下载文档原格式
D S IG N N WS []6技术专题图像技术随着信息社会的到来和Int er ne t 技术的普及,人们越来越频繁地接触到图像和视频信息。
同时,每天还有大量信息在不断产生,如卫星、医疗、安全等方面。
因此,对这些信息地有效组织、管理和检索便成为需要解决的问题。
传统数据库检索采用基于关键词的检索方式,早期图像数据库如K odak Pi c t ur e Ec ha nge Syst e m(K PX )、t he Pr essL i nk L i br ar y 和t he T i m e A r chi v e C oll ect ion 沿袭了这种检索方式,采用描述性文本进行检索。
但一般来说,这种检索技术往往不能满足人们的需要。
由于图像息的内容具有丰富的内涵,在许多情况下仅用几个关键词难以充分描述,而且作为关键词图像特征的选取也有很大主观性。
于是,基于内容检索(Cont e nt B a se d Iage Ret r ie v al,C B I R )技术应运而生。
它区别于传统的检索手段,融合了图像理解技术,从而可以提供一种从巨大容量的图像库中,根据人们提出的要求进行有效检索的方法。
在基于内容的图像检索中，较常用关键技术包括从颜色、形状、纹理、空间关系、对象特征进行检索。
基于颜色特征的图像信息检索人类在对环境和物体的感知中,颜色往往起着十分重要的作用。
在许多情况下(特别是对于自然景物来说),颜色是描述一幅图像最简便而有效的特征。
颜色内容包含两个一般的概念，一个对应于全局颜色分布，一个对应于局部颜色信息。
按照全局颜色分布来索引图像可通过计算每种颜色的像素个数，并构造出颜色直方图来实现，这对检索具有相似总体颜色内容的图像是一个很好的途径。
局部颜色信息是指局部相似的颜色区域，考虑了颜色的分类与一些初级的几何特征。
颜色直方图是最常用的颜色特征表示方法。
直方图的值反映了图像的统计特征，包括平均值、标准偏差、中间值和像素个数，颜色集中的地方峰值较高。
图像处理中的边缘检测和特征提取方法图像处理是计算机视觉领域中的关键技术之一，而边缘检测和特征提取是图像处理中重要的基础操作。
边缘检测可以帮助我们分析图像中的轮廓和结构，而特征提取则有助于识别和分类图像。
本文将介绍边缘检测和特征提取的常见方法。
1. 边缘检测方法边缘检测是指在图像中找到不同区域之间的边缘或过渡的技术。
常用的边缘检测方法包括Sobel算子、Prewitt算子和Canny算子。
Sobel算子是一种基于梯度的边缘检测算法，通过对图像进行卷积操作，可以获取图像在水平和垂直方向上的梯度值，并计算获得边缘的强度和方向。
Prewitt算子也是一种基于梯度的边缘检测算法，类似于Sobel算子，但其卷积核的权重设置略有不同。
Prewitt算子同样可以提取图像的边缘信息。
Canny算子是一种常用且经典的边缘检测算法。
它结合了梯度信息和非极大值抑制算法，可以有效地检测到图像中的边缘，并且在边缘检测的同时还能削弱图像中的噪声信号。
这些边缘检测算法在实际应用中常常结合使用，选择合适的算法取决于具体的任务需求和图像特点。
2. 特征提取方法特征提取是指从原始图像中提取出具有代表性的特征，以便进行后续的图像分析、识别或分类等任务。
常用的特征提取方法包括纹理特征、形状特征和颜色特征。
纹理特征描述了图像中的纹理信息，常用的纹理特征包括灰度共生矩阵（GLCM）、局部二值模式（LBP）和方向梯度直方图（HOG）。
GLCM通过统计图像中像素之间的灰度变化分布来描述纹理特征，LBP通过比较像素与其邻域像素的灰度值来提取纹理特征，HOG则是通过计算图像中梯度的方向和强度来提取纹理特征。
这些纹理特征可以用于图像分类、目标检测等任务。
形状特征描述了图像中物体的形状信息，常用的形状特征包括边界描述子（BDS）、尺度不变特征变换（SIFT）和速度不变特征变换（SURF）。
BDS通过提取物体边界的特征点来描述形状特征，SIFT和SURF则是通过提取图像中的关键点和描述子来描述形状特征。
基于改进的边缘直方图的图像检索方法
任平红;陈矗
【期刊名称】《计算机技术与发展》
【年(卷),期】2007(017)008
【摘要】利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果.文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性.实验结果表明,其检索效果优于基于边缘直方图的方法.
【总页数】4页(P183-186)
【作者】任平红;陈矗
【作者单位】曲阜师范大学(日照校区)计算机科学学院,山东,日照,276826;曲阜师范大学(日照校区)计算机科学学院,山东,日照,276826
【正文语种】中文
【中图分类】TP391.3
【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.基于分块合并直方图改进的图像检索方法 [J], 田云;马燕;李泳
3.基于聚类主颜色和边缘直方图的图像检索方法 [J], 任平红;陈矗
4.基于彩色边缘网格直方图的图像检索方法 [J], 王向阳;周璐;芦婷婷
5.基于边缘角度二阶差分直方图的城市遥感图像检索方法 [J], 刘嗣超;李成名;孙林
因版权原因，仅展示原文概要，查看原文内容请购买。
基于方向局部极值模式的图像检索算法卫丽华;朱鹏程;管致锦【摘要】To solve the defects such as weak ability of anti-noise,low robustness and sensitivity to the local noise in current image retrieval algorithm based on local binary patterns (LBP),an image retrieval algorithm based on directional local extrema patterns was proposed.The DLEP model of four directions was obtained by calculating the local extremum in four directions of 0 degrees,45 degrees,90 degrees,4 degrees and 135 degrees,and the directional edge information and spatial relations were got using DLEP during the process of texture extraction.The DLEP histogram of the image orientation was formed based on the four directions of the DLEP model for constructing the feature vector according to the DLEP histogram.The image retrieval was fi-nished by introducing the similarity distance measure.Experimental results show that this algorithm has higher precision,recall and average retrieval rate compared with LBP,block-based LBP algorithm and center symmetric local binary model.%针对基于局部二值模式(local binary patterns,LBP)的图像检索算法对局部噪声敏感,导致算法抗噪能力弱、鲁棒性低等不足,提出一种基于方向局部极值模式(directional local extrema patterns,DLEP)的图像检索算法.通过计算图像像素点在0°、45°、90°和135°这个方向的局部极值,得到这4个方向的DLEP模式,利用DLEP在纹理提取过程中获取更多的方向边缘信息和空间关系;基于4个方向的DLEP模式,形成图像方向的DLEP直方图,根据DLEP直方图,构建图像的特征向量;引入相似距离度量进行特征匹配,完成图像检索.实验结果表明,与LBP、基于块的LBP算法和中心对称局部二值模式进行比较,在Corel图像数据库中,该算法具有更高的查准率、查全率和平均检索率.【期刊名称】《计算机工程与设计》【年(卷),期】2016(037)012【总页数】6页(P3334-3339)【关键词】图像检索;局部二值模式;方向特征;相似距离度量;方向局部极值模式【作者】卫丽华;朱鹏程;管致锦【作者单位】南通理工学院软件工程系,江苏南通 226002;南通大学杏林学院,江苏南通 226019;南通大学计算机科学与技术学院,江苏南通 226019【正文语种】中文【中图分类】TP391基于内容的图像检索(CBIR)技术已成为图像检索的研究热点，CBIR的关键技术是如何准确快速提取图像特征，常用的图像特征有纹理，颜色，形状和空间关系等[1-3]。
第31卷第9期2006年9月武汉大学学报#信息科学版Geo matics and Informat ion Science of W uhan U niver sity V ol.31N o.9Sept.2006收稿日期:2006-06-27。
文章编号:1671-8860(2006)09-0761-04文献标志码:A一种有效的基于灰度共生矩阵的图像检索方法王 波1 姚宏宇1 李弼程1(1 信息工程大学信息工程学院,郑州市俭学街7号,450052)摘 要:提出了一种基于广义图像灰度共生矩阵的图像检索方法。
该方法首先将原图像作平滑处理得到平滑图像,然后将原图像和平滑图像组合得到广义图像灰度共生矩阵,提取该矩阵的统计特征量,最后将该统计量组成归一化向量用以检索。
实验结果表明,本方法的效果要优于单纯的灰度共生矩阵法。
关键词:图像检索;基于内容的检索;平滑图像;共生矩阵中图法分类号:T P751;P237.3基于内容的图像检索[1]主要采用较低层次的图像特征,如颜色、纹理和形状等。
至于高层次的语义特征,由于在图像内容表示中出现的/语义鸿沟0问题[2]的解决还有待突破,而颜色、纹理和形状易于实现特征的自动提取,因而,现有的一些图像检索系统大都采用这几种特征或将这几种特征综合起来应用。
在图像检索中,较常用的纹理特征主要有Tamura 纹理特征、自回归纹理模型、方向性特征、小波变换和共生矩阵等形式[3]。
这些纹理分析方法的共同点就是提取了那些在特定纹理描述中最重要的特征,突出纹理的不同方面。
其中,基于共生矩阵的纹理检索算法被广泛应用。
共生矩阵法[4,5],又称为灰度联合概率矩阵法(灰度共生概率矩阵法),是对图像的所有像元进行统计调查,以便描述其灰度分布的一种方法。
此方法在多数情况下是有效的,但由于灰度共生矩阵本身具有方向性,从该矩阵提取的统计量只能反映某一方向的信息。
虽然检索时采用了4个方向的统计量作平均,但还是不能很好地表达图像的全局信息。
基于NSCT边缘直方图的草图检索陈曦;肖建【期刊名称】《计算机工程与应用》【年(卷),期】2015(000)022【摘要】There is a wide range applications of Sketch Based Image Retrieval. Considering the differences of sketches and images, it is to be proposed in this paper that a new approach of Sketch Based Image Retrieval through using NonSubsampled Contourlet(NSCT)transform and Edge Histogram Descriptor. By using NSCT transform decomposition of image to do edge detection for all subbands, and extract the edge histogram of the subbands that is used as describing the features of images and sketches. After comparing the method to the edge histogram descriptor, the experimental results show that the retrieval results are more accurate.%基于草图的图像检索，存在着大量的应用空间。
针对查询草图和数据库图像的差异，提出了一种利用非降采样Cotourlet（NSCT）变换和边缘直方图的草图检索算法。
利用NSCT变换分解图像，对所有子带进行边缘检测，提取子带的边缘直方图用来作为描述图像和草图的特征。
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。
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]。
一种基于分块与直方图相结合的灰度图像检索算法
丁志勇
【期刊名称】《甘肃科技》
【年(卷),期】2006(22)1
【摘要】利用色彩直方图计算简单并具有平移、旋转不变性等优点,通过给图像分块,从而比较好的解决了全局颜色的空间分布信息丢失问题.实验证明,该算法不失为一种较为有效的图像检索算法.
【总页数】2页(P59-60)
【作者】丁志勇
【作者单位】西北师范大学,数学与信息科学学院,甘肃,兰州,730070
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于HSV分块颜色直方图的图像检索算法 [J], 姜兰池;沈国强;张国煊
2.基于九分块的颜色直方图图像检索算法 [J], 何亚犇;冀小平
3.基于视觉权值的分块颜色直方图图像检索算法 [J], 王向阳;杨红颖;郑宏亮;吴俊峰
4.基于灰度直方图和投影技术的图像检索算法 [J], 邬长安;明生
5.基于分块颜色直方图和GWLBP的图像检索算法 [J], 陈璐宇;周春艳
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。
基于视觉特征的图像处理与检索技术研究图像处理与检索技术已经成为一个热门的研究方向，许多研究者致力于理解和利用图像中的视觉特征。
基于视觉特征的图像处理和检索技术能够大大提高图像检索的准确率和效率。
本文将介绍一些基于视觉特征的图像处理和检索技术，包括局部二值模式（LBP）、色彩直方图、特征点匹配等，并阐述其原理和应用。
一、局部二值模式（LBP）局部二值模式是一种用于图像处理和模式识别的局部特征描述符。
它的原理是将每个像素的灰度值与其周围像素进行比较，然后将比较的结果编码成二进制数。
具体来说，将每个像素的灰度值与其周围8个像素的灰度值进行比较，如果像素值大于中心像素值，则该像素点的权值为1，否则为0。
将这8个权值按顺序排列，得到一个二进制数，这个二进制数就是该像素点的LBP值。
通过对所有像素点进行LBP计算，可以得到一个LBP直方图表示该图像的纹理特征。
局部二值模式可以应用于物体检测、人脸识别等领域。
例如，在人脸识别中，可以提取每个人脸的LBP特征，在数据库中进行匹配，从而实现人脸识别。
二、色彩直方图色彩直方图是一种用于图像处理和检索的颜色特征描述符。
它描述了图像中不同颜色的出现频率，以及它们的亮度和饱和度。
具体来说，对于一个RGB 图像，可以将其转换为HSV 颜色空间，然后将其分成若干个色调、亮度和饱和度的柱状图，即得到了色彩直方图。
色彩直方图可用于图像分类和检索，例如，可以通过比较图像的色彩直方图，找到相似的图像。
此外，还可以使用色彩直方图实现目标检测，例如，在海洋生物图像的检测中，可以使用色彩直方图来定位鱼类和其他生物。
三、特征点匹配特征点匹配是一种用于图像处理和检索的局部特征描述符。
它的原理是在图像中找到具有明显边缘和纹理的特征点，并将这些点表示为局部特征，比如 SIFT 和 SURF。
然后，通过比较两个图像中的特征点，找到它们之间的相似性，从而实现图像的匹配和检索。
特征点匹配广泛应用于计算机视觉和机器人领域，比如在机器人和自动驾驶汽车中，可以使用特征点匹配来获取周围环境的信息，实现导航和避障；在机器人抓取和装配中，可以使用特征点匹配来实现目标的定位和姿态估计。
局部阴影条件下按梯度直方图的模糊相关图像检索马阿曼【摘要】在局部阴影条件下对图像进行检索会受到多种因素的干扰,影响检索结果的可靠性.针对局部阴影条件,提出一种基于梯度直方图的模糊相关图像检索方法,采用ICA降噪方法对局部阴影条件下的图像进行降噪处理,依据频域对图像进行增强处理.通过Sobel算子提取图像边缘,求出水平方向与垂直方向的亮度差分相近值,确定出每个方向关键边缘像素的数量,建立图像边缘梯度直方图.依据梯度直方图,通过斯皮尔曼等级相关系数求出检索图像与图像库内模糊相关图像的相关系数,确定出图像间的相近度,将相近度最高的图像看作模糊相关图像检索结果.经实验验证,所提方法检索效果好,检索性能高.%The retrieval of images under the condition of local shadow is affected by many factors , which will af-fect the reliability of the results .For partial shadow conditions , a fuzzy gradient histogram image retrieval method based on ICA was proposed , using the method of image denoising under partial shadow noise reduction processing , based on the frequency domain for image enhancement .Through the Sobel operator to extract the image edge , the horizontal and vertical direction of the brightness difference between the near value was obtained , the direction of each edge of the number of critical pixels was determined , the image edge gradient histogram was established .Ac-cording to the gradient histogram , Spielman correlation coefficient was obtained by correlation coefficient of image and image database retrieval in fuzzy image , determining the image are similar , as the image will be near the high-est degree of fuzzy image retrieval results .The experimental resultsshow that the proposed method has good retriev-al results and high retrieval performance .【期刊名称】《科学技术与工程》【年(卷),期】2017(017)036【总页数】6页(P90-95)【关键词】局部阴影;梯度直方图;模糊;相关图像;检索【作者】马阿曼【作者单位】武夷学院数学与计算机学院,武夷山 354300【正文语种】中文【中图分类】TP391.41目前,利用计算机进行图像检索已成为最常用的图像检索方式,在不同领域中得到了广泛应用。
基于灰度直方图和边界方向直方图的图像检索摘要：针对用传统灰度直方图方法检索图像效果不佳的问题，提出了结合灰度直方图和边界方向直方图的方法。
灰度直方图反映了灰度图像的整体亮度特征，而忽略了图像的空间分布。
而边界方向直方图则表征了图像的形状特征。
论文综合使用图像的颜色特征与形状特征进行图像，实验结果表明相比使用单个特征提高了检索正确率。
关键词：图像检索，灰度直方图，边界方向直方图1 前言随着互联网的发展，人类的生活已与网络密不可分。
网络共享的资源包括数目众多的文字、图像及视频等数据。
而如果用户需要从大量的图像中搜索到自己需要的一副图像，就需要应用图像检索技术。
图像检索技术包括基于文本的图像检索技术（text-based image retrieval，TBIR）和基于内容的图像检索技术（content-based image retrieval，CBIR）。
TBIR依靠人工对图像进行文字注解，利用文本检索实现对图像特征的查找。
由于文字很难反映图像中的完整内容，且费时费力，CBIR技术已渐渐不能适应图像检索的需求。
CBIR利用图像自身具有的颜色、纹理、形状及区域等特征，依靠例图在图像数据库中进行检索，实现了图像视觉内容特征的检索。
由于能更好地满足用户对图像的检索需求，CBIR 成为图像检索技术研究的主流。
灰度图像作为数字图像的一大类，具有灰度分辨率高的特点，包含了十分丰富的图像信息。
在MATLAB中，可以将数字图像转化成灰度图像，计算其灰度直方图作为图像的一个特征。
形状特征是图像的一种基本特征，也是人类视觉系统进行物体识别时所识别的关键信息之一。
边界方向直方图具有尺度不变性, 能够比较好的描述图像的大体形状。
综合特征检索就是综合图像的颜色、形状、纹理或空间位置等特征表示，计算图像特征向量。
各个特征间应有一个权重关系，由用户根据需要进行调整，以适应不同情况的查询。
本文采用的检索方式就是综合颜色特征和形状特征的图像检索，与单个特征检索相比，多特征组合的图像检索提高了检索正确率。
2 数字图像表示数字图像，又称为数码图像或数位图像，是二维图像用有限数值像素的表示。
数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用计算机或者数字电路存储和处理的图像。
像素是数字图像的基本元素，像素是在模拟图像数字化时对连续空间进行离散化得到的，每个像素具有各自的行、列坐标，同时每个像素都具有整数灰度值或颜色值。
每个图像的像素通常对应于二维空间中一个特定的点，并且有一个或者多个与那个点相关的采样值。
根据这些采样数目及其特性的不同，数字图像可以划分为：二值图像、灰度图像、彩色图像等。
二值图像(Binary Image)图像中每个像素的亮度值(Intensity)仅可以取自0到1的图像。
灰度图像(Gray Scale Image)也称为灰阶图像图像中每个像素可以由0(黑)到255(白)的亮度值表示。
0-255之间表示不同的灰度级。
彩色图像(Color Image)是由三幅不同颜色的灰度图像组合而成，一个为红色，一个为绿色，另一个为蓝色。
为了计算图像的灰度直方图，需要将彩色图像转化成灰度图像。
而图像由彩色图像转化为灰度图像有三种方法，分别为加权法、均值法。
最大值法。
本文采用加权法，即设一幅彩色图像某一像素点的红、绿、蓝颜色值分别为R、G、B，设转换后该像素点的灰度值为Gray，则灰度值由下式得到。
Gray=0.3*R+0.59*G+0.11*B3灰度直方图3.1 灰度直方图的定义一幅数字图像的灰度直方图就是一个灰度级的离散函数，可以用下式来表示图像灰度直方图的定义。
H(i)=n iN,i=0,1,……,L−1其中i表示灰度级，L表示灰度级种类数，n i表示图像中具有灰度级i的像素的个数，N表示图像总的像素数。
公式描述的是图像中具有该灰度出现的频率。
图像的灰度直方图提供了图像外观的一个全局描述，所提取的特征具有RST不变性，即旋转、比例和位移不变性，缺点是不能有效地表示图像的空间信息。
如下图所示，图b为图a的灰度直方图。
（a）（b）图1.图像灰度直方图3.2 直方图均衡针对灰度直方图存在的问题，我们需要提出改进的算法。
Stricker提出了累积颜色直方图方法。
累积直方图方法是以灰度值为横坐标，每种灰度出现的频数作为纵坐标。
故累积颜色直方图表示方法如下。
其中，K是图像的特征取值，L是特征可取值的个数。
n i是图像中特征取值为k的像素值的个数，N是图像的总像素值。
在累积直方图中，相邻颜色在频数上是相关的。
虽然累积直方图的存储量和计算量有很小的增加，但是累积直方图消除了直方图中常见的零值问题，经过累积处理，可以保持两种颜色在特征轴上的距离与它们之间匹配的相似程度成正比关系。
除了累积直方图外，还有许多改进的算法，如梁艳梅等提出了一种基于直方图模糊相关的彩色图像检索算法等。
4 边界方向直方图通常情况下，形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征。
图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。
而边界直方图即通过对边界特征的描述来获取图像的形状参数，作为一副图像区别于其他图像的特征。
先讨论图像边缘检测。
常用的边缘检测算子有Roberts算子、Sobel算子、Prewitt算子、Canny算子等。
一副图像是由很多离散的像素点组成的，这些算子将用差分近似偏导数。
Canny算子是目前最好的图像边缘检测算子。
它是高斯函数的一阶导数，是对信噪比与定位之乘积的最优化逼近算子。
Canny算子的实现是一个多阶段的处理过程，首先对图像进行Gaussian平滑，然后对于平滑后的图像进行一个Roberts算子运算。
用I[i,j]表示图像，使用可分离滤波方法求图像与高斯平滑滤波器卷积，得到一个平滑数据阵列：S[i,j]=G[i,j;σ]∗I[i,j]其中，σ（取σ=1）是高斯函数的散步参数，控制平滑程度；S[i,j]为平滑后的数据阵列；G[i,j;σ]为高斯平滑滤波器。
平滑后的数据阵列S[i,j]经过Roberts算子得到x、y上的分量：P[i,j]≈(S[i,j+1]−S[i,j]+S[i+1,j+1]−S[i+1,j])/2Q[i,j]≈(S[i,j]−S[i+1,j]+S[i,j+1]−S[i+1,j])/2变换后的图像为D[i,j]=|P[i,j]|+|Q[i,j]|这样就得到了Canny方法运算以后的边缘图像。
在此边缘图像的基础上就可以简历边界方向直方图H[i]。
为了计算方便，本论文中对边界方向以10度为范围进行划分形成一个36级的方向直方图，最后采用欧式距离来衡量两个边界方向直方图的距离。
边界方向不受图像中对象的位置的影响，为了达到尺度不变性，可对得到的边界方向直方图进行归一化处理：H[i]=H[i]/S其中，S为图像的面积。
（a）灰度图（b）用Canny算子提取的边缘图像（c）边界方向直方图图2 边界方向直方图5 图像相似性度量相似度计算采用欧式距离计算方法。
设示例图像X 的特征矢量为(x0,x1,…,xt)，数据库中图像Y 的特征矢量为(y0,y1,...,yt)，则X 和Y 之间的相似性度量为：D (X,Y )=√∑(x i −y i )2t i=0（5-1）在本文中，分别对两幅图像的灰度直方图和边界方向直方图进行欧式距离计算，可得到距离D1和D2。
而两幅图像的总距离则由下式得到：D =ðD1+(1−ð)D2其中，ð代表灰度直方图在图像特征中占的权重。
一般地，颜色和形状对图像的检索具有同样的重要性，即ð取0.5。
特殊情况下，如果用户对检索图像的形状或者颜色具有更严格的要求，则可调整该特征相应的权重。
D 值越小，表明两幅图像的距离越小，即越相似。
6 实验6.1 实验检索结构综合特征检索就是综合图像的颜色、形状、纹理或者空间位置等特征表示，计算图像特征向量。
各个特征间应有一个权重关系，即前面提到的ð。
本实验采用综合颜色和形状两种特征进行图像检索，ð取0.5。
综合特征检索有两种检索结构，一种是异步组合检索，另一种是同步组合检索。
本实验采用同步组合检索，即一次查询可以通过对图像的多种特征进行相似性度量，对每次度量附以相应的权值，最后通过求加权和得到距离。
6.2 实验结果和分析本实验采用内部图利查询，即待查询图像是从检索系统的数据库中选出的。
实验中采用的图像为原始图像、改变对比度后的图像、放缩后的图像、旋转后的图像、加噪声后的图像等。
图3 检索结果实验结果表明，综合颜色与形状特征与使用单个特征相比提高了检索正确率。
仅使用灰度直方图进行检索时，用时仅为综合颜色与形状特征进行检索的1/4，但正确率远远不及综合颜色与形状特征图像检索。
这是因为灰度直方图仅考虑了图像各级灰度占图像的概率，并未考虑图像的空间分布信息，而具有相似灰度直方图的两幅图像可能颜色分布差异很大。
增加形状特征则增加了对图像形状的考虑，但也相应增加了计算量，因此检索正确率提高了，但检索效率却降低了。
7 总结本文通过综合颜色特征和形状特征的图像检索方法，介绍了灰度直方图、边界方向直方图等，并以基于灰度直方图和边界方向直方图的图像检索为例进行实验。
下一步的工作目标是如何在进一步提高检索正确率的情况下提高检索效率。
参考文献[1]周明全，耿国华等.基于内容图像检索技术.北京：清华大学出版社，2007[2]孙君顶，赵珊.图像低层特征提取与检索技术.北京：电子工业出版社，2009[3] 王娟，孔兵，贾巧丽.基于颜色特征的图像检索技术[J]，计算机系统应用，2011，20（7）：160-164.[4] 史变霞，张明新，乔小妮，郝瑞芝. 基于颜色特征的图像检索方法[J]，微电子学与计算机，2010，27（4）：158-161[5] R.C. Gonzalez, R.E. Woods, Digital Image Processing, 3rd edition. Prentice Hall, 2007.[6]黄元元.基于视觉特征的图像检索技术研究.博士学位论文，南京理工大学，2003.[7]耿国华. 周明全.常用色彩量化算法的性能分析.小型微型计算机系统，1998，19（9）：46-49.[8]刘忠伟.利用局部累加直方图进行彩色图像检索.中国图像图形学报，1998, 3(7): 533-537.[9]孙君顶，武学东，周利华.基于颜色和形状的图像检索.计算机科学，2004b, 31(5):180-183.。
