CN104484425A - 基于多特征的彩色图像检索方法 - Google Patents

Abstract

本发明公开了一种基于多特征的彩色图像检索方法，是在彩色图像检索的过程中，提取待检索彩色图像的R、G、B通道，分别计算每个通道的指数矩矩值，并令其作为颜色特征；将彩色图像从RGB颜色空间转换为HSI颜色空间，利用I分量计算局部角相位特征，并令其作为纹理特征；从而通过颜色特征与纹理特征综合进行彩色图像检索。由于结合了图像的色彩信息与纹理信息，使得本发明能够有效的应用于彩色图像的检索，同时保证了检索结果的精度，且具有计算简单、对待检索图像无需人工处理、普适性强、耦合性低等特点，增强了其用于数字图像检索的实用性。

Description

基于多特征的彩色图像检索方法

技术领域

本发明属于图像处理领域，尤其是一种可有效提高检索精度及效率的基于多特征的彩色图像检索方法。

背景技术

基于文本的图像检索技术(TBIR)沿用了传统文本检索技术，它不考虑图像本身固有的颜色、纹理、形状等内容特征，而是使用关键字来描述图像，即检索的时候一般以输入关键字的形式检索相关图像。该技术存在以下两方面缺陷：首先因为现在图像数据库规模的不断膨胀，对数据库中每一副图像进行人工标注需要耗费大量的时间和人力；其次，图像内容千差万别，使用关键字难以准确描述图像的内涵，而且在人工选取关键字的过程中会包含强烈的主观性，可能造成图像理解上的偏差，直接影响图像的检索效果。为了克服基于文本的图像检索技术带来的困难，基于内容的图像检索技术(CBIR)应运而生，它克服了传统的基于文本的检索技术的缺点，实现了自动化和智能化的特征提取和图像检索。与传统的基于文本的检索技术相比,减少了人们的工作量，有效提高了检索的速度和效率具有更好的客观性和通用性等优点，更适用于大规模的图像库的检索。CBIR技术受到了越来越多的重视，并得到迅速发展，它具有广阔的应用前景，已广泛应用在遥感、医学、地理信息系统、商标版权管理等领域，成为了现在图像检索技术研究的重心。基于内容的图像检索技术包含图像视觉特征提取和特征相似度计算两个环节。图像视觉特征充分反应了图像的内容信息，而如何全面、准确的刻画图像的视觉特征往往决定图像检索系统的性能，所以图像视觉特征的提取是基于内容的图像检索算法的核心。

在图像视觉特征中，颜色与形状是两个最重要的特征，然而，现有的图像特征提取方法往往对两者分别进行处理，颜色特征方面的检索方法有许多，如基于传统直方图，颜色相关图，颜色矩阵，基于主颜色的空间分布方法等；形状特征方面的基于轮廓和基于区域的检索方法，如小波变换高斯分布的方法，特征矩（Zernike矩，Legendre矩等）的方法等，然而单独的颜色特征或性状特征检索效率较低，远远不能满足图像检索效率的要求。

发明内容

本发明是为了解决现有技术所存在的上述技术问题，提供一种可有效提高检索精度及效率的基于多特征的彩色图像检索方法。

本发明的技术解决方案是：一种基于多特征的彩色图像检索方法，其特征在于按照如下步骤进行：

步骤1：将图像库中的彩色图像的R、G、B三个分量分别提取出来，利用三个分量分别计算指数矩                                                的矩值作为图像颜色特征；

步骤2：将图像库中的彩色图像从RGB颜色空间转换到HSI颜色空间，使用I分量计算LAP（局部角相位）直方图作为图像纹理特征；

步骤3：对颜色特征与纹理特征进行归一化处理，构造图像特征库；

步骤4：输入待检索图像，计算其颜色特征与纹理特征，与图像特征库中的颜色特征与纹理特征利用欧氏距离进行相似度计算，将所得的检索图像按照相似度从大到小依序输出，得到最终检索结果。

所述步骤1如下：

步骤11：对彩色图像进行R、G、B通道分离，得到三个通道矩阵；

步骤12：对于三个通道矩阵，分别计算其指数矩，应用其矩值作为图像的颜色特征:

步骤121：对于任一通道矩阵，其指数矩计算公式如下：

，

 其中，为展开式的系数，k和m的取值范围是所有整数，对一个图像函数，称其在基函数上的展开式系数为（k,m）阶指数矩,式中为径向基函数：

步骤122：将基函数带入到指数矩的定义是，极坐标下的图像函数的指数矩为：

.

所述步骤2如下：

步骤21：将图像从RGB颜色空间转换到HSI颜色空间，提取图像的I分量；

步骤22：把I分量中的5*5的局部窗口子图像转换到固定半径极坐标空间中：

；

 对于没在局部窗口上的点，需要使用二位线性差值法进行插值，公式为：

其中，a,b,c,d点为点最近的四个邻居，由于半径r固定为2，因而是有17个样本的一维离散信号，使用表示这个离散信号；

步骤23：对进行傅里叶变换，计算相位；

步骤24：矩阵包含八个复系数的相位信息，矩阵C可使用下面的公式量化到8位二进制编码：

其中是每个系数的符号，通过排号，8位二进制编码可以用公式表示并且2作为二项式因子分配给每个；因此可以把上式转换成一个唯一的LAP数值：，得到每个像素的局部角相位；

步骤25：计算局部角相位直方图，将每个像素点的8位二进制编码转换为十进制数值，则每个像素点的取值范围为0～255，将这256个值均等的划分为64个区间，因此可以将每个像素点的LAP值对应到不同的区间内，统计该区间的像素点个数形成局部角相位直方图H作为图像的纹理特征。

所述步骤23如下：

步骤231：对进行傅里叶变换，的傅立叶变换和逆变换可以分别表示为：

其中N为的样本个数， N等于17；

步骤232：进行傅立叶变换后，可以得到17个复系数，是傅立叶变换的直流系数不包含相位信息，因此可以从被选择的系数中排除；因为图像仅包含实数值，它的傅立叶变换是中心对称其中一半的系数是多余的。可以选择其中的八个复系数或者

，相位信息通过观察这八个复系数的实部和虚部符号提取，分别对八个复系数求相位，公式为：，其中为复系数的实部，b为复系数的虚部。

所述步骤4如下：

步骤41：重复步骤1，计算待检索图像的颜色特征；

步骤42：重复步骤2，计算待检索图像的纹理特征；

步骤43：重复步骤3，对于待检索图像的颜色特征与纹理特征进行归一化，得到其特征；

步骤44：采用欧氏距离计算待检索图像特征与图像特征库中的特征的相似度，为检索图像I和库中图像J之间的距离，表示图像I的特征向量第i个分量处的特征值，则两幅图像的欧式距离定义为：

步骤45：将取倒数作为两幅图像的相似度，其中，为了避免所查询图像与图像库中的本图像距离为1/0而出现的无意义结果，在所有相似度取倒数前先加一个无穷小不会引起排序变化的，取，将检索图像按照相似度从大到小排列输出，得到检索结果。

本发明在彩色图像检索的过程中，提取待检索彩色图像的R、G、B通道，分别计算每个通道的指数矩矩值，并令其作为颜色特征；将彩色图像从RGB颜色空间转换为HSI颜色空间，利用I分量计算局部角相位特征，并令其作为纹理特征；从而通过颜色特征与纹理特征综合进行彩色图像检索。由于结合了图像的色彩信息与纹理信息，使得该方法能够有效的应用于彩色图像的检索，同时保证了检索结果的精度，且该方法具有计算简单、对待检索图像无需人工处理、普适性强、耦合性低等特点，增强了其用于数字图像检索的实用性。

附图说明

图1为本发明实施例的流程图。

具体实施方式

如图1所示：按照如下步骤进行：

步骤1：将图像库中的彩色图像的R、G、B三个分量分别提取出来，利用三个分量分别计算指数矩的矩值作为图像颜色特征：

步骤11：对彩色图像进行R、G、B通道分离，得到三个通道矩阵；

步骤12：对于三个通道矩阵，分别计算其指数矩，应用其矩值作为图像的颜色特征:

步骤121：对于任一通道矩阵，其指数矩计算公式如下：

，

 其中，为展开式的系数，k和m的取值范围是所有整数，对一个图像函数，称其在基函数上的展开式系数为（k,m）阶指数矩,式中为径向基函数：

步骤122：将基函数带入到指数矩的定义是，极坐标下的图像函数的指数矩为：

.

步骤2：将图像库中的彩色图像从RGB颜色空间转换到HSI颜色空间，使用I分量计算LAP（局部角相位）直方图H作为图像纹理特征：

步骤21：将图像从RGB颜色空间转换到HSI颜色空间，提取图像的I分量；

步骤22：把I分量中的5*5的局部窗口子图像转换到固定半径极坐标空间中：

；

 对于没在局部窗口上的点，需要使用二位线性差值法进行插值，公式为：

其中，a,b,c,d点为点最近的四个邻居，由于半径r固定为2，因而是有17个样本的一维离散信号，使用表示这个离散信号；

步骤23：对进行傅里叶变换，计算相位：

步骤231：对进行傅里叶变换，的傅立叶变换和逆变换可以分别表示为：

其中N为的样本个数， N等于17；

步骤232：进行傅立叶变换后，可以得到17个复系数，是傅立叶变换的直流系数不包含相位信息，因此可以从被选择的系数中排除；因为图像仅包含实数值，它的傅立叶变换是中心对称其中一半的系数是多余的。可以选择其中的八个复系数或者

，相位信息通过观察这八个复系数的实部和虚部符号提取，分别对八个复系数求相位，公式为：，其中为复系数的实部，b为复系数的虚部。

步骤24：矩阵包含八个复系数的相位信息，矩阵C可使用下面的公式量化到8位二进制编码：

其中是每个系数的符号，通过排号，8位二进制编码可以用公式表示并且2作为二项式因子分配给每个；因此可以把上式转换成一个唯一的LAP数值：，得到每个像素的局部角相位；

步骤25：计算局部角相位直方图，将每个像素点的8位二进制编码转换为十进制数值，则每个像素点的取值范围为0～255，将这256个值均等的划分为64个区间，因此可以将每个像素点的LAP值对应到不同的区间内，统计该区间的像素点个数形成局部角相位直方图H作为图像的纹理特征。

步骤3：对颜色特征与纹理特征进行归一化处理，构造图像特征库；

步骤4：输入待检索图像，计算其颜色特征与纹理特征，与图像特征库中的颜色特征与纹理特征利用欧氏距离进行相似度计算，将所得的检索图像按照相似度从大到小依序输出，得到最终检索结果：

步骤41：重复步骤1，计算待检索图像的颜色特征；

步骤42：重复步骤2，计算待检索图像的纹理特征；     步骤43：重复步骤3，对于待检索图像的颜色特征与纹理特征进行归一化，得到其特征；       步骤44：采用欧氏距离计算待检索图像特征与图像特征库中的特征的相似度，为检索图像I和库中图像J之间的距离，表示图像I的特征向量第i个分量处的特征值，则两幅图像的欧式距离定义为：

步骤45：将取倒数作为两幅图像的相似度，其中，为了避免所查询图像与图像库中的本图像距离为1/0而出现的无意义结果，在所有相似度取倒数前先加一个无穷小不会引起排序变化的，取，将检索图像按照相似度从大到小排列输出，得到检索结果。

Claims (5)

1.一种基于多特征的彩色图像检索方法，其特征在于按照如下步骤进行：

步骤1：将图像库中的彩色图像的R、G、B三个分量分别提取出来，利用三个分量分别计算指数矩                                                的矩值作为图像颜色特征；

步骤2：将图像库中的彩色图像从RGB颜色空间转换到HSI颜色空间，使用I分量计算LAP直方图H作为图像纹理特征；

步骤3：对颜色特征与纹理特征进行归一化处理，构造图像特征库；

步骤4：输入待检索图像，计算其颜色特征与纹理特征，与图像特征库中的颜色特征与纹理特征利用欧氏距离进行相似度计算，将所得的检索图像按照相似度从大到小依序输出，得到最终检索结果。

2.根据权利要求1所述基于多特征的彩色图像检索方法，其特征在于所述步骤1如下：

步骤11：对彩色图像进行R、G、B通道分离，得到三个通道矩阵；

步骤12：对于三个通道矩阵，分别计算其指数矩，应用其矩值作为图像的颜色特征:

步骤121：对于任一通道矩阵，其指数矩计算公式如下：

，

 其中，为展开式的系数，k和m的取值范围是所有整数，对一个图像函数，称其在基函数上的展开式系数为（k,m）阶指数矩,式中为径向基函数：

步骤122：将基函数带入到指数矩的定义是，极坐标下的图像函数的指数矩为：

。

3.根据权利要求2所述基于多特征的彩色图像检索方法，其特征在于所述步骤2如下：

步骤21：将图像从RGB颜色空间转换到HSI颜色空间，提取图像的I分量；

步骤22：把I分量中的5*5的局部窗口子图像转换到固定半径极坐标空间中：

；

 对于没在局部窗口上的点，需要使用二位线性差值法进行插值，公式为：

其中，a,b,c,d点为点最近的四个邻居，由于半径r固定为2，因而是有17个样本的一维离散信号，使用表示这个离散信号；

步骤23：对进行傅里叶变换，计算相位；

步骤24：矩阵包含八个复系数的相位信息，矩阵C可使用下面的公式量化到8位二进制编码：

其中是每个系数的符号，通过排号，8位二进制编码可以用公式表示并且2作为二项式因子分配给每个；因此可以把上式转换成一个唯一的LAP数值：，得到每个像素的局部角相位；

步骤25：计算局部角相位直方图，将每个像素点的8位二进制编码转换为十进制数值，则每个像素点的取值范围为0～255，将这256个值均等的划分为64个区间，因此可以将每个像素点的LAP值对应到不同的区间内，统计该区间的像素点个数形成局部角相位直方图作为图像的纹理特征。

4.根据权利要求3所述基于多特征的彩色图像检索方法，其特征在于所述

步骤23如下：

步骤231：对进行傅里叶变换，的傅立叶变换和逆变换可以分别表示为：

其中N为的样本个数， N等于17；

步骤232：进行傅立叶变换后，可以得到17个复系数，是傅立叶变换的直流系数不包含相位信息，因此可以从被选择的系数中排除；可以选择其中的八个复系数或者

，相位信息通过观察这八个复系数的实部和虚部符号提取，分别对八个复系数求相位，公式为：，其中为复系数的实部，b为复系数的虚部。

5.根据权利要求4所述基于多特征的彩色图像检索方法，其特征在于所述步骤4如下：

步骤41：重复步骤1，计算待检索图像的颜色特征；

步骤42：重复步骤2，计算待检索图像的纹理特征；

步骤43：重复步骤3，对于待检索图像的颜色特征与纹理特征进行归一化，得到其特征；

步骤44：采用欧氏距离计算待检索图像特征与图像特征库中的特征的相似度，为检索图像I和库中图像J之间的距离，表示图像I的特征向量第i个分量处的特征值，则两幅图像的欧式距离定义为：

步骤45：将取倒数作为两幅图像的相似度，其中，为了避免所查询图像与图像库中的本图像距离为1/0而出现的无意义结果，在所有相似度取倒数前先加一个无穷小不会引起排序变化的，取，将检索图像按照相似度从大到小排列输出，得到检索结果。