基于颜色的图像检索

1.1研究目的及意义 基于内容的图像检索技术，目前己被应用于多媒体通信、生物识别、知识产权保护等方面，在一定程度上解决了目前许多领域中海量图像的管理和检索中存在的问题，具有广阔的发展前景。但由于基于内容的图像检索的关键技术，如图像理解和模式识别等研究尚存在许多难以解决的问题，现行的图像检索技术还处于不成熟的阶段。因此，基于内容的图像检索技术仍具有广阔的发展空间和学习前景。在基于内容的图像检索的众多特征中，颜色特征是图像的主要特征之一，也是图像最底层、最直观的物理特征，通常对噪声、尺寸、分辨率和方向等变化具有很强的鲁棒性，是基于内容的图像检索最经常使用的特征之一。因此，将基于颜色特征的图像检索作为本文的研究重点，是对图像检索技术的进一步学习与探讨，将具有重要的学习意义和应用前景。 目前，基于内容的图像检索技术作为计算机图形图像研究的一个前沿领域，己经受到越来越多人的关注，但也存在许多问题，如复杂内容图像中的图像分割得到的区域经常不能形成有意义的物体;区域匹配不能完全符合用户对相似性的理解，目前流行的大多算法，不论是基于哪种特征都有计算量大这一缺点，即使采用了人工智能等方法，但远未达到人们对于图像理解的要求;许多检索算法用到了反馈技术，但大部分算法都是将其作为辅助手段，反馈技术无法很好的优化检索算法等。因此，基于内容的图像检索技术仍有很大的发展空间和研究前景。基于内容的图像检索方法能够很好的表达出图像的视觉特征，但只涉及了图像的表面特征，无法达到人类的理解水平，即无法表达图像的语义内涵。因此在基于内容的图像检索的基础上需要进行进一步的改进，使计算机检索图像的能力达到人的理解水平，即实现基于语义的图像检索。基于语义的图像检索立足于图像的语义特征，研究如何将图像的低层视觉特征映射到图像高层语义，以及如何描述这些高层语义。 1.2研究现状 基于内容的图像检索技术开始于90年代初期，因其直观(示例描述)、高效(相似性匹配检索)、通用(与领域知识无关)等特点，近年来成为国际国内的一个研究热点。此技术涉及图像处理、模式识别、计算机视觉、数据库管理以及信息检索等技术领域。在目前的研究水平上，基于内容的图像检索技术主要是以低层视觉特征（如颜色、纹理、形状等）的相似性匹配检索为主，辅之以高层语义特征。当前无论是在理论研究领域，还是在商业应用领域，相关的研究人员对基于 内容的图像检索进行了积极的探索和实践，各种基于内容的图像检索系统相继问世，促进了图像检索技术的发展。国外著名系如:IBM公司的QBIC系统，是第一个商用基于内容的图像检索系统，它的系统结构及所采用的技术对后来的检索系统有很深远的影响。QBIC支持基于例子图像、用户构造的略图、选择颜色、纹理等的查询，在它的新系统中，又把基于文本的关键字查询与基于内容的相似性查询结合在一起。国外其他典型系统代表有:Virage公司的VIR工程系统、MIT的Photo book系统、哥伦比亚大学的Visual SEEK和Web SEEK查询系统以及美国伊利诺斯大学的MARS系统等。国内较有代表性的系统有:浙江大学计算机系研究的基于图像颜色的检索系统Photo Navigator和基于形状的图像检索系统PhotoEngineer、清华大学的Internet上静态图像的基于图像内容检索的原形系统、中科院计算技术研究所数字化技术研究室开发的Image Hunter系统、南京邮电学院研制的基于纹理和颜色特征的实验系统[8]等。这些系统的框架和查询的处理过程都很相似，只是采用的特征和搜索方法各具特色，性能也互有差异。 1.3本课题研究内容 本文详细讨论了国内外基于内容的图像检索技术的研究现状与成果，对基于内容的图像检索系统进行了介绍，分析和研究了图像检索中的关键技术，包括特征提取、相似性度量以及性能评价标准。其中特征提取技术和相似性度量技术都属于基于内容的图像检索技术的核心问题。本文针对这两个问题，研究如何描述图像内容，准确提取特征，以及精确的对图像内容进行相似性度量。本文提出了一种基于颜色特征的图像检索方法。首先对图像颜色空间进行量化，得到颜色直方图的信息熵；然后对图像进行分块，确定图像的分块主色。将图像颜色直方图熵值特征与分块主色特征结合起来作为图像特征进行检索。