基于内容的图像检索技术研究

摘 要 随着图像和视频资源的日益丰富，基于关键字和描述文本的传统检索模式己不能胜任使用需要，有效管理海量数据资源的需求变得日益迫切。基于内容的检索技术应运而生，它综合了图像理解、计算机视觉、数据库和人工智能等多学科知识，具有内容描述客观、方便、灵活，入库自动化程度高，应用前景广阔等诸多优点，受到了越来越广泛的重视，并得到了迅速的发展。本文从颜色内容以及纹理内容方面，实现了基于全局特征的图像检索和基于局部特征的子图像检索。在基于颜色内容特征的图像检索中，对HSV彩色空间计算3D直方图，再进行图像检索。实验表明，该方法的检索效果要优于单一的颜色直方图法。在基于纹理特征的图像检索方面，本文讨论了基于DTCWT的纹理特征描述模型。最后，本文设计和实现了一个基于图像库数据库的图像检索系统。 关键字： 基于内容的图像检索，颜色特征，纹理特征? 1.1?? 引言 基于内容的图像检索是在缺乏图像理解的情况下，研究如何通过图像的视觉特征(如颜色、纹理或形状等)来表示图像的内容，并以从图像中所获取的视觉特征作为图像内容的索引。基于内容的图像分析的目标并不是去追求对图像语义的真正理解，而是希望经过对图像分析后抽取一些具有较强区分能力而且尽可能向图像语义靠近的特征，利用这些特征作为索引来实现图像的相似性检索。 通过计算机对图像数据自动的进行视觉特征的分析并建立索引，可以极大程度的改善传统检索手段在客观性、自动化程度、表达的充分性以及智能化程度等方面的局限，使海量图像数据的管理和索引成为可能。这样，除了基于人工文本标注的关键词检索手段外，用户还可以利用图像的视觉特征来表达查询。 从图像库的数据来源来看，后者在于针对特定内容的图像信息，图像的采集和内容均受到了很强的人工干预和限定，而后者不强调图像的采集而更具随意性；从特征的定义上来看，后者多是与领域紧密相连，并且特征提取算法与特定图像库的祸合度很高，而前者更强调采用通用的视觉感受特征；从使用目的上来，后者主要在于准确识别，而前者在于对海量数据的自动分类和管理，强调相似性。但是，肯定可以的是，基于内容的图像检索技术必将为特定领域的图像库技术的发展带来重要贡献。当基于内容的图像检索技术逐步走向成熟，能够达到对图像的较高程度的自动化和智能化管理时，它将带来非常有价值的应用。 1.2?? 国内外研究现状分析 基于内容的图像检索是一个综合的研究课题，其完整的实现要借鉴多个领域的知识，包括图像处理、计算机视觉、模式识别、数据库技术、多媒体技术、人工智能、机器学习以及心理学等。因此，从不同领域切入该课题，还有其他的一些研究方向，包括图像分割、查询交互方式(Ul)、相关反馈技术、高维索引技术、图像数据管理国际标准MPEG4和MPEG7等。 在图像内容的提取方面，目前被普遍认为最确切的底层图像视觉特征主要有图像颜色、纹理和形状特征。因此，从视觉特征分类上讲，基于内容的图像检索关键技术被分为基于颜色的图像检索、基于纹理的图像检索和基于形状的图像检索。 在基于颜色的图像检索方面，Swain和Ballard于 1991年，首先提出了使用颜色直方图作为图像颜色特征的表示方法[3]。他们指出，颜色直方图相对于图像的以观察轴为轴心的旋转以及幅度不大的平移和缩放等几何变换是不敏感的，而且颜色直方图对于图像质量的变化也不甚敏感。颜色直方图的这种特性使得它比较适合于检索图像的全局颜色相似性的场合。在全局直方图的基础上，stricker和Orengo进一步提出了“累积颜色直方图”的概念。他们的研究结果和章毓晋的实验结果都表明累积颜色直方图的效果要好于全局颜色直方图。另一种思路认为，图像中少数几种颜色涵括了图像中的大多数像素，由此主色法被提出，但是对于颜色丰富的自然场景，主色的确定往往伴随着较大的复杂性的和不准确性。无论是颜色直方图法还是主色法，在颜色提取过程中都丢弃了颜色的空间分布信息。 T.S.chua等人提出了一种基于分块签名的颜色索引方式，固定划分图像具有计算简单，不需要对图像进行分割处理的优点。但是，固定划分并不考虑像素间的相关性，它可能把相关的像素分离，也可能把不相关的像素组合在一起，从而影响了所提取特征的一致性。 纹理分析是计算机视觉中研究时间最长的领域之一，可以追溯到20世纪60年代末和70年代初在遥感方面的应用研究。Haraliek、sh咖ugam和Dinstein于1973年提出了共生矩阵特征，用于分析遥感图像，现己被借鉴到基于纹理的图像检索研究上。Laws纹理能量模板能计算数值纹理特征[8]，在实际中得到了广泛应用。Tueeryan和Jain提出了纹理分析的结构方法。形状是一种比颜色和纹理包含更多的语义信息的视觉特征。人类的视觉系统可以依据先验知识和透视原理将图像中的形状轻而易举恢复出来，但是，形状特征的提取却严重依赖于图像分割技术，即事先把图像中的形状的边界标识出来。在缺乏领域知识的情况下，针对形状边界的图像分割的鲁棒性和准确性还面临着许多难以克服的问题。 从基于内容的图像检索研究策略上来讲，与明确的进行图像的某种视觉特征提取和匹配(比如颜色或纹理)不同，目前的一个研究热点是基于区域的图像检索，即子图像检索，这种策略试图将检索的精度提高至子图像水平，研究主要集中于图像局部区域的提取上，其主要思想是通过图像分割技术提取图像中的对象，进而在对象所在区域进行颜色、纹理等特征的抽取和索引。 1.3?? 本文的主要内容 本文阐述了基于内容的图像检索的概念、必要性和现实意义。随后讨论了本领域的研究发展和应用现状。本文的主要内容分三个部分：第一，从图像处理和分析的角度，讨论了基于内容的图像检索技术的内涵，随后给出了基于内容的图像检索系统的结构框图 。第二，基于颜色特征的图像检索技术，分别讨论了颜色模型的选择、颜色特征的表达方法和匹配方法。第三，基于纹理特征的图像检索技术，讨论了Laws纹理能量法和灰度共生矩阵法，在此基础上，通过计算共生矩阵的能量、嫡、对比度和均匀性四种数值特征，来生成紧凑的特征表达。