CN103995860B - 一种基于颜色特征提取的图像检索系统及其方法 - Google Patents

一种基于颜色特征提取的图像检索系统及其方法 Download PDF

Info

Publication number
CN103995860B
CN103995860B CN201410208267.XA CN201410208267A CN103995860B CN 103995860 B CN103995860 B CN 103995860B CN 201410208267 A CN201410208267 A CN 201410208267A CN 103995860 B CN103995860 B CN 103995860B
Authority
CN
China
Prior art keywords
image
color
matrix
block
checked
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201410208267.XA
Other languages
English (en)
Other versions
CN103995860A (zh
Inventor
刘磊锋
张矩
陈芋文
钟坤华
杨涌
王湘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Institute of Green and Intelligent Technology of CAS
Original Assignee
Chongqing Institute of Green and Intelligent Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Institute of Green and Intelligent Technology of CAS filed Critical Chongqing Institute of Green and Intelligent Technology of CAS
Priority to CN201410208267.XA priority Critical patent/CN103995860B/zh
Publication of CN103995860A publication Critical patent/CN103995860A/zh
Application granted granted Critical
Publication of CN103995860B publication Critical patent/CN103995860B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于颜色特征提取的图像检索系统及其方法，该方法保留了现有检索方法中旋转、缩放不变性的优点，添加了反映空间分布的局部颜色特征，具有反映色彩空间分布信息的能力；本发明首先提取图像的彩色边缘获得图像边缘矩阵，基于图像边缘矩阵检索图像中最大颜色块和其相邻的色块，然后通过颜色空间变化提取两色块的颜色特征对并采用欧式距离度量图像间的相似性；另外，该系统则可以实现图像的快速检索。本发明克服现有技术中基于颜色直方图在同一灰度值的数量之间进行比较而没有反映颜色空间分布导致空间信息的丢失的缺陷，从而有效地提高图像检索的查准率和查全率，增强了图像检索的灵活性。

Description

一种基于颜色特征提取的图像检索系统及其方法
技术领域
本发明涉及图像的检索领域，主要是利用计算机技术来实现对图像的精确索引和查找，更加具体地来说，特别指基于颜色特征提取来进行图像检索的系统及方法。
背景技术
伴随着数字信息化和因特网技术的普及，数字图像资源的增长速度越来越快，要对大规模的并且正在不断增加的图像集进行人工的自由文本描述就显得力不从心，不能适应网络多媒体信息检索的要求。在90年代以后，基于内容的图像检索(CBIR)技术应运而生，从图像自身内容信息的角度来检索图像库。
基于内容的图像检索是当前多媒体检索的热门话题，是直接采用图像内容来实现图像信息检索的一门技术。其发展与研究涉及到语义特征、多维索引、用户接口、系统设计等众多学科分支。如何有效准确的表达图像特征是基于内容的图像检索技术的核心问题，目前主要采用图像的底层视觉特征(如颜色、纹理、形状)描述图像内容信息。
颜色作为最稳定的视觉特征，一直是图像检索使用的主要特征之一。其中颜色直方图更是以计算简单且具有旋转、平移不变性等优点，成为图像检索应用最为广泛的颜色特征。如果采用颜色直方图比较两幅图的相似性，只是在同一灰度值的数量之间进行比较，没有反映出颜色在空间分布的不同，因此造成空间信息的丢失。例如，要检索与一副带有大熊猫图像(假设为图像A)相关的图像(即通过检索获得的图像，假设为图像B)，如果，采用目前颜色直方图比较两幅图的相似性的方法来检索图像，那么得到的图像B可能具备黑色眼睛、白色身体及黑色四肢这几样与该图像A中熊猫特征一样的图像，但是检索到的图像B中的具备该黑色眼睛、白色身体及黑色四肢这几样特征的空间位置却并不一定是按照大熊猫的样子来组成的，其可能只是具备黑色眼睛、白色身体及黑色四肢这几样特征的其他动物的图像(即通过检索得到的图像B与需要做检索的图像A之间可能完全不一样，从而造成了检索结果的混乱)。因此，如何增添空间信息特征，有效提高图像检索的查准率和查全率，增强了图像检索的灵活性，成为急待解决的问题。
发明内容
鉴于以上所述的现有在图像检索方法中所存在的缺陷而导致检索结果难以满足检索质量等情况，本发明提供一种基于颜色特征提取的图像检索系统及其方法，用于解决和改善以上所存在的问题以在现有图像检索方法的基础上提供一种更加精确的检索方法和系统，从而进一步地提高图像检索的查准率和查全率，所述一种基于颜色特征提取的图像检索系统及其方法的具体技术方案如下：
一种基于颜色特征提取的图像检索方法，应用于藉由客户端及服务端构建的网络链路系统中，所述服务端具有存储有多个图像的数据库，所述图像检索方法包括：检测到待检图像输入后，分别提取所述待检图像及所述数据库中预存图像的彩色边缘轮廓，并对各该彩色边缘轮廓进行处理分别得到所述待检图像及预存图像的边缘矩阵；依据各该边缘矩阵抽取其图像的最大颜色块和同该最大颜色块距离最近的相邻颜色块，并根据颜色直方图分别获取该最大颜色块和相邻颜色块的颜色直方图特征，以分别形成该待检图像的颜色特征对及预存图像的颜色特征对；将所述待检图像的颜色特征对和所述预存图像的颜色特征对逐一进行空间距离度量得到相应的度量值，并根据该度量值进行比对以将数据中的同所述待检图像的度量值最匹配的预存图像作有序输出至该客户端。
进一步地，在以上所述技术方案中，提取图像的边缘矩阵的具体方法为：读取图像的RGB颜色值；利用Canny算子提取出该图像的彩色边缘轮廓，以得到该图像的边缘矩阵；具体地来说，利用该Canny算子检测该图像的彩色边缘轮廓的具体方法为：用高斯滤波器对图像进行滤波，以消除图像中的噪声；对该图像边缘中的每一个像素分别进行横向与纵向上的微分计算，以得到该像素的梯度的幅值和方向；对该像素的梯度的幅值进行非极大值抑制以将该像素邻域内强度值有显著变化的点凸显出来，以得到该图像的二值图像；设置高阀值和低阀值对该二值图像进行边缘检测和连接，以实现对该二值图像的整个图像边缘闭合。其中，用高斯滤波器对图像进行滤波的方法主要是利用一维高斯核对该图像分别进行两次加权以实现滤波，或者利用二维高斯核对该图像进行一次卷积以实现滤波；并且根据实际的测试和使用发现，该高斯滤波器的大小为3×3的高斯滤波器时效果较佳。进一步地，在以上所述技术方案中，对该像素的梯度的幅值进行非极大值抑制的具体方法为：确定该像素的幅值在依据该像素的梯度的方向划分为0°、45°、90°、135°四个方向及其反向延长线方向的8值邻域内是否为最大：若是则进行标记保留，若不是则进行标记剔除。其中，设置高阀值和低阀值对该二值图像进行边缘检测和连接的方法为：在图像中把高阈值进行连接成边缘轮廓，当到达该轮廓的断点时，依据该低阀值在该断点的8值邻域内重新寻找满足该低阈值的边缘点，再以该边缘点进行边缘连接，直到整个图像边缘闭合。更进一步地，在实际的测试和使用中，该低阀值为图像中所有像素梯度的平均值，该高阀值为自定义且大于该低阀值。
进一步地，在以上所述技术方案中，获取该最大颜色块的颜色直方图特征的具体方法为：根据Canny检测算子获取图像对应的矩阵元素全部为0或者1的边缘矩阵，获取该边缘矩阵中矩阵元素全部为0的所有零矩阵，并通过对比找出最大的零矩阵的坐标；获取该相邻颜色块的颜色直方图特征的具体方法为：初始化中心横坐标数组和中心纵坐标数组为零，获取最大颜色块以及其它颜色块矩阵的中心横纵坐标并保存在坐标数组中，并以最大颜色块的颜色块矩阵的中心坐标为中心来计算出距该最大颜色块距离最小的颜色矩阵并标记为相邻颜色块。
进一步地，在以上所述技术方案中，采用欧式距离对待检图像的颜色特征对和预存图像的颜色特征对进行空间距离度量，其具体方法为：
提取最大块的颜色直方图特征组成n维向量(l1，l2，l3，l4，l5...ln)，该n维向量中的每一维向量为图像RGB值落在自定义的颜色区间的像素点数；
提取相邻块的颜色直方图特征组成n维向量(r1，r2，r3，r4，r5...rn)；
计算该颜色特征对的欧式距离
另外，本发明还提供了一种基于颜色特征提取的图像检索系统，应用于藉由客户端及服务端构建的网络链路架构中，其特征在于，所述图像检索系统包括：数据库，建置于所述服务端，存储有多个图像；边缘矩阵生成模块，建置于所述客户端，检测到待检图像输入后，分别提取所述待检图像及所述数据库中预存图像的彩色边缘轮廓，并对各该彩色边缘轮廓进行处理分别得到所述待检图像及预存图像的边缘矩阵，并通过所述网络链路传输至服务端；计算模块，建置于所述服务端，依据所述客户端通过网络链路传输的各该边缘矩阵抽取其图像的最大颜色块和同该最大颜色块距离最近的相邻颜色块，并根据颜色直方图分别获取该最大颜色块和相邻颜色块的颜色直方图特征，以分别形成该待检图像的颜色特征对及预存图像的颜色特征对；匹配模块，建置于所述服务端，将所述待检图像的颜色特征对和所述预存图像的颜色特征对逐一进行空间距离度量得到相应的度量值，并根据该度量值进行比对以将数据中的同所述待检图像的度量值最匹配的预存图像作有序输出至该客户端。
如上所述，传统基于颜色直方图的图像检索方式，只是在同一灰度值的数量之间进行比较，没有反映颜色空间分布的特点，因此造成空间信息的丢失，而本发明保留了原算法旋转、缩放不变性的优点，添加了反映空间分布的局部颜色特征，具有反映色彩空间分布信息的能力；本发明首先采用canny算子提取图像的彩色边缘获得图像边缘矩阵，基于图像边缘矩阵检索图像中最大颜色块和其相邻的色块，然后通过颜色空间变化提取两色块的颜色特征对并采用欧式距离度量图像间的相似性。因此，通过本发明，可以有效提高图像检索的查准率和查全率，增强图像检索的灵活性。
附图说明
图1为本发明一种基于颜色特征提取的图像检索方法的原理示意图。
图2显示为基于颜色特征提取的图像检索方法中进行非极大值抑制的示意图。
图3显示为找出图像中最大颜色的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。
针对目前采用颜色直方图比较两幅图的相似性，只是在同一灰度值的数量之间进行比较，没有反映出颜色在空间分布的不同，因此造成空间信息的丢失，本发明公开了一种基于颜色特征提取的图像检索方法，见图1，示出了所述基于颜色特征提取的图像检索方法的原理示意图，本发明在提高图像检索系统性能的同时，增强了图像检索的灵活性。该基于颜色特征提取的图像检索方法，应用于藉由客户端及服务端构建的网络链路系统中，所述服务端具有存储有多个图像的数据库，所述图像检索方法具体技术方案如下：
检测到待检图像输入后，分别提取所述待检图像及所述数据库中预存图像的彩色边缘轮廓，并对各该彩色边缘轮廓进行处理分别得到所述待检图像及预存图像的边缘矩阵；
依据各该边缘矩阵抽取其图像的最大颜色块和同该最大颜色块距离最近的相邻颜色块，并根据颜色直方图分别获取该最大颜色块和相邻颜色块的颜色直方图特征，以分别形成该待检图像的颜色特征对及预存图像的颜色特征对；
将所述待检图像的颜色特征对和所述预存图像的颜色特征对逐一进行空间距离度量得到相应的度量值，并根据该度量值进行比对以将数据中的同所述待检图像的度量值最匹配的预存图像作有序输出至该客户端。
以上所述基于颜色特征提取的图像检索方法融合了能够在一定程度上反映空间分布的局部颜色特征(即颜色特征对之间的距离度量)，具有了反映色彩空间分布信息的能力，改进了原有算法易丢失空间信息的不足，使得图像检索性能得到提高，同时，本方法保留了图像的传统直方图特征，且不破坏原算法旋转、缩放不变性的优点，因此具有十分优秀的检索效果。
具体地，通过以上技术方案可知，该基于颜色特征提取的图像检索方法通过增加度量待检图像和存储于数据中的图像上颜色特征之间的空间距离来克服现有技术中由于现有检索方法无法反应图像颜色分布的空间信息的缺陷。为了达到这一目的，首先需要对待检图像进行检测以得到该检索图像的图像边缘及表示图像边缘的边缘矩阵，这是因为，图像边缘部分集中了图像的大部分信息，图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的，同时也是图像分割所依赖的重要特征。具体地来说，图像边缘是指图像局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。因此，边缘检测主要是图像的灰度变化的度量、检测和定位。对图像进行边缘检测的方法很多，本发明基于颜色特征提取的图像检索方法中所采用的Canny算子来实现对图像的边缘检测。
为了进一步阐述本发明，下面以利用Canny检测方法对待检图像进行边缘检测为例来具体说明上述技术方案中对图像进行边缘检测处理得到边缘矩阵的原理和方法。
首先，实现图像的边缘检测是为了标识数字图像中亮度变化明显的点，然后在图像中将这些位置的点连起来就构成了所谓的图像边缘，已达到对图像特征提取的目的。对图像进行边缘检测主要包括滤波、增强、以及检测等步骤，下面将对利用Canny检测方法来对待检图像进行边缘检测作具体说明。
滤波，由于边缘检测的方法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测的性能。常见的滤波方法主要有高斯滤波，即利用一维高斯核对该图像分别进行两次加权以实现滤波，或者利用二维高斯核对该图像进行一次卷积以实现滤波。
具体地，在利用高斯滤波器来对图像进行滤波时，首先读取图像的RGB颜色值，然后利用一维高斯核对该图像分别进行两次加权以实现滤波，或者利用二维高斯核对该图像进行一次卷积以实现滤波。需要理解的是，只要确定了相应的参数就可以确定高斯核，这是本领域中公知的方法，因此这里就不再赘述。特别地，在实际测试和使用中发现，采用3×3的高斯滤波器进行滤波，其效果较佳。
增强，对图像边缘进行增强的基础是确定图像中各像素点邻域强度的变化值，从而可以将邻域(或局部)强度值有显著变化的点突显出来，边缘增强主要是通过计算梯度幅值来完成的。
具体地，关于图像中各像素点的梯度可使用一阶有限差分来进行近似，这样就可以得图像中各像素点在x和y方向上偏导数的两个矩阵，即对该图像边缘中的每一个像素分别进行横向与纵向上的微分计算，以得到该像素的梯度的幅值和方向。
另外，图像中像素点的梯度的幅值矩阵中的元素值越大，说明图像中该像素点的梯度值越大，但这并不能说明该点就是边缘(这仅仅是属于图像增强的过程)，在Canny检测方法中，非极大值抑制是进行边缘检测的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点置为0，这样可以剔除掉一大部分非边缘的点。
例如，据图2可知，要进行非极大值抑制，就首先要确定像素点(为了方便说明，这里以像素点A代表该像素点)的幅值在其8值邻域内是否为最大，图1中线条b的线条方向为像素点A的梯度方向，这样就可以确定像素点A局部的最大值肯定分布在这条线上，也即除了像素点A外，梯度方向的交点P1和P2这两个点的值也可能会是局部最大值。因此，判断像素点A的幅值与该交点P1和P2的幅值大小即可判断像素点A是否为其邻域内的局部最大幅值。如果经过判断，像素点A的幅值小于该P1和P2中任意一个的幅值，那就说明像素点A不是局部极大值，那么则可以排除像素点A为边缘。
应当理解地是，实际上实际上，我们只能得到像素点A邻域的8个点的值(即图2中G1至G8这8个点的值)，而交点P1和P2并不在其中，要得到交点P1和P2的幅值就需要对该交点P1和P2两端的已知像素幅值进行线性插值，也即根据图1中的G1和G2对P1进行插值，根据g3和g4对P2进行插值，此时要用到像素点A的梯度方向。
在完成非极大值抑制后，会得到一个二值图像，其非边缘的点幅值均为0，可能为边缘的局部梯度极大值点可设置其幅值为128，该梯度极大值的幅值可以由人工设定(也即确定该像素的幅值在依据该像素的梯度的方向划分为0°、45°、90°、135°四个方向及其反向延长线方向的8值邻域内是否为最大：若是则进行标记保留，若不是则进行标记剔除)。即便是这样，该非极大值抑制的检测结果还是包含了很多由噪声及其他原因造成的假边缘，因此还需要进一步的处理。
检测，在图像中有许多像素点的梯度幅值比较大，而这些点并不都是边缘，所以需要确定哪些点是边缘点，其中，最简单的边缘检测判据是梯度幅值阈值判据。
具体地，阈值越低，能够检测出的边线越多，结果也就越容易受到图片噪声的影响，并且越容易从图像中挑出不相关的特性。与此相反，一个高的阈值将会遗失细的或者短的线段。本发明中所采用的方法是双阈值法，即选择两个阈值(包括高阀值和低阀值)，根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但是由于阈值较高，产生的图像边缘可能不闭合，为了解决这个问题就需要用到另外一个低阈值。即在高阈值图像中把边缘连接成边缘，当到达该边缘的断点时，在该断点的8值邻域内中寻找满足该低阈值的点，再根据该低阈值的点收集新的边缘，直到整个图像边缘闭合。在实际应用中，该两个阀值通常选用图像中所有像素梯度的平均值作为该低阀值，而该高阀值为自定义且要大于该低阀值。
至此，通过以上所述技术方案，我们便可以获取到图像的边缘矩阵。需要理解的是，该基于颜色特征提取的图像检索方法不仅仅是要获取待检图像的边缘矩阵，同时也要获取该存储于数据库中的图像的边缘矩阵，以为后面对图像进行进一步处理和将待检图像与数据库中的图像进行匹配做准备。
进一步地，在根据以上方法获得图像的边缘矩阵后，还需要依据各该边缘矩阵抽取待检图像与数据库中的图像的最大颜色块和同该最大颜色块距离最近的相邻颜色块，并根据颜色直方图分别获取该最大颜色块和相邻颜色块的颜色直方图特征，以分别形成该待检图像的颜色特征对及预存图像的颜色特征对。其中，该颜色直方图特征描述了图像中关于颜色的数量特征，可以反映颜色直方图图像颜色的统计分布和基本色调，由于颜色直方图可以是基于不同的颜色空间和坐标系，故通常采用矩阵来加以表示。对于颜色直方图特征的相关细节在技术领域属于通晓的技术，故下面不再赘述。
具体地，获取该最大颜色块的颜色直方图特征的具体方法为：根据Canny检测算子获取图像对应的边缘矩阵(矩阵元素全部为0或者1的矩阵)，找出边缘矩阵中的所有零矩阵(矩阵中的元素全部为零)，进行对比找出最大的零矩阵的坐标。而获取该相邻颜色块的颜色直方图特征的具体方法为：初始化中心横坐标数组和中心纵坐标数组为零，获取最大颜色块以及其它颜色块矩阵的中心横纵坐标并保存在坐标数组中，并以最大颜色块的颜色块矩阵的中心坐标为中心来计算出距该最大颜色块距离最小的颜色矩阵并标记为相邻颜色块。
举例来说，见图3，这里假设获取图像对应的边缘检测矩阵为SFinal，初始化最大颜色块的最大面积max＝0，最大颜色块矩阵的左上角坐标点的横坐标row＝0,纵坐标col＝0，长度length＝0，宽度width＝0,记录边缘检测矩阵中最大的0矩阵外的其它0矩阵横纵标的数组zero_row,记录边缘检测中最大的0矩阵外的其它0矩阵纵坐标的数组zero_col,记录边缘检测矩阵中最大的0矩阵外的其它0矩阵的长度数组zero_length，记录边缘检测矩阵中最大的0矩阵外的其它0矩阵的数组宽度zero_width，数组下标k＝0，接着：
S01a，获取SFinal矩阵的行数m，列数n；
S02a，初始化n+1个0元素数组b，n个0元素的数组l，n个0元素的数组r；
S03a，初始化i＝0；
S04，初始化j＝0；
S05a，如果SFinal(i，j)＝＝0，则b[j]＝b[j]+1，否则b[j]＝0；
S06a，j＝j+1，转至S05，直到j等于n；
S07a，初始化j＝0；
S08a，找出以b[j]为矩阵高的左边界l[j],右边界r[j]；
S09a，j＝j+1，转至S08，直到j等于n；
S10a，初始化j＝0；
S11a，zero_row[k++]＝i-b(j)+1，
zero_col[k++]＝l(j)，
zero_length[k++]＝r(j)-l(j)+1，
zero_width[k++]＝b(j)；
S12a，如果(r[j]-l[j]+1)*b[j]>max，
max＝(r[j]-l[j]+1)*b[j]，
Max＝b(j)*(r(j)-l(j)+1)，
row＝i-b(j)+1，col＝l(j)，
length＝r(j)-l(j)+1，
width＝b(j)；
S13a，j＝j+1，转至S11，直到j等于n；
S14a，i＝i+1，转至S04，直到i＝m。
接着，获取该相邻色颜色块的方法(即找出边缘矩阵中最大的0矩阵的相邻0矩阵)为：
S01b，在求最大颜色块矩阵时已经获取所有0矩阵块：
zero_row，
zero_col，
zero_length，
zero_width，
而最大颜色块0矩阵左上角坐标点的横坐标row，纵坐标col，长度length，宽度width；初始化0矩阵中心横坐标数组centrl_row，0矩阵中心纵坐标数组centrl_col，相邻颜色块下标nabor_mark；
S02b，初始化j＝0；
S03b，0矩阵块的中心横坐标centrl_row[j]＝zero_row[j]+zero_length/2，
0矩阵块的中心纵坐标centrl_col[j]＝zero_col[j]+zero_width/2；
S04b，j＝j+1,转至S03b，直到j等于length(centrl_row)；
S05b，计算最大块0矩阵中心横坐标
max_centrl_row＝row+length/2，
max_centrl_col＝col+width/2；
S06b，初始化坐标点距离
S07b，初始化j＝1；
S08b，如果distance小于
则及
nabor_mark＝j；
S09b，j＝j+1,转至S08b，直到j等于length(centrl_row)。
进一步地，在以上基础上，再采用欧式距离对待检图像的颜色特征对和预存图像的颜色特征对进行空间距离度量，其方法为：
提取最大块的颜色直方图特征组成n维向量(l1，l2，l3，l4，l5...ln)，该n维向量中的每一维向量为图像RGB值落在自定义的颜色区间的像素点数；
提取相邻块的颜色直方图特征组成n维向量(r1，r2，r3，r4，r5…rn)；
计算该颜色特征对的欧式距离
至此，综合以上所述的技术方案，再将所述待检图像的颜色特征对和所述预存图像的颜色特征对逐一进行空间距离度量得到相应的度量值，并根据该度量值进行比对以将数据中的同所述待检图像的度量值最匹配的预存图像作有序输出至该客户端。
另外，本发明还提供了一种基于颜色特征提取的图像检索系统，应用于藉由客户端及服务端构建的网络链路架构中，其特征在于，所述图像检索系统包括：数据库，建置于所述服务端，存储有多个图像；边缘矩阵生成模块，建置于所述客户端，检测到待检图像输入后，分别提取所述待检图像及所述数据库中预存图像的彩色边缘轮廓，并对各该彩色边缘轮廓进行处理分别得到所述待检图像及预存图像的边缘矩阵，并通过所述网络链路传输至服务端；计算模块，建置于所述服务端，依据所述客户端通过网络链路传输的各该边缘矩阵抽取其图像的最大颜色块和同该最大颜色块距离最近的相邻颜色块，并根据颜色直方图分别获取该最大颜色块和相邻颜色块的颜色直方图特征，以分别形成该待检图像的颜色特征对及预存图像的颜色特征对；匹配模块，建置于所述服务端，将所述待检图像的颜色特征对和所述预存图像的颜色特征对逐一进行空间距离度量得到相应的度量值，并根据该度量值进行比对以将数据中的同所述待检图像的度量值最匹配的预存图像作有序输出至该客户端。
需要理解的是，在实际中，可以预先对数据库中的图像进行处理得到其颜色特征对的欧式距离，并将该欧式距离预存在数据库中，这样当需要进行图像检索的时候只要对待检图像的进行处理并得到该待检图像的颜色特征对的欧氏距离，然后再将该待见图像的欧式距离同数据库中预存的图像的欧式距离进行比对匹配即可完成检索，从而可以有效提高检索的速度和效率。
如上所述，传统基于颜色直方图的图像检索方式，只是在同一灰度值的数量之间进行比较，没有反映颜色空间分布的特点，因此造成空间信息的丢失，而本发明保留了原算法旋转、缩放不变性的优点，添加了反映空间分布的局部颜色特征，具有反映色彩空间分布信息的能力；本发明首先采用canny算子提取图像的彩色边缘获得图像边缘矩阵，基于图像边缘矩阵检索图像中最大颜色块和其相邻的色块，然后通过颜色直方图提取两色块的颜色直方图特征以形成颜色特征对，并采用欧式距离度量图像间的相似性。因此，通过本发明，可以有效提高图像检索的查准率和查全率，增强图像检索的灵活性。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本实用新型的原理及其功效，而非用于限制本实用新型。任何熟悉此技术的人士皆可在不违背本实用新型的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本实用新型所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本实用新型的权利要求所涵盖。

Claims (6)

1.一种基于颜色特征提取的图像检索方法，应用于藉由客户端及服务端构建的网络链路系统中，所述服务端具有存储有多个图像的数据库，其特征在于，所述图像检索方法包括：
检测到待检图像输入后，分别提取所述待检图像及所述数据库中预存图像的彩色边缘轮廓，并对各该彩色边缘轮廓进行处理分别得到所述待检图像及预存图像的边缘矩阵；
依据各该边缘矩阵抽取其图像的最大颜色块和同该最大颜色块距离最近的相邻颜色块，并根据颜色直方图分别获取该最大颜色块和相邻颜色块的颜色直方图特征，以分别形成该待检图像的颜色特征对及预存图像的颜色特征对；其中，获取该最大颜色块的颜色直方图特征的具体方法为：根据Canny检测算子获取图像对应的矩阵元素全部为0或者1的边缘矩阵，获取该边缘矩阵中矩阵元素全部为0的所有零矩阵，并通过对比找出最大的零矩阵的坐标；获取该相邻颜色块的颜色直方图特征的具体方法为：初始化该最大颜色块的颜色块矩阵的中心横坐标数组和中心纵坐标数组为零，获取最大颜色块的颜色块矩阵的中心坐标并以该中心坐标为中心来计算出距该最大颜色块距离最小的颜色矩阵并标记为相邻颜色块；
将所述待检图像的颜色特征对和所述预存图像的颜色特征对逐一进行空间距离度量得到相应的度量值，包括：采用欧式距离对待检图像的颜色特征对和预存图像的颜色特征对进行空间距离度量；该采用欧式距离对待检图像的颜色特征对和预存图像的颜色特征对进行空间距离度量的具体方法为：提取最大块的颜色直方图特征组成n维向量(l1，l2，l3，l4，l5…ln)，该n维向量中的每一维向量为图像RGB值落在自定义的颜色区间的像素点数；提取相邻块的颜色直方图特征组成n维向量(r1，r2，r3，r4，r5…rn)；计算该颜色特征对的欧式距离
根据该度量值进行比对以将数据中的同所述待检图像的度量值最匹配的预存图像作有序输出至该客户端。
2.根据权利要求1所述的基于颜色特征提取的图像检索方法，其特征在于，提取图像的边缘矩阵的具体方法为：
读取图像的RGB颜色值；
用高斯滤波器对图像进行滤波，以消除图像中的噪声；
对该图像边缘中的每一个像素分别进行横向与纵向上的微分计算，以得到该像素的梯度的幅值和方向；
对该像素的梯度的幅值进行非极大值抑制以将该像素邻域内强度值有显著变化的点凸显出来，以得到该图像的二值图像；
设置高阀值和低阀值对该二值图像进行边缘检测和连接，以实现对该二值图像的整个图像边缘闭合。
3.根据权利要求2所述的基于颜色特征提取的图像检索方法，其特征在于，用高斯滤波器对图像进行滤波的具体方法为：利用一维高斯核对该图像分别进行两次加权以实现滤波，或者利用二维高斯核对该图像进行一次卷积以实现滤波。
4.根据权利要求3所述的基于颜色特征提取的图像检索方法，其特征在于，对该像素的梯度的幅值进行非极大值抑制的具体方法为：
确定该像素的梯度的幅值在依据该像素的梯度的方向划分为0°、45°、90°、135°四个方向及其反向延长线方向的8值邻域内是否为最大：若是则进行标记保留，若不是则进行标记剔除。
5.根据权利要求4所述的基于颜色特征提取的图像检索方法，其特征在于，设置高阀值和低阀值对该二值图像进行边缘检测和连接的方法为：
在图像中把高阈值进行连接成边缘轮廓，当到达该轮廓的断点时，依据该低阀值在该断点的8值邻域内重新寻找满足该低阈值的边缘点，再以该边缘点进行边缘连接，直到整个图像边缘闭合，其中，该低阀值为图像中所有像素梯度的平均值，该高阀值为自定义且大于该低阀值。
6.一种基于颜色特征提取的图像检索系统，应用于藉由客户端及服务端构建的网络链路架构中，其特征在于，所述图像检索系统包括：
数据库，建置于所述服务端，存储有多个图像；
边缘矩阵生成模块，建置于所述客户端，检测到待检图像输入后，分别提取所述待检图像及所述数据库中预存图像的彩色边缘轮廓，并对各该彩色边缘轮廓进行处理分别得到所述待检图像及预存图像的边缘矩阵，并通过所述网络链路传输至服务端；
计算模块，建置于所述服务端，依据所述客户端通过网络链路传输的各该边缘矩阵抽取其图像的最大颜色块和同该最大颜色块距离最近的相邻颜色块，并根据颜色直方图分别获取该最大颜色块和相邻颜色块的颜色直方图特征，以分别形成该待检图像的颜色特征对及预存图像的颜色特征对；其中，获取该最大颜色块的颜色直方图特征的具体方法为：根据Canny检测算子获取图像对应的矩阵元素全部为0或者1的边缘矩阵，获取该边缘矩阵中矩阵元素全部为0的所有零矩阵，并通过对比找出最大的零矩阵的坐标；获取该相邻颜色块的颜色直方图特征的具体方法为：初始化该最大颜色块的颜色块矩阵的中心横坐标数组和中心纵坐标数组为零，获取最大颜色块的颜色块矩阵的中心坐标并以该中心坐标为中心来计算出距该最大颜色块距离最小的颜色矩阵并标记为相邻颜色块；
匹配模块，建置于所述服务端，将所述待检图像的颜色特征对和所述预存图像的颜色特征对逐一进行空间距离度量得到相应的度量值，包括：采用欧式距离对待检图像的颜色特征对和预存图像的颜色特征对进行空间距离度量；该采用欧式距离对待检图像的颜色特征对和预存图像的颜色特征对进行空间距离度量的具体方法为：提取最大块的颜色直方图特征组成n维向量(l1，l2，l3，l4，l5...ln)，该n维向量中的每一维向量为图像RGB值落在自定义的颜色区间的像素点数；提取相邻块的颜色直方图特征组成n维向量(r1，r2，r3，r4，r5...rn)；计算该颜色特征对的欧式距离并根据该度量值进行比对以将数据中的同所述待检图像的度量值最匹配的预存图像作有序输出至该客户端。
CN201410208267.XA 2014-05-16 2014-05-16 一种基于颜色特征提取的图像检索系统及其方法 Expired - Fee Related CN103995860B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410208267.XA CN103995860B (zh) 2014-05-16 2014-05-16 一种基于颜色特征提取的图像检索系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410208267.XA CN103995860B (zh) 2014-05-16 2014-05-16 一种基于颜色特征提取的图像检索系统及其方法

Publications (2)

Publication Number Publication Date
CN103995860A CN103995860A (zh) 2014-08-20
CN103995860B true CN103995860B (zh) 2017-10-03

Family

ID=51310025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410208267.XA Expired - Fee Related CN103995860B (zh) 2014-05-16 2014-05-16 一种基于颜色特征提取的图像检索系统及其方法

Country Status (1)

Country Link
CN (1) CN103995860B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104484425A (zh) * 2014-12-20 2015-04-01 辽宁师范大学 基于多特征的彩色图像检索方法
CN108764275B (zh) * 2018-04-10 2020-08-04 甘肃农业大学 叶片病害的识别方法和系统
CN110907132B (zh) * 2019-12-13 2022-06-07 中国人民解放军军事科学院国防科技创新研究院 一种波向探测方法、系统、设备、介质
CN111340739A (zh) * 2020-03-24 2020-06-26 珠海嘉润医用影像科技有限公司 一种图像处理方法及系统
CN112233019B (zh) * 2020-10-14 2023-06-30 长沙行深智能科技有限公司 一种基于自适应高斯核的isp颜色插值方法及装置
CN113688270A (zh) * 2021-08-24 2021-11-23 多点生活(成都)科技有限公司 图像处理方法、装置、终端设备和计算机介质
CN114996785B (zh) * 2022-06-13 2024-07-26 华侨大学 一种石板排版的智能选材方法及石板的排版方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763429A (zh) * 2010-01-14 2010-06-30 中山大学 一种基于颜色和形状特征的图像检索方法
CN102156888A (zh) * 2011-04-27 2011-08-17 西安电子科技大学 基于特征点局部颜色及分布特征的图像拣出方法
CN102622420A (zh) * 2012-02-22 2012-08-01 哈尔滨工程大学 基于颜色特征和形状上下文的商标图像检索方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763429A (zh) * 2010-01-14 2010-06-30 中山大学 一种基于颜色和形状特征的图像检索方法
CN102156888A (zh) * 2011-04-27 2011-08-17 西安电子科技大学 基于特征点局部颜色及分布特征的图像拣出方法
CN102622420A (zh) * 2012-02-22 2012-08-01 哈尔滨工程大学 基于颜色特征和形状上下文的商标图像检索方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"基于轮廓提取和颜色直方图的图像检索";邹煜;《中国优秀硕士学位论文全文数据库信息科技辑》;20110915(第09期);第5页第1段-第19页第4段，第22页第1段-第31页第2段，图3-1——图3-7，图4-1 *
"基于颜色特征的图像检索技术";王娟等;《计算机系统应用》;20111231;第20卷(第7期);第160-164页 *
"基于颜色特征的图像检索方法研究";张鑫等;《计算机科学》;20121130;第39卷(第11期);第243-245页 *

Also Published As

Publication number Publication date
CN103995860A (zh) 2014-08-20

Similar Documents

Publication Publication Date Title
CN103995860B (zh) 一种基于颜色特征提取的图像检索系统及其方法
Gavankar et al. Automatic building footprint extraction from high-resolution satellite image using mathematical morphology
CN104318548B (zh) 一种基于空间稀疏度和sift特征提取的快速图像配准实现方法
Lu et al. Impervious surface mapping with Quickbird imagery
CN104091324B (zh) 一种基于连通域分割的棋盘格图像快速特征匹配算法
De Kok et al. Object based classification and applications in the Alpine forest environment
CN107578418A (zh) 一种融合色彩和深度信息的室内场景轮廓检测方法
CN103927511B (zh) 基于差异特征描述的图像识别方法
Mustafa et al. Image processing of an agriculture produce: Determination of size and ripeness of a banana
CN103077515B (zh) 一种多光谱图像建筑物变化检测方法
CN108537239A (zh) 一种图像显著性目标检测的方法
CN104123554B (zh) 基于mmtd的sift图像特征提取方法
Xiao et al. Segmentation of multispectral high-resolution satellite imagery using log Gabor filters
CN105894513B (zh) 顾及影像对象时空变化的遥感影像变化检测方法及系统
CN107092871A (zh) 基于多尺度多特征融合的遥感影像建筑物检测方法
Tagare et al. A maximum-likelihood strategy for directing attention during visual search
Zhao et al. Infrared and visible image fusion algorithm based on saliency detection and adaptive double-channel spiking cortical model
CN115731257A (zh) 基于图像的叶片形态信息提取方法
Liu et al. Using SPOT 5 fusion-ready imagery to detect Chinese tamarisk (saltcedar) with mathematical morphological method
CN105956544A (zh) 一种基于结构指数特征的遥感影像道路交叉口提取的方法
CN106407975B (zh) 基于空间-光谱结构约束的多尺度分层目标检测方法
Kumar et al. Comparative analysis for edge detection techniques
CN108492288A (zh) 基于随机森林的多尺度分层采样的高分卫星影像变化检测方法
Singh et al. A hybrid approach for information extraction from high resolution satellite imagery
Pukhrambam et al. A smart study on medicinal plants identification and classification using image processing techniques

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information

Inventor after: Chen Yuwen

Inventor after: Liu Leifeng

Inventor after: Zhang Ju

Inventor after: Zhong Kunhua

Inventor after: Yang Yong

Inventor after: Wang Xiang

Inventor before: Liu Leifeng

Inventor before: Zhang Ju

Inventor before: Chen Yuwen

Inventor before: Zhong Kunhua

Inventor before: Yang Yong

Inventor before: Wang Xiang

CB03 Change of inventor or designer information
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171003

CF01 Termination of patent right due to non-payment of annual fee