CN101714257A - 图像主颜色特征提取和结构化描述的方法 - Google Patents

Abstract

本发明涉及一种图像主颜色特征提取和结构化描述的方法，其中包括输入待处理图像、选择颜色空间、在颜色空间中对图像颜色进行量化、计算归一化的颜色直方图并得到每种颜色的像素数目占整个图像像素数目的百分比、根据百分比获得图像的主颜色、计算主颜色方差和空间相关性、对图像的主颜色特征进行编码并得到关于图像主颜色特征的描述。采用了该种图像主颜色特征提取和结构化描述的方法，通过比较两幅图像主颜色特征之间的相似程度来判别两幅图像的相似性，快速查找到相同或相似的图像，处理过程简单方便，工作性能稳定可靠，对提高图像检索效率和质量、增强对图像分析和理解能力有重要作用，适用范围较为广泛，广泛用于图像检索、机器视觉和智能视频监控领域。

Description

图像主颜色特征提取和结构化描述的方法

技术领域

本发明涉及图像处理领域，特别涉及图像颜色特征处理技术领域，具体是指一种图像主颜色特征提取和结构化描述的方法。

背景技术

随着计算机处理能力日益增强、因特网(Internet)技术的广泛普及和网络带宽不断提高，大量的图像信息不断地产生。如何从这些海量图像数据中搜索人们感兴趣的图像并有效利用这些图像，成为迫切需要解决的问题。基于内容的图像检索(CBIR)是解决这一问题的重要技术之一。基于内容的图像检索是指利用图像内容特征(包括颜色特征、形状特征、纹理特征)对图像进行查询。

现有技术中，申请号为00803530.X的中国专利文献中公开了一种用于分析图像纹理信息的装置及其方法，可在提取纹理信息中描述纹理的取向和周期性。申请号为200310118093.X的中国专利文献中公开了一种形状描述符抽取方法和一种图像搜索方法，能够有效地应用到活动视频压缩技术和基于该活动视频压缩技术的图像搜索技术。

图像的颜色特征作为一种重要的图像视觉特征，在图像检索和视频图像分析方面有重要的应用价值，但是在现有技术中，目前还没有图像特征抽取和描述方面相关的解决方案。

发明内容

本发明的目的是克服了上述现有技术中的缺点，提供一种能够精确有效地对图像的颜色视觉特征进行提取和描述、处理过程简单方便、工作性能稳定可靠、适用范围较为广泛的图像主颜色特征提取和结构化描述的方法。

为了实现上述的目的，本发明的图像主颜色特征提取和结构化描述的方法如下：

该图像主颜色特征提取和结构化描述的方法，其主要特点是，所述的方法包括以下步骤：

(1)计算机系统输入待处理的图像；

(2)计算机系统选择一个颜色空间；

(3)计算机系统在所述的颜色空间中对该图像的颜色进行量化处理；

(4)计算机系统计算出归一化的颜色直方图，得到每种颜色的像素数目占整个图像像素数目的百分比；

(5)计算机系统根据该百分比获取该图像的主颜色；

(6)计算机系统计算该主颜色的方差和空间相关性；

(7)计算机系统对该图像的主颜色特征进行编码，得到该图像主颜色特征的描述信息。

该图像主颜色特征提取和结构化描述的方法中的颜色空间可以为RGB空间、YCbCr空间、HSV空间、HMMD空间或者单色空间。

该图像主颜色特征提取和结构化描述的方法中的在颜色空间中对图像的颜色进行量化处理，包括以下步骤：

(11)将颜色空间划分成若干个小的颜色区间，每个小的颜色区间称一个维；

(12)将该图像的每个像素的颜色根据所划分的维进行归并分类。

该图像主颜色特征提取和结构化描述的方法中的计算出归一化的颜色直方图并得到每种颜色的像素数目占整个图像像素数目的百分比，具体为：

根据以下公式计算出归一化的颜色直方图，并得到每种颜色的像素数目占整个图像像素数目的百分比：

$p_i=\frac{x_i}{X};$

其中，x_i表示图像中第i种颜色的像素数量，X表示整个图像的像素数量。

该图像主颜色特征提取和结构化描述的方法中的根据百分比获取图像的主颜色，包括以下步骤：

(21)根据每种颜色的像素数目所占的百分比按照从大到小的顺序进行排序；

(22)根据需要按照百分比从大到小依此选取数个颜色作为主颜色。

该图像主颜色特征提取和结构化描述的方法中的选取的颜色的数量不超过8个。

该图像主颜色特征提取和结构化描述的方法中的计算主颜色的方差，具体为：

根据以下公式计算主颜色的方差：

${\mathrm{CV}}_j=\frac{1}{M}{\mathrm{\Σ}}_{k=0}^{M-1}{(m_j-p_{k_j})}^2;$

其中，j表示颜色分量下标，m_j表示该主颜色的第j个分量，表示第k个像素的第j个分量值，M表示该种主颜色的像素的个数，CV_j可量化成1个比特，其中CV_j为“0”表示低方差，CV_j为“1”表示高方差。

该图像主颜色特征提取和结构化描述的方法中的计算主颜色的空间相关性，具体为：

根据该主颜色像素归一化的8点邻域连通性的均值来计算得到该主颜色的空间相关性。

该图像主颜色特征提取和结构化描述的方法中的主颜色特征包括颜色空间信息、颜色量化信息、主颜色数目、主颜色值、主颜色像素所占的百分比、主颜色方差、主颜色的空间相关性。

该图像主颜色特征提取和结构化描述的方法中的对图像的主颜色特征进行编码，具体为：

采用可扩展标记语言或者二进制的可扩展标记语言对图像的主颜色特征进行描述编码。

采用了该发明的图像主颜色特征提取和结构化描述的方法，由于其中能够对整幅图像或某个感兴趣区域的颜色视觉特征进行有效地提取和描述，从而在图像检索时，可以通过比较两幅图像主颜色特征之间的相似程度来判别两幅图像的相似性，以便于能够快速查找到相同或相似的图像，不仅处理过程简单方便，而且工作性能稳定可靠，对提高图像检索效率和质量、增强对图像的分析和理解的能力有重要作用，同时适用范围较为广泛，可广泛用于图像检索、机器视觉和智能视频监控等领域。

附图说明

图1为本发明的图像主颜色特征提取和结构化描述的方法的流程图。

图2为本发明的图像主颜色特征提取和结构化描述的方法的具体实施方式中进行主颜色特征提取的目标图像的示意图。

图3为本发明的图像主颜色特征提取和结构化描述的方法的具体实施方式中所提取的主颜色示意图。

具体实施方式

为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。

请参阅图1所示，该图像主颜色特征提取和结构化描述的方法，其主要特点是，所述的方法包括以下步骤：

(1)计算机系统输入待处理的图像；

(2)计算机系统选择一个颜色空间；该颜色空间可以为RGB空间、YCbCr空间、HSV空间、HMMD空间或者单色空间；

(3)计算机系统在所述的颜色空间中对该图像的颜色进行量化处理，包括以下步骤：

(a)将颜色空间划分成若干个小的颜色区间，每个小的颜色区间称一个维；

(b)将该图像的每个像素的颜色根据所划分的维进行归并分类；

(4)计算机系统计算出归一化的颜色直方图，得到每种颜色的像素数目占整个图像像素数目的百分比，具体为：

根据以下公式计算出归一化的颜色直方图，并得到每种颜色的像素数目占整个图像像素数目的百分比：

$p_i=\frac{x_i}{X};$

其中，x_i表示图像中第i种颜色的像素数量，X表示整个图像的像素数量；

(5)计算机系统根据该百分比获取该图像的主颜色，包括以下步骤：

(a)根据每种颜色的像素数目所占的百分比按照从大到小的顺序进行排序；

(b)根据需要按照百分比从大到小依此选取数个颜色作为主颜色；该选取的颜色的数量不超过8个；

(6)计算机系统计算该主颜色的方差和空间相关性；该计算主颜色的方差，具体为：

根据以下公式计算主颜色的方差：

${\mathrm{CV}}_j=\frac{1}{M}{\mathrm{\Σ}}_{k=0}^{M-1}{(m_j-p_{k_j})}^2;$

其中，j表示颜色分量下标，m_j表示该主颜色的第j个分量，

表示第k个像素的第j个分量值，M表示该种主颜色的像素的个数，CV_j可量化成1个比特，其中CV_j为“0”表示低方差，CV_j为“1”表示高方差；

该计算主颜色的空间相关性，具体为：

根据该主颜色像素归一化的8点邻域连通性的均值来计算得到该主颜色的空间相关性；

(7)计算机系统对该图像的主颜色特征进行编码，得到该图像主颜色特征的描述信息，该主颜色特征包括颜色空间信息、颜色量化信息、主颜色数目、主颜色值、主颜色像素所占的百分比、主颜色方差、主颜色的空间相关性；该对图像的主颜色特征进行编码，具体为：

采用可扩展标记语言或者二进制的可扩展标记语言对图像的主颜色特征进行描述编码。

在实际应用当中，主颜色特征提取就是用几种主要颜色来表现感兴趣区域的颜色信息。主颜色特征包括：颜色空间信息、颜色量化信息、主颜色数目、主颜色值、主颜色像素所占的百分比、主颜色方差、主颜色的空间相关性。图像的主颜色特征可以用下式进行定义：

F＝{β，Q，{c_i，p_i，v_i}，s，N}    (i＝1，2，......，N)        ......(1)

其中，β表示选择的颜色空间信息，是一个可选项；Q表示颜色量化信息，是一个可选项；c_i表示第i个主颜色；p_i表示第i个主颜色所占的百分比；v_i表示第i个主颜色的方差，是一个可选项；s表示主颜色的空间相关性，是一个可选项；N表示主颜色的数目。

为了实现上述目的，本发明所提供的图像主颜色特征的提取和描述方法包括：

(a)输入一幅图像；

(b)选择一个颜色空间；

(c)在此颜色空间中对图像颜色进行量化；

(d)计算出归一化的颜色直方图，得到每种颜色的像素数目占整个图像像素数目的百分比；

(e)根据该百分比获得该图像的主颜色；

(f)计算主颜色方差和空间相关性；

(g)对图像的主颜色特征进行编码，得到关于图像主颜色特征的描述。

其中，步骤(b)中可选取的颜色空间包括：RGB、YCbCr、HSV、HMMD、单色空间等，也可以自定义颜色空间，但是必须提供与RGB间的转换矩阵。

步骤(c)中在选定的颜色空间中对图像颜色进行量化，颜色量化(Color Quantization)就是将颜色空间划分成若干个小的颜色区间，每个小区间称一个维(bin)。

步骤(d)统计量化后每种颜色的像素数量，计算出归一化的颜色直方图，得到每种颜色的像素数目占整个图像像素数目的百分比。计算公式为：

$p_i=\frac{x_i}{X}......\left(2\right)$

其中，x_i表示图像中第i种颜色的像素数量，X表示整个图像的像素数量。

步骤(e)中根据步骤(c)获得的每种颜色像素的百分比获得图像的主颜色，具体方法是：根据每种颜色像素的百分比按照从大到小的顺序进行排序，然后根据需求从前至后选取若干个主颜色，一般选取的主颜色不超过8个。

步骤(f)为一个可选项，主颜色方差按照下式进行计算：

${\mathrm{CV}}_j=\frac{1}{M}{\mathrm{\Σ}}_{k=0}^{M-1}{(m_j-p_{k_j})}^2......\left(3\right)$

其中，j表示颜色分量下标，m_j表示该主颜色的第j个分量，

表示第k个像素的第j个分量值，M表示该种主颜色的像素的个数，CV_j可量化成1个比特，其中CV_j为“0”表示低方差，CV_j为“1”表示高方差。

步骤(f)中颜色的空间相关性为每个主颜色的空间相关性的加权求和，权值与该主颜色像素数成正比。每个主颜色的空间相关性根据该主颜色像素归一化的8点邻域连通性的均值来计算。

步骤(g)采用可扩展标记语言(XML)、二进制的可扩展标记语言(Binary XML)对图像的主颜色特征进行描述编码。

请参阅图1所示，采用本发明的图像主颜色特征提取和结构化描述的方法流程包括：

(a)输入一幅图像；

(b)选择一个颜色空间；

(c)在此颜色空间中对图像颜色进行量化；

(d)计算出归一化的颜色直方图，得到每种颜色的像素数目占整个图像像素数目的百分比；

(e)根据该百分比获得该图像的主颜色；

(f)计算主颜色方差和空间相关性；

(g)对图像的主颜色特征进行编码，得到关于图像主颜色特征的描述。

再请参阅图2所示，图2为本发明实施例要进行主颜色特征提取的目标图像，图像的分辨率为572×457，24位彩色图像，图像文件格式为JPEG。

主颜色特征提取和描述的过程如下：

(1)首先，选择图像的颜色空间为：RGB颜色空间；

(2)其次，在此颜色空间中进行颜色量化：每个颜色分量量化为256bin；

(3)再次，计算归一化的颜色直方图，得到每种颜色占整个图像像素数目的百分比；

(4)然后，根据百分比情况选取8个主颜色，这8个主颜色分别如图3所示，对应的RGB颜色向量分别为：(48，87，161)、(94，96，81)、(128，165，216)、(2，2，2)、(166，190，222)、(213，218，222)、(118，148，226)和(226，198，153)，其百分比分别为1％、0％、6％、1％、5％、2％、2％和8％；

(5)计算主颜色方差，并进行量化，其方差分别为：(0，0，1)、(1，1，1)、(0，0，0)、(0，0，0)、(1，0，1)、(0，0，0)，选择不计算主颜色的空间相关性；

(6)最后，采用XML语言对上述主颜色特征数据进行编码，产生关于图像主颜色特征的描述，具体如下：

<？xml version＝″1.0″encoding＝″utf-16″？>

<DominantColorSample>

  <DescriptionUnit xsi:type＝″DescriptorCollectionType″>

    <Descriptor xsi:type＝″DominantColorType″>

      <ColorSpace Type＝″RGB″/>

      <ColorQuantization>

        <Component>R</Component>

        <NumofBins>256</NumofBins>

        <Component>G</Component>

        <NumofBins>256</NumofBins>

        <Component>B</Component>

        <NumofBins>256</NumofBins>

      </ColorQuantization>

      <SpatialCoherency>1</SpatialCoherency>

      <Value>

        <Percentage>3</Percentage>

        <Index>48 87 161</Index>

        <ColorVariance>0 0 1</ColorVariance>

      </Value>

      <Value>

        <Percentage>0</Percentage>

        <Index>94 96 81</Index>

        <ColorVariance>1 1 1</ColorVariance>

      </Value>

      <Value>

        <Percentage>6</Percentage>

        <Index>128 165 216</Index>

        <ColorVariance>0 0 0</ColorVariance>

      </Value>

      <Value>

        <Percentage>1</Percentage>

        <Index>2 2 2</Index>

        <ColorVariance>0 0 0</ColorVariance>

      </Value>

      <Value>

        <Percentage>5</Percentage>

        <Index>166 190 222</Index>

        <ColorVariance>0 0 0</ColorVariance>

      </Value>

      <Value>

        <Percentage>2</Percentage>

        <Index>213 218 222</Index>

        <ColorVariance>1 0 1</ColorVariance>

      </Value>

      <Value>

        <Percentage>2</Percentage>

        <Index>118 148 226</Index>

        <ColorVariance>0 0 0</ColorVariance>

      </Value>

      <Value>

        <Percentage>8</Percentage>

        <Index>226 198 153</Index>

        <ColorVariance>0 0 0</ColorVariance>

      </Value>

    </Descriptor>

  </DescriptionUnit>

</DominantColorSample>

采用了上述的图像主颜色特征提取和结构化描述的方法，由于其中能够对整幅图像或某个感兴趣区域的颜色视觉特征进行有效地提取和描述，从而在图像检索时，可以通过比较两幅图像主颜色特征之间的相似程度来判别两幅图像的相似性，以便于能够快速查找到相同或相似的图像，不仅处理过程简单方便，而且工作性能稳定可靠，对提高图像检索效率和质量、增强对图像的分析和理解的能力有重要作用，同时适用范围较为广泛，可广泛用于图像检索、机器视觉和智能视频监控等领域。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (10)

1.一种图像主颜色特征提取和结构化描述的方法，其特征在于，所述的方法包括以下步骤：

(1)计算机系统输入待处理的图像；

(2)计算机系统选择一个颜色空间；

(3)计算机系统在所述的颜色空间中对该图像的颜色进行量化处理；

(4)计算机系统计算出归一化的颜色直方图，得到每种颜色的像素数目占整个图像像素数目的百分比；

(5)计算机系统根据该百分比获取该图像的主颜色；

(6)计算机系统计算该主颜色的方差和空间相关性；

(7)计算机系统对该图像的主颜色特征进行编码，得到该图像主颜色特征的描述信息。

2.根据权利要求1所述的图像主颜色特征提取和结构化描述的方法，其特征在于，所述的颜色空间为RGB空间、YCbCr空间、HSV空间、HMMD空间或者单色空间。

3.根据权利要求1所述的图像主颜色特征提取和结构化描述的方法，其特征在于，所述的在颜色空间中对图像的颜色进行量化处理，包括以下步骤：

(11)将颜色空间划分成若干个小的颜色区间，每个小的颜色区间称一个维；

(12)将该图像的每个像素的颜色根据所划分的维进行归并分类。

4.根据权利要求1所述的图像主颜色特征提取和结构化描述的方法，其特征在于，所述的计算出归一化的颜色直方图并得到每种颜色的像素数目占整个图像像素数目的百分比，具体为：

根据以下公式计算出归一化的颜色直方图，并得到每种颜色的像素数目占整个图像像素数目的百分比：

$p_i=\frac{x_i}{X};$

其中，x_i表示图像中第i种颜色的像素数量，X表示整个图像的像素数量。

5.根据权利要求1所述的图像主颜色特征提取和结构化描述的方法，其特征在于，所述的根据百分比获取图像的主颜色，包括以下步骤：

(21)根据每种颜色的像素数目所占的百分比按照从大到小的顺序进行排序；

(22)根据需要按照百分比从大到小依此选取数个颜色作为主颜色。

6.根据权利要求5所述的图像主颜色特征提取和结构化描述的方法，其特征在于，所述的选取的颜色的数量不超过8个。

7.根据权利要求1所述的图像主颜色特征提取和结构化描述的方法，其特征在于，所述的计算主颜色的方差，具体为：

根据以下公式计算主颜色的方差：

${\mathrm{CV}}_j=\frac{1}{M}{\mathrm{\&Sigma;}}_{k=0}^{M-1}{(m_j-p_{k_j})}^2;$

其中，j表示颜色分量下标，m_j表示该主颜色的第j个分量，

表示第k个像素的第j个分量值，M表示该种主颜色的像素的个数，CV_j可量化成1个比特，其中CV_j为“0”表示低方差，CV_j为“1”表示高方差。

8.根据权利要求1所述的图像主颜色特征提取和结构化描述的方法，其特征在于，所述的计算主颜色的空间相关性，具体为：

根据该主颜色像素归一化的8点邻域连通性的均值来计算得到该主颜色的空间相关性。

9.根据权利要求1所述的图像主颜色特征提取和结构化描述的方法，其特征在于，所述的主颜色特征包括颜色空间信息、颜色量化信息、主颜色数目、主颜色值、主颜色像素所占的百分比、主颜色方差、主颜色的空间相关性。

10.根据权利要求1所述的图像主颜色特征提取和结构化描述的方法，其特征在于，所述的对图像的主颜色特征进行编码，具体为：

采用可扩展标记语言或者二进制的可扩展标记语言对图像的主颜色特征进行描述编码。

Images