基于颜色特征的图像检索

江 酉广 播 电 视 大 学 学 报
２１ ０ ０年 第 ２期
基 于 颜 色 特 征 的 图 像 检 索
潘 红 英
（ 东交 通 大 学 华 江西 南昌 ３０ １） ３０ ３
摘
要 ： 色是 描 述 图像 内容 最 直 接 的 视 觉特 征 之 一 ， 图像 内容 组 成 的 基 本 要 素 。相 对 于 其 他 特 征 颜 色 颜 是
同样 是 描 述 彩 色感 觉 的 关 键 参 数 。对 彩 色 来 说 ． 色 中 掺 人 颜
Ｆ ． 多 就 ｔ 越
和定 义 。 种 颜 色 模 型 所 标 定 的 所 有 颜 色 就 构成 了一 个 颜 色 某
空 间 颜 色模 型 的用 途 是 在 某 些 标 准 下 用 通 常 可接 受 的方 式
简化 彩色 规 范 。 以选 择 合 适 的 颜 色 模 型 对 正确 表达 目标 的 所
颜 色 内容 是 很 重 要 的
ｆ１Ｇ Ｂ模 型 １ Ｒ
面 向 硬 件 设 备 最 常 用 的 颜 色 模 型是 Ｇ Ｂ模 型 ．它 是 一 Ｒ 种 与 人 的视 觉 系统 结 构 密 切 相 连 的模 型 。在 Ｇ Ｂ模 型 中 ． Ｒ 每 种 颜 色 出 现 在 红 、 、 的 原 色 光 谱 分 量 中 ． 个 模 型 基 于 笛 绿 蓝 这
顶 点 对 应 白 色 。 在 这 个 模 型 中 ， 度 等 级沿 着 这 两 点 的 连 线 灰
分 布 ， 方 便计 算 ， 定 所 有 的 颜 色值 都归 一 化 了 。 为 假 根 据 这 个 模 型 ．每 个 彩 色 图像 包 括 ３个 独 立 的 分 色 图像 ， 当 送 人 Ｒ Ｂ监 视 器 时 ．这 三 幅 图 像 在 荧 光 屏 上 混 合 产 生 一 Ｇ 幅 合 成 的 彩色 图像 ｆ Ｉ 型 ２ ＨＳ 模 １

而又急需解决 的问题 ，也使得基 于内容 的图像信 息检索
（ Ｂ Ｒ 成 为 当 前 的一 个 热 门 研 究课 题 。 Ｃ Ｉ）
性等属性 ， 因此笔者确定使用 Ｈ Ｖ颜色空 间作 为颜色特 Ｓ
征的匹配空间 。
基 于 内容 的视频 检索 ， 合 了图像 处理 、 融 模式识别 、 计算 机视觉 、 图像理解 等技术 ， 有反映图像 内容并与图 具 像存储在一起 的各种量化 特征 ， 是一种 近似匹配 ， 与常规 数据库检索 的精确 匹配方 法明显 不同 ，并且 大多采用示 例查 询方法 。现有 的国内外 已开发 出 的 Ｃ Ｉ Ｂ Ｒ系统 主要
文 章 编 号 ：０ ２ ８ ９ （０ ８ １— ０ ７ ０ １０ — ６２ ２ ０ ）０ ０ １ — ２
基于颜色的关键帧图像检索技术研究
佟 超 ． 吴 文 怡
（ 苏州 广 播 电视 总 台 ， 江 苏 苏 州 ２ ５ ０ ） １０ ６
・
实 用技术 ・

【 摘 要 】针 对 基 于 颜 色 特 征 的 图像 检 索技 术 所 涉 及 到 的 几 个 问题 进 行 研 究 和 分 析 ， 出基 于 内容 的 关 键 帧 检 索 方 法 ， 出具 体 提 给 算 法 并 对该 算 法进 行验 证 。 实 验 表 明 ， 方 法 能合 理 有 效地 对 图像 进 行检 索 。 该
等。
色集 ， 然后任一 图像可通过映射表量化到颜色集 ， 经统计 得到直方 图。具体步骤为 ：
（ ）转换 颜 色 空 间 ， Ｇ － Ｈ Ｖ； １ Ｒ Ｂ－ Ｓ ＋
（ ）对 Ｈ Ｖ进行 非等 间隔量化 ， 成 ７ ２ Ｓ 形 ２维 特征矢
量；
基于 内容 的图像检索技术 的研究具有重要 的应 用价 值 ， 图像检索技术 目前还基本处 于研究 阶段 ， 但 对于利用

维普资讯
２０ ０６年 ｌ 月 ０ 第 ２ 卷第 ５期 ７
湘南 学院学报
Ｊｕｎｌｏ ｉｎ ｎｎ Ｕ ｉｅｓｔ ｏ ｒａ ｆＸ ａ ｇａ ｎｖｒｉ ｙ
０ ｔ ．０ ６ ｃ ．２ ０
Ｖ０ ． ７ Ｎｏ． 】２ ５
基 于颜 色和边 界方 向特征 的图像检索
收 稿 日期 ：Ｏ６—０ —２ ２Ｏ ６ ９
作者简介 ： 章才 能（９８一） 男， 南衡 阳人 ， １７ ， 湖 湘南学 院计算机 系助教 ， 士， 究方 向：网站 架构 ， 硕 研 图像 处理 ， 网络编 程
・
８ ・ ９Байду номын сангаас
维普资讯
开销 ． 基于非分割的方法并不要对图像分割 ， 就能提取形状因子并得到特征向量 ． 例如 ， ｅｇ Ｊ 出了接近分 ｚ ｎＥ提 ｈ 割的方法 ， 提取 １ 个形状因子用它们作为特征向量 ， ２ 然而效果并不是很好 ． ｉ ｖｉｙ［提出了边界方 向直 Ｊ ｎ和 ａａａ ｊ ａ ｌ ６ 方图 ， 这种方法找到图像 中对象的边界 ， 对边界中的像素点计算相应 的方向值并得到边界方 向直方 图． 这种方 法非常的有效能够 比较准确的描述对象的形状 ， 并对图像的缩放 、 旋转 以及视角具有不变性 ． 本 文 旨在研 究一 种有 效 的基于 多特 征 相结合 的 图像 表示 方法及 相 应 的检 索技 术 ． 过对 现 有方 法 的研 究 通 并进行了改进 ， 针对单一特征不足以准确描述 图像 ， 出了基于颜色和方向特征相结合的图像检索 ． 提 主要研究 了下面几个方面的内容 ： 首先针对颜色直 方图中所有像素具有相同重要性的问题 ， 出了像素加权新的颜色 提 直方图方法 ； 其次 ， 为提取图像的形状特征采用非分割 的边界方向直方图方法 ， 并给出边界方向直方图的具体 创建过程； 最后 ， 在进行多特征的图像相似计算 时， 利用相关反馈技术动态地调整多特征 向量之 间的权值系 数， 并提出了相应的权值调整算法 ．

Ｔ Ｖ
【 本文献信息 】 龙清． 基于颜色特征 的电视 图像检 索［． 技术 ，０ ２ ３ （ ） Ｊ 电视 Ｊ ２ １ ，６ ８
熬
基于颜色特征的电视图像检索
龙 清
（ 重庆 广 播 电视 集 团（ 台 ）重 庆 ４ １４ ） 总 ， ０ １７新 闻 、 告 等节 目 播检 索需求 的不断增加 ， 于文本 方式 的检 索 已不能满足 要求 。基于颜 广 监 基
【 ｙ ｗ ｒ ｓ ｏｏ ｉｏｒｍ； ｉ ｌｒｙｍａ ｈ Ｔ ｍａｅｒｔｅａ； ｅ ｏｍａｃ ｖｌａｉ Ｋｅ ｏ ｄ 】ｃｌｒｈｓ ｇａ ｓ ａｉ ｔ ； Ｖ ｉ ｇ ｅｒ ｖｌ ｐ ｒ ｒ ｎｅｅａｕｔ ｎ ｔ ｍｉ ｔ ｃ ｉ ｆ ｏ
目前 ， 电系统所建 的媒 资系统大 多采 用基 于文本 色空 间， 广 常用 的颜 色空间有 Ｒ Ｂ Ｇ 颜色 空间和 Ｈ Ｖ色彩 空 Ｓ 方式 的检索 ， 由于文本 检索是精 确检索 ， 也是最原始 的检 间 这两种颜色空 间可 以相互转换 。本文研究采用 Ｒ Ｂ 】 ， Ｇ 索， 只要 文本 不 重复 或发 生错误 ， 能一 一对 应检 索 出 都 颜色 空间 。在确定 了颜 色空间后 ， 据统计 得到 图像 每 根 来 ， 对 于播 出来说是 非 常必要 的 ， 这 但对 于节 目制作 来 种颜 色分 量 的像 素数 以及各 种颜 色分 量相 对 出现 的数
（ ｈｎ ｑ ｇ Ｒ ｄｏ ＆ Ｔ ｒｕ （ｔｔ ｎ，Ｃ ｏｇ ｉ ０ １ ７ ｈｎ ） Ｃ ｏｇ ｉ ａ ｉ ｎ ＶＧｏｐ Ｓａｉ ） ｈｎ ｑｎ ４ １ ４，Ｃ ｉａ ｏ ｇ
【 ｂｔ ｃ】 Ｗｉ ｈ ｉ ｒａｎ ｆＴ ｒ ｒ ａ ｒｌ ｒｒｖｌ ａｄ ｎｗ，ａｖｒｓｍ ｎ ｒｒｖｌ ｒ ｕ ｅ ｅｔ ｈ ｅｔ Ａ ｓ ａｔ ｒ ｔ ｔ ｎ ｅｓ ｇ ｏ Ｖ ｐｏ ａ ｍ ｔ ｉ ｅｉ ａ ｎ ｅｓ ｄｅ ｉ ｅｔ ｅｉ ａ ｅ ｉｍ ｎ ，ｔ ｔ ｈ ｅ ｃ ｉ ｇｍ ｅ ａ ｔｅ ｔｅ ｔｅ ｑ ｒ ｓ ｅ ｘ

１ １ 颜 色直方 图与 自相关 图 ．
定义 ， 由像 素点 Ｐ组成 的 图像 ， 为 每一 个像 素点都 有特定
的灰度级别。设 ｇ ， ：… ， 为 图像 ，的所有灰 度级 别 ，（ ） ｇ， ｇ ／ ｐ
为像素 Ｐ的灰度级别 ， 代表灰度级别 为 ｇ的像素点 集合 ， ， 即
（ ）＝ ， 度为 ｇ 的直方图定义为 ： Ｐ ｇ灰
Ａｂ ｔ ａ ｔ ｓｒ ｃ Ｔ ｅ ｋ ｙ ０ ｏ ｔｎ — ａ ｅ ｍａ ｅ ｒｔ ｅ ａ ｓ ｔ ｘｒ ｃ ｍａ ｅ ｆａ ｕ ｅ ａ ｃ ｒｔ ｌ ｈ ｅ ｆ ｃ ｎ ｅ ｔｂ ｓ ｄ ｉ ｇ ｅｒ ｖ ｌｉ ｏ ｅ ｔａ ｔ ｉ ｇ ｅ ｔ ｒ ｃ ｕ ａｅｙ．ｃ ｒｅ ｔｃ ａ ｓ ｃ ｔ ｎ ｏ ｈ ｏ ￣ Ｅ ｉ ｇ ｉ ｕ ｒ ｎ ｌｓ ｉ ａｉ ｆ ｔｅ ｃ ｍＩ ｏ ｔ ｍａ ｅ ｉ ｆ ｏ
关 键 词 中图 分 类 号 图像 相 关 图 纹 理 矩 图像 检 索 颜 色 空 间 特 征 向量 Ｔ ３ １４ Ｐ９ ．１
文 献标 识 码 Ａ
Ｉ ＡＧＥ Ｍ ＲＥＴＲＩ ＥＶＡＬ ＢＡＳＥＤ ｏＮ ＣｏＬｏＵＲ ＣｏＲＲＥＬｏＧＲＡＭ ＡＮＤ ＴＥＸＴＵＲＥ ｏ 【 Ｔ Ｍ 】 ５
李永 芳
（ 子科 技 大 学 计 算 机 科 学 与工 程 学 院 四川 成都 ６０ ６ ） 电 １０ ５
摘
要
基 于内容 的图像检 索的关键就是准确地提取 图像特征。 目前 常见的 图像特征 的分类有 颜色、 纹理 和形状。提 出 了改进
的图像相关 图算法 以及纹理矩算法 ， 并采取有效的方法来结合这 两种算法实现高效 的图像检 索， 图像 相关 图不仅 反映 了图像 的灰 度
＾
．

性。由于图像 内容的丰富内涵 以及人们对 图像 内容 理 的基 础 。 进行 抽 象 时 的主观 性 ，使 得这 种方 法 往往 不 能 满足 面 向硬设 备 的 最常 用颜 色模 型是 Ｒ Ｂ模 型 。 Ｇ 在 人们 的需 要 。 Ｒ Ｂ模 型 中 ， Ｇ 所有颜 色 都可 看作 是 ３ 基 本颜 色 ， 个 即 基 于 内容 的检 索 （ｏｔｎ ａｅ ａｅＲ ｔｅａ． 红 （ ｒｄ ， （ ｇｅｎ 和 蓝 （ ｂｕ ） 不 同组 合 。 Ｃ ｎｅｔ ｓｄＩ ｇ ｅ ｉ １ Ｂ ｍ ｒｖ Ｒ， ） 绿 Ｇ，ｒｅ ） ｅ Ｂ，ｌｅ 的
ＣＩ ＢＲ）不 同于 传统 的检 索手 段 ，它 的 ３ 突 出特 点 面 向硬 设 备 的颜 色 模 型 与 人 的 视 觉 感 知 有 一 定 距 个 是： 用于检 索 的是 反 映图像 内容并 与 图像 存储 在一 起 离 ，例 如给 定一 个颜 色 ，人很 难判 定其 中的 Ｒ、 Ｂ Ｇ、 的各种量 化特 征 ；使 用基 于相似 性度 量 的近似查 询 ； 分 量 ， 时使 用 面 向视觉感 知 的颜 色模 型 比较方 便 。 这 大多采 用示例查 询 Ｑ Ｅ Ｑ ｅｙ ｙ ｘｍｐｅ方法 。 Ｂ （ ｕｒ ａ ｌ） ＢＥ
准 色轮 上 ， 中心 向边 缘饱 和 度是 递增 的 。 度 决 定 １０ 白） 从 亮 ０ ％（ 的百 分 比来度量 。
了彩色 光 的强 度 ，也 可 以理解 为 彩 色光 引 起视 觉 刺 激 的程 度 ， 彩色 光 在 “ ” 面 的特 征 ， 色光 所 含 是 量 方 彩
从 图像 中得 到 的一般 是像 素 的 Ｒ、 Ｂ值 ， Ｇ Ｇ、 Ｒ、 、 值 可 以很 方便 的转 换 成 日、、值 ， 换公 式 如下 ： ．， 转 ｓ

（） １
ｈ ６ ｈ ， ｓ －＇ ｍｉ （ｇ ） ： ０ ・ －ｖ － ｒ ，一 ｎ ，ｂ
，
则
征 。灰 度 共 生 矩 阵 目前 已 总 结 的纹 理 特 征 有 １ ４个 ， Ｇｏｌ ｂ和 Ｋ ｅｓｉ 过 实 验 得 出 ， 量 、 、 性 矩 和 相 ｔｅ ｉ ｒｙｚｇ通 能 熵 惯
Ｙａ ｎ ｕ ｌｉ ｎ－ａ
（ ｅ ａｔ ｎ ｏ Ｃ ｍｐ ｔ ， ａ ｚ ｉｕ ｎｖｒｉ Ｄｐｒ ｍｅ ｔ ｆ ｏ ｕｅ Ｐ ｎｈｈ ａＵ ｉ ｓｔ ｒ ｅ ｙ
【 ｂｔ ｃ 】 ｏｔ ｔａｅ ａｅ ｅ ｉａ（ＢＲ ｉ ｎ ｅ ｏｔｃｖ ｔｐｔｉｔ ｒｎｒ ｅｒ ｌ ｆ ｕｉｅｉｒｒｖ１ ｃ ｒｎ ｅ Ａ ｓ ｔ Ｃ ｎ ｎＢｓｄｍ ｇ ｔ ｖｌ Ｉ） ｅ ｆ ｓ ｔ ｈ ｏ ｅ ｕｅｔ ｓａ ｈｅ ｌ ｄ ｔ ａ Ａｃ ｄ ｇｏｈ ａ ｒ ｅ－ Ｉ Ｒｒ Ｃ ｅ ｓ ｏｔ ｍ ｉ ｏｓ ｓｎｈ ｃ ｒ ｏ ｈ ａ ｅ ｅ ｃ ｆ ｄ ｍ ｔ ａｅｉ ． ｏ ｉ ｔｔ ｉ ｏ ｍ ｅ
其和 方 差 。 ｒ ｉ
经 过 上 式 对 特 征 向 量 进 行 归 一 化 后 ， 量 中 的 某 个 分 量 向
落在 区 间［ １范 围中 的概率 约为 ９ ％， ０，］ ９ 对于 大 于 １的数 值 可以简 单地 对应 到 １ 。 上
１ ． ＲＧＢ空 间到 ＨＳ １ Ｖ空 问的 转换
通 过非 线 性变 换 可 将 Ｒ Ｂ颜 色 空 间 的 ｒｇ ｂ值 转 Ｇ ，， 换 到 ＨＳ 空间 的 ｈ Ｓｖ值 。设 ｖ － ｘｒｇ ｂ ， 义 ｒ ， Ｖ ，， ’ｍａ（， ，）定 ’
ｇ ．’ ’ｂ 为
ｖ＇ －ｒ
ｒ
．
ｄ） ， ＝— ０

［ ｙｗｏｕ ｌｉｔｒｓｐ ｉｔ；ｏ ａｆａ ｒｓｌ ａｂｎｒ ａｔ ｎ Ｋｅ ｆ ｎｅｅｔ ｏｎｓｌ ｌｅｔ ｅ；ｏ ｌ ｉａｙｐｔ ｒ 定 义 为 ：在 一 幅 图像 内 ，灰 度 在 水 平 和 垂 直 方
通过颜色特征发现物体 ，然后根据它们 的形状、纹理和空间 关系等特征来进一步识 别物体 。兴趣点周围蕴含着丰富的颜
其中 ，Ｃ为经高斯滤波后的 自相关矩阵 ，即
＝ 唧 一 ＠
尽可能紧凑的特征描述符来表达 图像丰富 的内容信息 。根据 兴趣点 的定义 ，它们作为认知 心理学 中的注视焦点 ，在其 】
附近 的局部 区域 内应该蕴含了图像中丰富的细节信息 。 因此，
ｄ ｔ ＝ ・ ，ｔａ ｅＣ ＝ ＋ ｅＣ ｒｃ
显著变化 的位置 ，检测兴 趣点 的响应函数为
Ｈ ＝ ｄ ｔ —ｋ ｔａ ｅ ｅＣ ・ｒｃ Ｃ ｆ） １
中的算法直 接移植 到图像检索 中，缺乏与图像检索特点的结
合 ，因此 ，检索效果并 不太理 想。在图像检索中兴趣点的应 用不应仅局限于 形状表征 ，而在于 以兴趣点为线索来提取对 检索有用的信息 。 图像特征的提取过程在某种程度上可 以理解为寻求一种
及纹理特征作为刻画图像 内容的主要特征 ，结合兴趣点 的空 间分布对相似 图像进行检索 。 对真实 图像数据库 的检索实验表明 ， 该方法与其
他基于兴趣 点的方法相 比，平均检索准确率提高 了 ｌ％，能够更准确地查找到用户所需 的图像 。 ｌ
关健 诃：兴趣 点；局部特征 ；局部 二值模 式
色与纹理信息，本文首先检测 图像 中的兴趣 点，然 后结合兴
趣 点 的 空 问 分 布 ，提 取 兴 趣 点 周 围 局 部 区域 的颜 色 与 纹 理 特

图像检索中的特征提取与分类算法研究图像检索是一个重要的计算机视觉任务，其目标是根据用户提供的查询图像，从数据库中检索出与之相似的图像。

在图像检索中，特征提取与分类算法是关键的研究内容。

本文将介绍图像检索中常用的特征提取与分类算法，并进行相关的研究探讨。

一、特征提取算法特征提取是图像检索中最重要的步骤之一，它用于从图像中提取出具有区分度和信息量的特征。

常用的特征提取算法包括颜色直方图、纹理特征和形状特征等。

1. 颜色直方图颜色直方图是一种描述图像颜色分布的直方图，通过统计图像中各个颜色的像素个数来表示图像的特征。

常用的颜色空间包括RGB、HSV和Lab等。

颜色直方图具有计算简单、对图像缩放和旋转不敏感的特点，因此被广泛应用于图像检索中。

2. 纹理特征纹理特征描述了图像中局部区域的纹理结构，用于区分图像中不同的纹理属性。

常用的纹理特征包括灰度共生矩阵(Gray-level Co-occurrence Matrix, GLCM)、局部二值模式(Local Binary Patterns,LBP)和方向梯度直方图(Orientation Gradient Histogram, OGH)等。

这些特征可以通过计算灰度或梯度等信息来表征图像的纹理特征。

3. 形状特征形状特征用于描述图像中物体的形状特点，常用的形状特征包括边缘特征、尺度不变特征变换(Scale Invariant Feature Transform, SIFT)和速度不变特征(Binary Robust Invariant Scalable Keypoints, BRISK)等。

这些特征可以通过提取图像的边缘或角点等局部特征来表征图像的形状特征。

二、分类算法特征提取之后，需要采用分类算法对提取到的特征进行分类，从而将查询图像与数据库中的图像进行匹配。

常用的分类算法包括k近邻算法、支持向量机(Support Vector Machine, SVM)和深度学习算法等。

基于颜色直方图的图像检索算法研究近年来，随着数字图像的大规模应用，图像检索技术已经成为了计算机视觉领域的热门研究方向。

基于内容的图像检索技术是其中最为重要的一种，在利用颜色、纹理、形状等图像特征实现图像检索的方法中，基于颜色直方图的图像检索算法备受关注和推崇。

本文将对该算法进行深入的研究和探究，旨在加深人们对于该算法的认识和了解。

一、颜色直方图的构建原理颜色直方图是一种表示图像颜色分布的方法，通过将图像中每一个像素的颜色值分配到相应的颜色区间中，然后累加各区间的像素数目，最终得到的一张颜色频次分布直方图，即为颜色直方图。

构建颜色直方图需要进行以下步骤：1. 设定颜色分量划分区间。

一般情况下，将RGB三个分量分成16×16×16的划分区间，得到4096个颜色分量；2. 对于一张待检索的图像，遍历其每个像素，将其RGB值分别映射到16×16×16颜色分量划分区域中，计算每个区域内像素数量，最终得到一幅4096维的颜色直方图。

二、基于颜色直方图的图像检索算法基于颜色直方图的图像检索算法（CBIR）属于一种典型的基于内容的图像检索方法，首先将待检索图像的颜色直方图和数据库中已知图像的颜色直方图进行比较，计算它们之间的相似度，将相似度高的图像作为检索结果返回给用户。

CBIR算法具体包括以下步骤：1. 对图片进行预处理，提取出颜色直方图；2. 对于每一张待检索的图像，计算该图片颜色直方图与数据库中每张图像颜色直方图之间的相似度。

相似度计算方式一般采用欧式距离、切比雪夫距离、余弦距离等方式进行计算。

通常情况下，欧式距离的计算方式是最为常见的方法；3. 将相似度高的图像作为检索结果展示给用户；4. 用户可根据检索结果向系统提出进一步检索请求，不断优化检索结果。

三、基于颜色直方图的图像检索算法的优缺点基于颜色直方图的图像检索算法具有以下优点：1. 颜色直方图能够准确描述图像的颜色分布及特征，对各种图像类型都适用；2. 颜色直方图具有较高的计算效率，能够满足大规模图像检索的需求；3. 相较于其他基于内容的图像检索方法，基于颜色直方图的图像检索算法表现较为稳定，对噪声的容忍度较好。

基于颜色直方图的图像检索（实验分析）1.概述在过去的十几年间，有许多知名机构都对图像检索系统进行了深入的研究，病开发出了相应的检索系统，例如IBMAlmaden研究中心研制的QBIC系统，Virage公司研发的VIRAGE系统，麻省理工大学多媒体实验室研发的Photobook系统，哥伦比亚大学研发的ViualSeek系统，斯坦福大学研发的WBIIS系统，U.C.伯克利分校研发的Blobworld系统等等。

2.相关知识2.1.RGB颜色空间RGB颜色模型中每种颜色都是由红绿蓝三种颜色组成。

这种颜色模型在许多CRT显示器和彩色光栅图形设备中被广泛使用。

这三种颜色被认为是其他颜色的添加剂，对于所需要的颜色通过对这三种颜色进行不同的比例进行相加即可得到。

RGB模型可以用如下的颜色坐标系表示。

注意从（0，0，0）到（1，1，1）的对角线，白色代表了灰阶，RGB色彩模式俯视从白色开始的。

2.2.HSV颜色空间（也称HIS颜色空间）HSV字母分别代表了色度（Hue），饱和度（Saturation），色调。

上面的锥形图说明HSV的颜色模型。

Value代表了颜色的强度，他是从图像信息中分离出来，可以表示相关信息的部分。

色度和饱和度代表了颜色在人眼中的生理特征。

色度与红色等颜色从0到1的表示不同，色度是从红色通过黄，绿，青，蓝，洋红色，再回到红色。

饱和度的区分是从0到1，他通过值大小来影响颜色的饱和度。

对于色调，也是从0到1，随着他的增大，图像的颜色就会越来越亮。

2.3.颜色模型之间的转换为了针对特定的应用更好的使用颜色，颜色空间的颜色转换是非常必要的。

一个好的颜色空间必须能够很好的表示两种颜色之间的颜色差别。

也就是说，数值表示的颜色可以近似的表示人类可以感觉的颜色的差别。

2.4.距离3.算法原理一个图像的颜色直方图是通过统计图像各个颜色的像素个数构成的。

其处理过程：1、选择颜色空间；2、对颜色空间进行量化；3、统计直方图；4、推到直方图的距离函数；5、通过索引指出最相近的图像。

ｈ ｓ ｔ ｏ ｅ ｕｅ ｒ ｃｍ ｉ ｄｎｒｒ ｖｌ ｒｓ ｔ ｆ ｔ ｎ ｒｄ ｃｉ ｇ ａｈ ｖ ａ ｉ ｙｌ １ ｔｅｅｗ ｆ ｔｒ ａｅ ｏ ｂ ｅ ｉ ｔｅａ ｔｅ ｅ ｌ ｏｍａ ｉｐｏ ｕｔｍａｅ ｃｉ ｅ ｈ ｌ ｅｅ ａ ｓ ｎ ｅｉ ， ｈ ｕｓ ｈ ｅ ｈ ｇ ｖ．
Ｋｅ ｒ ： ｍａ ｅｒｔｉｖ ｌｃ ｌ ｒｆａ ｕ ｅ ｓ ａ ｅｆ ａｕ ｅ ｃ ｌ ｒｈ ｓｏ ｒ ｍ； ｗｏ ｄ ｍｅ ｓｏ ａ ｕ ｃ ｉｎｍｏ ｎ ； ｉ ｌｒｔ ｙｗｏ ｄｓ ｉ ｇ ｅｒｅ ａ； ｏ ｏ ｅ ｔｒ ； ｈ ｐ ｅ ｔｒ ； ｏ ｏ ｉｔ ｇ ａ ｔ － ｅ ｎ ｉｎ ｌ ｎ ｔｏ ｍｅ ｔ ｓｍｉ ｉ ｆ ａ ｙ
，
预先将彩色 图像 处理为灰度图像， 图 ｌ所示 ． 如 灰度
处理的算法公式为：
ｇ ｙ ｌｅ ｃ ｌ ｒ ０２ ９ ｏｏ ． ｍ Ｖａ ｕ ＝ ｏ ｏ ． Ｒ ．９ ＋ｃ ｌｒＧ ０５ ７ ｏ ｏ ． ．８ ＋ｃ ｌ ｒ Ｂ ０ １ ４ ． １
Ｍａ ｘ—
一
，
＝ 一
Ｍａ ｘ～ｇ
（ －’ ３ｂ ）
（４ ’ ３ ｇ）
（－’ ５ｒ
阶和三 阶 的矩 ，经过 构造和归 一化处理，得到表 征形
值
状的 ４个 Ｈ ｕ矩，从而实现 形状特 征的提取． 数字图像的（＋ ） 中心距定义为： ｐ ｑ阶
零阶矩为 ：

其中 ｈ ６ ＊ ’，ｇ ＝ ０ ｈ ｒ ， ０ －５ １ ∈【…３ ０， Ｅ【＂ １，ｖ ，ｂ∈【＂ ２ ５， ０ ６ １ Ｓ ０－ 】 Ｅ ｈ －
ｒＭａ ＝
Ｍａ ｘ
ｇ Ｍａ ＝ ｘ
ｇ ＝Ｍ ａ ｘ
ｂ Ｍ ａ ＝ ｘ

第２ ９卷 第 ５期
２１ ０ ２年 ５ 月
计 算机应 用与软 件
Ｃｏ ｍｐｕ ｅ ｐ ｉ ａｉｎ ｎｄ Ｓ ｆ ｒ ｔｒＡｐ ｌｃ ｔｏ ｓ ａ ｏｔ ｅ ｗａ
Ｖ０． ９ Ｎｏ ５ １２ ．
Ｍ ａ ０１ ｖ２ ２
基 于局 部颜 色 － 间特 征 的 图像 检 索 方 法研 究 空
Ａｂ ｔ ａ ｔ ｓｒ ｃ
Ｔ ｅ ｆ ａｕ ｅ ｅ ｔ ｃｉ ｎ ｍｅｈ ｄ ｏ ｈ ｎ ｆｒ ｌｃ ｏｏ ｉ ｏ ｒｍ ｎ ｈ ｃ ｕ ｌ ｔ ｅ ｃ ｌｒ ｈ ｓ ｇ ａ ａ ｅ ｓｕ ｉｄ Ｔ ｅ ｒ ｈ ｅ ｔ ｒ ｘｒ ｔ ｔ ｏ ｓ ｆｒ ｔ ｅ ｕ ｉ ｍ ｂ ｏ ｋ ｃ ｌｒｈ ｓ ｇ ａ ａ ｄ ｔｅ ａ ｃ ｍｕ ａｉ ｏｏ ｉｔ ｒ ｍ ｒ ｔ ｄｅ ． ｈ ｉ ａ ｏ ｏ ｔ ｖ ｏ
ＧＥ ＲＥＴＲＩ ＥＶＡＬ Ⅱ ＴＨｏＤ
Ｗａ ｇＢ ｏ ｉ Ｚ ａ ｉｇ Ｓ ｉ ｋ ｎ Ｓ ｎＣ ａ Ｇ ｏＪｎｉ ｎ ａｐｎ ｇ ｈ ｏＪ ｕＪ ｎ ａ ｇ ｎ ａ ｕ ｈｏ ｕ ｕｊ ｅ
（ ａｉｎ ｌ ｅ ａ ｏａ ｒ ｃ ｎｅａ ｄＴｃｎｌ ｙｏ Ｖ ，Ｎ ｒ ｗｓ ｒ ｏ ｔ ｈ ｉ ｌＵ ｉｒｉ Ｘ ’ ｎ７ ０６ Ｓａ ｎ ｉＣ ｉａ Ｎ ｔ ａ ｙＬ ｂｒｔ ｙｏ Ｓｉ ｃ ｎ ｅｈ ｏ ｇ ｎＵ Ａ ｏ Ｋ ｏ ｆ ｅ ｏ ｏｔ ｅｅｎＰ ｌ ｅ ｎｃ ｎ ｅ ｔ ｉａ １ ０５，ｈ ａ ｘ，ｈｎ ） ｈ ｔ ｙｃ ａ ｖ ｓｙ，
点和缺点 ， 实现均匀分块颜色直方 图和累加颜色直方 图特征提取方式 的图像检 索 ， 并在此基础上 对特征提取 方式进行 改进 ， 出一 提
种基于 Ｈ Ｖ 非均 匀量 化分块颜 色直方 图的算法 ， Ｓ 并对该算法进行验证 。研 究结果表 明， 算法改善 了颜 色特征缺 乏 空间信 息的缺 该

ｌａｒｉｔｙ ｍｅａｓｕｒｅｓ ｏｆ ｔｗｏ ｉｍａｇｅｓ ｂｙ ｃａｌｃｕｌａｔｉｎｇ ｗｅｉｇｈｅｄ ａｃｃｕｍｕｌａｔｉｖｅ ｄｉｓｔａｎｃｅ ｗｈｉｃｈ ｉｓ ｂｅｔｗｅｅｎ ｔｈｅ ｓｕｂ－ｂｌｏｃｋｓ ｃｏｌｏｒ ｆｅａ－ ｔｕｒｅｓ ｏｆ ｔｗｏ ｉｍａｇｅｓ，ｔｈｅｎ ｒｅｔｒｉｅｖｅｄ ｉｍａｇｅｓ ａｎｄ ｏｕｔｐｕｔｅｄ ｔｈｅ ｒｅｔｒｉｅｖａｌ ｒｅｓｕｌｔｓ．Ａｔ ｌａｓｔ，ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｈａｓ ａ ｈｉｇｈｅｒ ｒｅｔｒｉｅｖａｌ ｅｆｆｅｃｔ，ｃｏｍｐａｒｉｎｇ ｔｏ ｇｌｏｂａｌ ｈｉｓｔｏｇｒａｍ，ｃｕｍｕｌａｔｉｖｅ ｈｉｓｔｏｇｒａｍ ａｎｄ ｔｒａｄｉｔｉｏｎａｌ ｂｌｏｃｋ
第 ３９ 卷 第 １１ 期 ２０１２ 年 １１ 月
计算机科学 Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ
基于颜色特征的图像检索方法研究
Ｖｏｌ．３９ Ｎｏ．１１ Ｎｏｖ ２０１２
张 鑫 温显斌 孟庆霞 （天 津 市 智 能 计 算 及 软 件 新 技 术 重 点 实 验 室 天 津 ３００３８４） （计 算 机 视 觉 与 系 统 教 育 部 重 点 实 验 室 （天 津 理 工 大 学 ） 天 津 ３００３８４）
ｈｉｓｔｏｇｒａｍ． Ｋｅｙｗｏｒｄｓ Ｉｍａｇｅ ｒｅｔｒｉｅｖｅ，Ｃｕｍｕｌａｔｉｖｅ ｈｉｓｔｏｇｒａｍ，Ｃｏｌｏｒ ｆｅａｔｕｒｅ，Ｅｑｕａｌ－ａｒｅａ ｏｆ ｒｅｃｔａｎｇｕｌａｒ ｒｉｎｇ ｐａｒｔｉｔｉｏｎ
１ 引 言
变化不敏感 等 优 点，但 是 它 无 法 反 映 颜 色 的 空 间 位 置 信 息 。 例如两幅完全不同的图像（如天空和大海）可能具有相同的 颜

也是可逆的，同时变换也较容易实现，转化公式如下所示：
H=arccos
(R- G)+(R- B)
2 姨(R- G)2+(R- B)(G- B)
B≤G
若 B>G 则 H=2π- arccos
(R- G)+(R- B)
2 姨(R- G)2+(R- B)(G- B)
S=
max(R,G,B)- min(R,G,B) max(R,G,B)
题，环形颜色直方图描述了颜色的空间分布特征.设(Pij)C×R, 这里 Pij 表示像素(i,j)的颜色,C×R 表示图像的大小的.设 U= {(x,y),1≤x≤C,1≤y≤R}. 假设 B1,B2, …BM 为量化后的颜色 值，Sq 为二维平面上的几何集.设 Cq=(xq,yq)为 Sq 的质心，这里 xq 和 yq 定义为：
颜色是由光的折射而产生的，红（R，red）、绿（G，green）、 和蓝（B，blue）是光源三原色.除了红绿蓝以外，描述颜色的 三个分量还可以取其他不同的形式，从而形成了不同类型 的颜色空间.采用不同的颜色空间，可以为相应的应用在颜 色的生成和表示上带来方便.RGB 是常用的颜色空间，任何 色光都可以用 R、G、B 三色不同分量的相加混合而成，即按 照三种原色的比重不同可以表示万千种不同的颜色.RGB 颜色空间虽然有利于图像的显示，但不是一个均匀视觉的 颜色空间，不符合人眼对色彩视觉的感知.
在各种多媒体数据中，图像作为一种内容丰富、表现直 观的多媒体信息，它的重要性不言而喻.随着图像这种信息 载体与人们工作和生活的关系变得越来越密切，快速而准 确地访问图像数据库已成为当前图像应用领域的一个重要 课题. 传统的基于文本的图像检索技术的不足日益突出，主 要因为利用关键字对图像特征进行主观描述并不能准确快 速地定位图像资源，而基于内容的图像检索是一种近似匹 配的技术，利用图像内容特征建立索引进行检索，检索效率 更高、精度更准、适应性更强.准确地提取与表达图像的有效 特征是基于内容的图像检索的关键. 在图像的诸多特征中， 颜色特征是图像最基本的低层特征之一，颜色特征的提取 与表达也较容易实现，同时其对图像的方向、大小、角度的 依赖性较小，对图像中对象的变换也不敏感，稳定性较强， 因此在图像检索中颜色特征的提取应用最为广泛.随着人们 对图像中各个对象位置的不断关注，对象的位置与对象的 空间信息特征的查询在基于内容的图像检索中变得越来越 重要. 空间信息特征关系表达了图像内部各部分之间的联 系，如何结合图像的基本特征与空间信息特征在图像处理 方面显得尤为重要，准确有效地提取颜色特征及结合颜色 与空间信息特征进行图像检索的方法值得推广且具备相当 的可行性. 1 颜色空间 1.1 颜色空间的转换

基于颜色特征图像检索基于颜色特征图像检索技术是一种常用的计算机视觉技术，其主要目的是根据图像的颜色特征对目标图像或相似图像进行检索。

本文将介绍颜色特征图像检索的一般流程和关键技术。

一、颜色特征提取颜色特征是图像检索的重要特征之一。

在颜色特征提取方面，目前有许多方法可供选择，包括直方图、颜色均值、颜色协方差矩阵等。

其中，直方图是最常用也是最简单的颜色特征提取方法之一。

它可以对图像中每个像素的颜色值进行统计，获得不同颜色的出现次数，进而形成颜色直方图。

在实现颜色直方图时，一般采用离散化颜色空间的方法将图像转换为灰度图像或颜色空间。

常用的颜色空间包括RGB、HSV、LAB等。

离散化颜色空间还可以进行一些优化处理，例如将颜色空间划分为若干小块，以减少计算量。

二、特征向量量化特征向量量化是将颜色直方图转换为方便计算和比较的向量表示的过程。

颜色直方图通常是一维的，而特征向量表示可以是任何维度。

特征向量量化的目标是通过将直方图从一维投影到多维空间中，使得向量在这个空间中更容易分离和分类。

在特征向量量化方面，常常采用的方法是利用聚类算法，例如K-Means，将颜色直方图分成若干个聚类中心，并将颜色直方图映射到每个聚类中心的空间中。

这样，颜色直方图可以用它在每个聚类中心上的投影（即用每个聚类中心的坐标来表示颜色直方图）来表示。

三、相似度度量相似度度量是用于量化两个特征向量之间的相似度的方法。

在颜色特征图像检索中，最常用的相似度度量方法是欧氏距离和余弦相似度。

对于欧氏距离，它通常被定义为两个向量之间所有元素差的平方和的平方根。

对于余弦相似度，它通常被定义为两个向量之间的夹角余弦值。

四、图像检索通过上述步骤进行颜色特征提取、特征向量量化和相似度度量后，可以利用检索算法对目标图像进行检索。

常用的检索算法包括基于单幅图像的检索方法和基于多幅图像的检索方法。

基于单幅图像的检索方法通常是通过将查询图像的特征向量与图像数据库中所有图像的特征向量进行比较，然后从数据库中找到与查询图像最相似的图像。

25卷　第4期2008年4月微电子学与计算机M ICROEL ECTRON ICS &COMPU TERVol.25　No.4April 2008收稿日期:2007-07-27基于颜色直方图的图像检索技术高美真1,申艳梅2(1焦作师范高等专科学校计算机与信息工程系,河南焦作454001;2河南理工大学计算机科学与技术学院,河南焦作454003)摘　要:使用颜色空间分布熵来表示图像的颜色空间分布特征,结合图像的颜色直方图特征,采用加权综合法和比例系数法表示图像的综合特征,设计了基于颜色直方图和图像空间分布熵的图像检索算法.利用查全率和查准率对算法进行了评价.通过实验分析比较可知,所设计的方法具有较好的查准率和查全率.关键词:图像检索;颜色直方图;颜色空间分布熵中图分类号:TP391.41 文献标识码:A 文章编号:1000-7180(2008)04-0025-03Histogram 2B ased Color Im age R etrievalGAO Mei 2zhen 1,SHEN Yan 2mei 2(1Department of Computer and Information Engineering ,Jiaozuo Teachers College ,Jiaozuo 454001,China ;2College of Computer Science &Technology ,Henan Polytechnic University ,Jiaozuo 454003,China )Abstract :The theory of image information entropy is adopted as color distribution ,and the color spatial distribution en 2tropy is adopted as the spatial descriptor color.The writer also uses weighted 2synthetical method and proportion 2coefficient method to indicated the image characteristics and designs a image retrieval algorithm based on color histogram and its color spatial distribution entropy.According to the analysis and comparison ,this kind of algorithm has a very good retrieval a 2bility of image.K ey w ords :image retrieval ;color histogram ;color spatial distribution entropy1　引言基于内容的图像检索技术(Content 2Based Im 2age Retrieval ,CB IR )主要是利用图像的视觉特征如图像中物体的颜色、形状、纹理等特征以及这些特征的组合和上下文联系分析提取出图像的内容特征作为图像的索引特征来得到所需图像.颜色特征是图像检索中应用最广泛的视觉特征,目前有很多基于颜色特征的图像检索算法,颜色直方图是一种重要的基于颜色特征进行的图像检索方法,文献[123]中给出的几种算法各有利弊,文中吸取其优点,将颜色直方图与图像空间分布熵相结合,设计了新的图像检索算法,实验证明具有较好的检索性能.2　基于颜色直方图特征的图像检索颜色直方图是常用的图像颜色特征表示方法,反映图像颜色的统计分布,描述的是图像的整体颜色特征.对于一幅图像I ,其颜色(或灰度)由L 级组成,每一种颜色(或灰度)值为c i (i =1,2,…,L ).在整幅图像中,具有c i 值的像素个数为h i ,则一组像素的统计值h 1,h 2,…,h L 就称为该图像的颜色直方图[4].为了使HSV 颜色空间能更好地符合人的视觉特性,更有利于图像颜色特征的提取.文献[5]中提出的颜色空间量化方法,将图像的颜色量化为36柄,量化方法如式(1)所示,这样可以将很多虽然深浅不同但在视觉上仍属于同一类的颜色量化在同一区间内,使量化结果符合人类的视觉感受.H=0,H∈[0°,60°) 1,H∈[60°,120°) 2,H∈[120°,180°) 3,H∈[180°,240°) 4,H∈[240°,300°) 5,H∈[300°,360°)S=0,S∈[0,0.25) 1,S∈[0.25,1]V=0,V∈[0,0.3)1,V∈[0.3,0.8)2,V∈[0.8,1.0)(1)由于色调在色度轴上的分布是连续过渡的,而且色调之间并不存在明显的界限,上述划分方法忽视了颜色在各个区间分界处的相似连续性.为使提取到的颜色特征更符合人的视觉心理,上述量化的基础上对色调H分量进行了第二次量化,第二次量化的方法如式(2)所示.将式(1)和式(2)得到的量化值逐项求平均值作为图像的颜色直方图特征,然后使用该颜色特征进行了基于颜色直方图的图像检索.H=0,H∈[30°,90°)1,H∈[90°,150°)2,H∈[150°,210°)3,H∈[210°,270°)4,H∈[270°,330°)5,H∈[330°,360°)∪[0°,30°)S=0,S∈[0,0.25) 1,S∈[0.25,1]V=0,V∈[0,0.3)1,V∈[0.3,0.8)2,V∈[0.8,1.0)(2)3　基于颜色空间分布熵特征的图像检索3.1　颜色空间分布熵特征的提取对于数字图像而言,图像由像素组成,不同灰度的像素出现次数的不同及其分布空间位置的不同,使得图像呈现不同的形状.因此,不同形状的图像所包含的熵也是不尽相同的,因而可以用熵描述图像的形状特征.设I为一幅R1×R2的彩色图像,像素p1=(x1,y1)∈I,p2=(x2,y2)∈I,像素间的空间距离可定义为|p1-p2|=max{|x1-x2|,|y1-y2|}(3)对于R1×R2的图像,像素间的距离满足0≤|p1-p2|≤max{R1-R2}-1,图像被划分为不同的矩形区间.为了保持图像的尺度不变性,需要进行归一化处理,即p ij=|A ij||A i|(4)利用熵的特性,设计采用颜色空间分布熵来描述颜色的空间分布特性.颜色i的空间分布熵表示如下:e i=-∑Nj=1p ij log2(p ij)(5)空间分布熵反映了具有某种颜色的像素在图像空间中的平均分散程度,颜色空间分布熵越大,表明具有该颜色的像素在图像空间中越分散,否则,表明具有该颜色的像素在图像空间的分布比较集中. 3.2　算法设计为了有效地利用颜色空间分布熵特征和颜色直方图特征进行图像检索,对图像的颜色直方图特征和图像的颜色空间分布熵这两个特征采用了加权综合法和比例系数法形成图像检索用的综合特征,设计了两种图像检索方法.3.2.1　加权综合法对于两幅图像的直方图特征,采用直方图相交法来进行相似性度量:d1(H,H′)=1-∑ni=1min(h i,h i′)min(∑ni=1h i,∑ni=1h i′)(6)对于图像颜色的空间分布熵,采用L1距离来进行相似性度量:d2(E,E′)=∑ni=1|e i-e i′|(7)由于颜色直方图间的距离d1及颜色空间分布熵间的距离d2代表了不同的含义,并且它们的取值也差别很大,因此不能简单地将两个距离相加来表示两幅图像间的距离,需要进行归一化处理,以保证构成总相似度中的每一个特征都具有相同的重要性.实验中,权重都取0.5,将图像的颜色直方图与颜色空间分布熵赋予了同等重要性.3.2.2　比例系数法对于任意的示例图像I和数据库图像I′,它们之间的相似性可以定义如下:d(I,I′)=1-∑ni=1min(h i,h i′)×min(e i,e i′)max(e i,e i′)(8)式中,图像间的相似性共包括两部分,第一部分min(h i,h i′),表示直方图相交法的结果,它度量了62微电子学与计算机2008年图像颜色直方图h i 和h i ′之间的相似性;第二部分min (e i ,e i ′)max (e i ,e i ′)度量了颜色i 的空间分布上的相似性.由于min (e i ,e i ′)max (e i ,e i ′)的结果为一个比例系数,因此该方法不需要进行特征间的归一化处理.4　实验结果为了比较算法的检索性能,将文中设计的两种算法与颜色直方图法进行了比较.采用的图像库包含有1000幅各类图像,包括交通工具、动物、建筑物和自然景观等类型的图像.在图像库中选取了5类图像组成检索集来检验算法的检索效果.采用查准率和检索率作为算法检索效果的评价的标准.其中,查准率表示检索结果队列中检索的目标图像数与队列中图像数之比,查全率定义为检索结果队列中检索的目标图像数与图像库中全部的目标图像数之比.对于不同的图像检索算法,在相同的检索率条件下检索的精确度越高,则表明该算法的检索效果越好.从每类图像中分别抽取5幅图像来进行检索,共形成25次检索结果,将25次检索结果查准率和查全率的平均值作为算法的平均检索结果.图1给出了三种算法的查准率和查全率对比曲线.需要说明的是,为了能更清晰地表示查全率和查准率的对比效果,图1中的坐标原点是(0.2,0.68).5　结束语由于图像颜色直方图一个主要缺点是没有反映颜色的空间分布信息,因此采用了图像的空间分布熵表示图像颜色的空间分布特征,综合使用了图像的颜色直方图特征和颜色的空间分布熵特征进行加图1　加权综合法、比例系数法、颜色直方图法查全率和查准率对比曲线权综合法图像检索和比例系数法图像检索比只使用图像的颜色直方图特征进行图像检索具有较好的检索性能.参考文献:[1]Li J ,Wang J Z ,Wiederhold G.IRM :integrated regionmatching for image retrieval [C ]//Proceeding of ACM A :Standford University ,2000.[2]Stricker M ,Orengo M.Similarity of color images [C ]//Proceeding of SPIE Storage and Retrieval for Image and Video Database.Swiss :Swiss Federal Institute of Technol 2ogy Publication ,1995(2420):381-392.[3]王宇生,陈纯.一种新的基于色彩的图象检索算法[J ].计算机研究与发展,2002,39(1):105-109.[4]魏宝刚,李向阳,鲁东明,等.彩色图像分割研究进展[J ].计算机科学,1999,26(4):59-62.[5]何清法,李国杰.综合分块主色和相关反馈技术的图像检索方法[J ].计算机辅助设计与图形学学报,2001,13(10):912-917.作者简介:高美真　女,(1970-),讲师.研究方向为多媒体技术、计算机基础教学.(上接第24页)[3]Saito.Call admission control in an A TM network using up 2per bound of cell loss probability[J ].IEEE Trans Commun ,1992(40):1512-1521.[4]姚正林,刘金刚.基于大偏差技术的自相似流CAC 算法[J ].微电子学与计算机,2004,21(3):65-68.[5]Stathis C ,Maglaris B.Modelling the self -similar be 2haviour of network traffic [J ].Computer Nerworks ,2000(34):37-47.[6]Norros.On the use of fractional brownian motion in thetheory of connectionless networks[J ].IEEE J.Select.Ar 2eas Common ,1995,13(6):953-962.[7]Wang L Jonathan ,Erramilli A.A connection admissioncontrol algorithm for self -similar traffic [C ]//G lobal Telecommunications Conference 1999.Rio de Janeiro ,Brazil ,1999(2):1623-1628.作者简介:胡　英　女,(1982-),硕士研究生.研究方向为计算机网络.谭献海　男,(1963-),博士,副教授,硕士生导师.研究方向为计算机网络.72　第4期高美真,等:基于颜色直方图的图像检索技术。