基于颜色特征的图像检索方法

基于颜色特征的图像检索技术王娟;孔兵;贾巧丽【摘要】The color features, as an important visual information of image, have been widely used in the Content-Based Image Retrieval(CBIR) because of the simple calculation and better robustness.According to the color features of the image , this paper makes systematic discussion and research on color space(color space transformation), colorquantification(HSV color space), color features extraction and color characteristic similarity measurement.Then,through classic color segment histogram algorithm, the entire process of Color-based Image Retrieval is proposed.Finally, the existent problems and further research direction of the color-based image retrieval is summarized.%在基于内容的图像检索(CBIR)中,颜色特征作为图像的一种重要视觉信息,由于计算简单,鲁棒性强,已经得到了广泛的应用.从图像的颜色特征出发,针对颜色空间(颜色空间的转换)、颜色的量化(HSV 颜色空间)、颜色特征提取及表示和颜色特征的相似性度量做了系统讨论和研究.接着通过经典的分块颜色直方图算法来介绍基于颜色特征的图像检索全过程.最后总结了基于颜色特征的图像检索研究存在的问题以及进一步的研究方向.【期刊名称】《计算机系统应用》【年(卷),期】2011(020)007【总页数】5页(P160-164)【关键词】图像检索;颜色特征;HSV颜色空间;分块颜色直方图算法【作者】王娟;孔兵;贾巧丽【作者单位】河南大学,计算机与信息工程学院,开封,475004;河南大学,计算机与信息工程学院,开封,475004;河南大学,计算机与信息工程学院,开封,475004【正文语种】中文1 引言近年来，随着多媒体技术及网络技术的迅速发展，图像资源越来越丰富，传统的基于文本的图像检索方法由于对文字标注的主观性和繁琐性，已经不能满足检索需要，在这种情况下，基于内容的图像检索(Content-Based image Retrieval,CBIR)[1]技术应运而生。

基于代表色的图像检索方法研究自从计算机技术出现以来，图像处理和图像检索已经成为了研究的热点课题。

随着计算机处理速度的提高，图像检索技术也越来越受到重视，在人们的日常生活中，各种各样的图像检索方法也得以实现。

在现在的图像检索技术中，基于代表色的图像检索方法受到人们的广泛关注，它是一种以图像代表色为检索和分类的依据，可以有效地进行图像检索和分类的新兴技术。

基于代表色的图像检索方法使得图像检索更容易和更快速，因为它能够基于图像的代表色有效地对图像进行检索和分类。

它可以将搜索空间缩小，提高搜索准确率，可以有效准确的找到与图像有关的相关图像。

此外，基于代表色的图像检索方法还可以利用图像的代表色，为图像分割及特征提取等技术提供有效的参考信息。

基于代表色的图像检索方法主要包括三个基本步骤：1、计算图像中的代表色；2、构建索引；3、检索图像。

首先，要计算图像中的代表色，并将代表色按一定的方式表达出来，可以使用各种参考颜色建模技术，如色相-饱和度-明度/色调，HSV、RGB；其次，要建立索引，将图像的代表色编码为索引，并建立索引文件；最后，根据索引文件，通过图像的代表色，检索和分类图像。

基于代表色的图像检索方法作为一种新兴的图像检索技术，近几年来在很多领域得到了广泛的应用。

目前，基于代表色的图像检索方法已经应用在使用手机上的社交网站，搜索引擎，和电子商务等行业。

比如在社交网站上，使用颜色检索技术可以迅速找到和图片颜色相似的图片；在搜索引擎上，可以使用颜色检索技术搜索图像，更加准确的找到需要的图片；在电子商务行业，可以使用颜色检索技术，快速根据消费者对商品颜色的偏好，提供相似的商品。

图像检索技术是一门复杂的技术，基于代表色的图像检索方法的研究成果将会更加全面和深入地探索图像检索技术，从而更好地为人们提供便利。

未来，基于代表色的图像检索方法将会发展得越来越好，为人们提供更加快捷和便利的图像检索功能。

近年来，基于代表色的图像检索方法受到了越来越多研究者的关注。

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)。

基于颜色特征的彩色图像检索方法
田玉敏;林高全
【期刊名称】《西安电子科技大学学报（自然科学版）》
【年(卷),期】2002(029)001
【摘要】在彩色图像检索中，颜色是最重要的特征．提出了一种基于HSV颜色模型的图像检索算法，该算法根据人类视觉系统对颜色感知的经验值对图像的色调、亮度和饱和度进行非均匀量化，并将量化后得到的256柄一维矢量展开成16×16的特征矩阵，通过线性变换的方法求出特征矩阵的特征值，构成仅有16个元素的特征矢量，从而有效地压缩了特征矢量的维数，减小了特征数据库的规模，提高了图像的在线查询速度．同时，为提高图像查准率，采用了基于全局和局部颜色特征的分层查找策略．试验表明，根据用户给出的示例图像，通过两层查询技术能够获得较好的检索效果．
【总页数】4页(P43-46)
【作者】田玉敏;林高全
【作者单位】西安电子科技大学,计算机外部设备研究所,陕西,西安,710071;西安电子科技大学,计算机外部设备研究所,陕西,西安,710071
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于图片颜色特征的图像检索方法研究 [J], 刘颜华
2.综合颜色特征的彩色图像检索方法 [J], 刘芳;王改梅
3.基于模糊颜色特征和模糊相似度的图像检索方法 [J], 王春静;刘丽;谭艳艳;张化祥
4.基于RGB颜色特征的海报图像自动检索方法 [J], 王旭
5.基于感知颜色特征、子图像分割和多重Bitmap的彩色图像检索方法 [J], 邹彬;潘志斌;乔瑞萍;禹贵辉;姜彦民
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]。

基于分块颜色核特征的图像检索方法王琪;杜娟;徐国清;程彬【期刊名称】《现代电子技术》【年(卷),期】2015(000)015【摘要】颜色特征是图像最直观的特征，传统的颜色直方图虽然能够描述图像中各颜色分量的比例，然而却破坏了图像各颜色分量的空间位置分布信息，从而使得图像检索结果不准确。

因此，提出一种分块颜色核特征的方法，使用重叠分块策略，强调图像中心的视觉内容，同时，设计颜色核函数将分块颜色直方图映射到核特征空间，更准确地描述图像颜色特征。

经过实验证明，该方法与全局颜色直方图相比，分块颜色特征有较高的查准率和查全率。

%Color feature is the most intuitive features of images. Even though the traditional color histogram can describe re⁃spective color component in image,spatial location distribution information of respective color component is destroyed. It makes the image retrieval results inaccurate. Because of this reason,a method ofblock color kernel feature is proposed,which uses overlap block strategy to emphasize visual content of image center zone. Block color histogram is mapped to kernel feature space by the designed color kernel function,so the image color features are described more accurately. The experimental results show that in comparison with global color histogram method and block color feature method,the proposed method has higher precision ratio and recall ratio.【总页数】4页(P42-44,49)【作者】王琪;杜娟;徐国清;程彬【作者单位】南阳理工学院计算机与信息工程学院，河南南阳 473000;南阳理工学院计算机与信息工程学院，河南南阳 473000;南阳理工学院计算机与信息工程学院，河南南阳 473000;南阳理工学院软件学院，河南南阳 473000【正文语种】中文【中图分类】TN911.73-34;TP391【相关文献】1.基于分块颜色矩和纹理特征的图像检索方法 [J], 徐琨;李燕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.基于分块主颜色特征和EHD的图像检索方法 [J], 靳婷婷;胡燕翔;李博达5.基于分块颜色体积核特征和MLBP的图像检索 [J], 刘芳辉;郭慧因版权原因，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。

基于内容的图像检索方法研究基于内容的图像检索方法研究导言随着数字图像的大量生成和传播，如何高效地检索和管理这些图像成为了重要的研究课题。

基于内容的图像检索方法应运而生，通过提取图像的特征信息，以内容为导向进行检索，避免了传统的基于文本标签或关键字的图像检索方法的局限性。

本文将探讨基于内容的图像检索方法的研究进展以及其在实际应用中的优势与挑战。

一、基于内容的图像特征提取方法1.1 颜色特征颜色是图像中最直观的特征，广泛用于图像检索中。

常用的颜色特征提取方法包括色彩直方图、颜色矩和颜色矢量等。

色彩直方图将图像中的颜色分布统计起来，通过对颜色直方图的比较来实现图像检索。

颜色矩则利用颜色的统计特性描述图像的颜色信息。

颜色矢量将颜色信息表示为一个多维向量，可以计算不同图像之间的相似性。

1.2 纹理特征纹理是图像中具有规律性的局部区域的特征，通常由纹理单元构成。

常见的纹理特征提取方法包括灰度共生矩阵（GLCM）、局部二值模式（LBP）和Gabor滤波器等。

GLCM通过统计图像中不同像素之间的灰度分布关系，来描述图像的纹理特征。

LBP则通过将每个像素与其周围像素进行比较，获得代表像素的二进制编码。

Gabor滤波器则是一种特殊的滤波器，通过对图像进行多个尺度和不同方向的滤波，提取不同频率和方向的纹理特征。

1.3 形状特征形状是图像中物体的外观轮廓或内部结构，具有一定的不变性和描述性。

常见的形状特征提取方法包括边界描述子（BDS）、区域边界描述子（RBD）和Zernike矩等。

BDS通过对图像边界的采样点进行特征的提取，能够描述图像的轮廓特征。

RBD则通过将图像分成不同的区域，并分别提取每个区域的边界特征，从而获得更丰富的形状信息。

Zernike矩则是通过对图像进行变换，并通过计算变换后图像的幅度和相位谱来描述形状特征。

二、基于内容的图像检索方法2.1 基于相似性的图像检索方法基于相似性的图像检索方法通过计算图像之间的相似度来进行检索。