图像在RGB颜色空间上很相似，但在颜色上差别很大(黄色和绿色)[2]。HSI和HSV颜色空间则没有这个方面的问题，它们很适合人们肉眼的分辨，较好地反映人对颜色的感知和鉴别能力[3][]。故在此采用HSI颜色空间。通过（2—1）~（2—3）公式[4]，可以将图像从RGB颜色空间转换到HSI颜色空间。
GBBGBRGRGRBRGRBRGRBGBRGRGRBRGRH,2arccos2,2arccos或
(2—1)
),,(),,(BGRMINBGRMAXS (2—2)
3BGRI (2—3)
2.2 颜色量化 一幅图像的颜色种类通常非常的多，如果直接计算相似度，会消耗很大的特征存储空间。实验表明，增加颜色直方图的维数可以有效地提高检索的精度，但当维数增加到一定程度时，检索的精度提高很小而且可能下降[5]。但如果对颜色进行适当的量化后再计算，计算量会少许多，且计算效率得到提高。颜色量化是指将H,S,I 3个分量按人的颜色感知进行非等间隔的量化,然后对颜色模型的大量分析和计算。故在此对HSI颜色空间进量化，把色度量化成8个空间，把饱和度分成3个空间，把亮度分成3个空间，即颜色空间被分成72 区间。具体量化值如下：
315,296,7295,271,6270,191,5190,156,4155,76,375,41,240,21,120,316,0hhhhhhhh
H (2—4)
1,7.0,27.0,2.0,12.0,0,0sssS (2—5)
1,7.0,27.0,2.0,12.0,0,0iiiI (2—6)
2.3 图像描述 图像有多种描述方式，颜色直方图就是其中之一。颜色直方图描述了图像颜色在颜色空间上的分布。常见的直方图有两种：统计直方图，累加直方图。 借助图像特征的统计直方图可以描述图像。图像特征的统计直方图是一个一维离散函数，如公式(2—7)所示。在公式中k代表图像的特征取值，L是特征可取值个数，nk是图像中具有特征值为k的像素的个数，N是图像像素的总数。颜色直方图有许多的优点：对图像进行旋转之后，它的颜色直方图不发生改变；颜色直方图容易提取，且比较容易计算两个直方图之间的相似度。
1,1,0,LkNnkHk (2—7)
图像特征的累加直方图是一个一维离散函数，计算公式如(2—8)所示。公式中k代表图像的特征取值，L是特征可取值个数，nk是图像中具有特征值为k的像素的个数，N是图像像素的总数。累加直方图能增加直方图的鲁棒性[]。
1,1,0,0LkNnkI
k
ik (2—8)
2.4 图像分块 两幅图像的颜色直方图相似，两幅图像的内容可能不相似，这主要是由颜色的空间分布不同引起的。一般来说，图像可分为主体部分和背景部分，如果不进行分块，那么背景部分的颜色信息就会混入到主体部分。通过对图像进行分块，提取各个区域的直方图，就可以获得图像的空间分布信息。 传统的分块方法将图像分成nm部分，这样并没有突出图像的重要信息，故在此采用另外一种分块方法进行分块。首先，将图像分成88区域，如表3-1所示。其次，将图像的64个区域重新组合成12个区域。R1 = { I1 }，R2 = { I8 }，R3 = { I57 }，R4 = { I64 }，R5 = { I2，I3，I4，I5，I6，I7 }，R6 = { I9，I17，I25，I33，I41，I49 }，R7 = { I58，I59，I60，I61，I62，I63 }，R8 = { I16，I24，I32，I40，I48，I56 }，R9 = { I10，I11，I12，I18，I19，I20，I26，I27，I28，I29，I36，I37 }，R10 = { I13，I14，I15，I21，I22，I23，I28，I29，I30，I31，I36，I37 }，R11 = { I28，I29，I34，I35，I36，I37，I42，I43，I44，I50，I51，I52 }，R12 = { I28，I29，I36，I37，I38，I39，I45，I46，I47，I53，I54，I55 }。其中，R1、R2、R3和R4是最不感兴趣的区域，R9、R10、R11和R12是图像的主体部分。R9、R10、R11和R12都包含图像的中心部分I28、I29、I36和I37。这种重叠方式的分块方法突出了图像的主体部分的颜色信息，有利于提高检索精度。
表2-1 图像分块数据表 I1 I2 I3 I4 I5 I6 I7 I8 I9 I10 I11 I12 I13 I14 I15 I16 I17 I18 I19 I20 I21 I22 I23 I24 I25 I26 I27 I28 I29 I30 I31 I32 I33 I34 I35 I36 I37 I38 I39 I40 I41 I42 I43 I44 I45 I46 I47 I48 I49 I50 I51 I52 I53 I54 I55 I56 I57 I58 I59 I60 I61 I62 I63 I64 2.5 统计直方图 对 HSI空间进行量化后，H的取值范围为[0, 1, …, 7]，S的取值范围为[0, 1, 2]，I的取值范围为[0, 1, 2]。通过公式(2—9)将 HSI 合成为一维特征矢量，使H，S，I 三个分量在一维矢量上分布开来。在公式(2—9)中，色调 H取的权重为9，饱和度的权重为3，亮度的权重为1。由于色调包含了绝大多数的信息，将色调的权重取大一些，将饱和度和亮度的权重取小一些。根据公式(2—9)，得到G的取值范围为[0, 1, …, 71]。 ISHG39 (2—9)
图像颜色特征的表达方式有许多种，本文采用统计直方图技术进行特征描述。通过3.3，将图像分成12个区域。通过公式(2—7)，提取这12个区域的统计直方图。这样，一幅图像就可以得到12个72维的颜色直方图，如公式(2—10)和图2-1所示。 1221,,,hhhH (2—10)
