CN104484432A - 基于四元数指数矩的彩色图像检索方法 - Google Patents
基于四元数指数矩的彩色图像检索方法 Download PDFInfo
- Publication number
- CN104484432A CN104484432A CN201410797976.6A CN201410797976A CN104484432A CN 104484432 A CN104484432 A CN 104484432A CN 201410797976 A CN201410797976 A CN 201410797976A CN 104484432 A CN104484432 A CN 104484432A
- Authority
- CN
- China
- Prior art keywords
- image
- uniformly bounded
- hypercomplex number
- bounded
- similarity
- 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.)
- Pending
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于四元数指数矩的彩色图像检索方法,该方法在彩色图像检索的过程中,对彩色图像应用四元数指数矩进行分解,利用四元数指数矩对彩色图像分解所得的矩值作为图像特征,并利用欧氏距离作为图像之间相似度的计算方法,计算不同图像之间的相似度,由于四元数指数矩同时结合了颜色特征与纹理特征,可以有效的表征图像的颜色与形状特征,设计简单、易于实现、图像特征提取过程无需人工标注等特点,避免了繁琐而易错的人工标注过程,大大的提高了检索精度及效率。
Description
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四元数指数矩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四元数指数矩的彩色图像检索方法。
本发明的技术解决方案是:一种基于四元数指数矩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:将传统的指数矩理论推广到四元数层面,并进一步定义出适用于分解与重构彩色图像的四元数指数矩;
步骤2:利用四元数指数矩对彩色图像 I进行分解,利用分解后所得的四元数指数矩 的矩值作为图像特征构造图像特征库;
步骤3:输入待检索图像并提取其四元数指数矩的矩值作为该图像特征;
步骤4:将待检索图像的图像特征与图像特征库中的图像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:先定义出彩色图像的四元数指数矩:假设为极坐标系下的彩色图像,则根据传统灰度图像的指数矩定义及四元数理论,可以定义出如下形式的彩色图像四元数指数矩:
其中,是一个单位纯四元数,在此选择,表示径向基函数的共轭,且有;
步骤12:在极坐标系下,利用彩色图像四元数指数矩近似地重构彩色图像函数,假定为重构图像的最高阶数,为重构图像的最大重复度,具体公式为:
。
所述步骤2如下:
步骤21:提取彩色图像的R、G、B三个分量、、,分别计算其指数矩;
步骤22:将表示取复数p的实部,表示取复数p的虚部,则四元数指数矩分解可以表示为:
其中,
步骤23:利用四元数指数矩对彩色图像I分解所得的指数矩的矩值作为图像特征,以一一对应的方式与原图像形成映射,作为图像特征库以待检索使用。
所述步骤4如下:
步骤41:利用欧氏距离作为多幅图像相似度计算方法,计算不同图像之间的相似度,欧式距离公式为:
其中,表示A,B之间的距离,表示A,B中的元素;
步骤42:利用欧氏距离作为多幅图像之间的距离计算方法,计算待检索图像与图像库中任一图像之间的距离,利用与分别表示待检索图像与图像库中任一图像的指数矩矩值,其中与均为的形式,n为四元数指数矩阶数,该两幅图像之间的距离则表示为:
步骤43:利用两幅图像之间的距离D计算两幅图像的相似度,相似度,考虑到若图像库中已存在待检索图像时,D为0,利用所求出的为1/0,因此将上式变为:
其中为不影响最终检索结果排序的极小值,取。
本发明在彩色图像检索的过程中,提取待检索图像的四元数指数矩,并令其作为图像的检索特征,结合欧氏距离理论,对待检索图像与图像库已有特征进行相似度计算,从而得到检索结果。由于四元数指数矩同时结合了颜色特征与纹理特征,可以有效的表征图像的颜色与形状特征,设计简单、易于实现、图像特征提取过程无需人工标注等特点,避免了繁琐而易错的人工标注过程,大大的提高了检索精度及效率。
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:将传统的指数矩理论推广到四元数层面,并进一步定义出适用于分解与重构彩色图像的四元数指数矩:
步骤11:先定义出彩色图像的四元数指数矩:假设为极坐标系下的彩色图像,则根据传统灰度图像的指数矩定义及四元数理论,可以定义出如下形式的彩色图像四元数指数矩:
其中,是一个单位纯四元数,在此选择,表示径向基函数的共轭,且有;
步骤12:在极坐标系下,利用彩色图像四元数指数矩近似地重构彩色图像函数,假定为重构图像的最高阶数,为重构图像的最大重复度,具体公式为:
。
步骤2:利用四元数指数矩对彩色图像进行分解,利用分解后所得的四元数指数矩的矩值作为图像特征构造图像特征库:
步骤21:提取彩色图像的R、G、B三个分量、、,分别计算其指数矩;
步骤22:将表示取复数p的实部,表示取复数p的虚部,则四元数指数矩分解可以表示为:
其中,
步骤23:利用四元数指数矩对彩色图像I分解所得的指数矩的矩值作为图像特征,以一一对应的方式与原图像形成映射,作为图像特征库以待检索使用。
步骤3:输入待检索图像并提取其四元数指数矩的矩值作为该图像特征;
步骤4:将待检索图像的图像特征与图像特征库中的图像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:利用欧氏距离作为多幅图像相似度计算方法,计算不同图像之间的相似度,欧式距离公式为:
其中,表示A,B之间的距离,表示A,B中的元素;
步骤42:利用欧氏距离作为多幅图像之间的距离计算方法,计算待检索图像与图像库中任一图像之间的距离,利用与分别表示待检索图像与图像库中任一图像的指数矩矩值,其中与均为的形式,n为四元数指数矩阶数,该两幅图像之间的距离则表示为:
步骤43:利用两幅图像之间的距离D计算两幅图像的相似度,相似度,考虑到若图像库中已存在待检索图像时,D为0,利用所求出的为1/0,因此将上式变为:
其中为不影响最终检索结果排序的极小值,取。
四元数指数矩稳定性、正确性测试:
为了检测四元数指数矩的稳定性与正确性,仿真实验对本发明的四元数指数矩进行了稳定性与正确性的测试。稳定性测试中,对示例图像Lena进行了高斯滤波、椒盐噪声、JPEG50、模糊、锐化、旋转、平移、缩放等处理,并在处理后对其进行四元数指数矩分解操作,统计分解后的幅值变化,发现四元数指数矩具有很强的稳定性。正确性测试中,对示例图像Lena进行了四元数指数矩的分解操作后,利用所得的四元数指数矩矩值重构图像,重构结果显示了四元数矩定义的正确性,并得到了所选阶数越大,重构图像越接近原图像的结论。
通过将传统灰度图像的指数矩理论推广到四元数层面,并进一步定义出彩色图像的四元数指数矩,以在四元数与指数矩的理论基础上,使本发明适用于彩色图像。
Claims (4)
1.一种基于四元数指数矩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:将传统的指数矩理论推广到四元数层面,并进一步定义出适用于分解与重构彩色图像的四元数指数矩;
步骤2:利用四元数指数矩对彩色图像 I进行分解,利用分解后所得的四元数指数矩 的矩值作为图像特征构造图像特征库;
步骤3:输入待检索图像并提取其四元数指数矩的矩值作为该图像特征;
步骤4:将待检索图像的图像特征与图像特征库中的图像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所述四元数指数矩的彩色图像检索方法,其特征在于所述步骤1如下:
步骤11:先定义出彩色图像的四元数指数矩:假设为极坐标系下的彩色图像,则根据传统灰度图像的指数矩定义及四元数理论,可以定义出如下形式的彩色图像四元数指数矩:
其中,是一个单位纯四元数,在此选择,表示径向基函数的共轭,且有;
步骤12:在极坐标系下,利用彩色图像四元数指数矩近似地重构彩色图像函数,假定为重构图像的最高阶数,为重构图像的最大重复度,具体公式为:
。
3.根据权利要求2所述四元数指数矩的彩色图像检索方法,其特征在于所述步骤2如下:
步骤21:提取彩色图像的R、G、B三个分量、、,分别计算其指数矩;
步骤22:将表示取复数p的实部,表示取复数p的虚部,则四元数指数矩分解可以表示为:
其中,
步骤23:利用四元数指数矩对彩色图像I分解所得的指数矩的矩值作为图像特征,以一一对应的方式与原图像形成映射,作为图像特征库以待检索使用。
4.根据权利要求3所述四元数指数矩的彩色图像检索方法,其特征在于所述步骤4如下:
步骤41:利用欧氏距离作为多幅图像相似度计算方法,计算不同图像之间的相似度,欧式距离公式为:
其中,表示A,B之间的距离,表示A,B中的元素;
步骤42:利用欧氏距离作为多幅图像之间的距离计算方法,计算待检索图像与图像库中任一图像之间的距离,利用与分别表示待检索图像与图像库中任一图像的指数矩矩值,其中与均为的形式,n为四元数指数矩阶数,该两幅图像之间的距离则表示为:
步骤43:利用两幅图像之间的距离D计算两幅图像的相似度,相似度,考虑到若图像库中已存在待检索图像时,D为0,利用所求出的为1/0,因此将上式变为:
其中为不影响最终检索结果排序的极小值,取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410797976.6A CN104484432A (zh) | 2014-12-20 | 2014-12-20 | 基于四元数指数矩的彩色图像检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410797976.6A CN104484432A (zh) | 2014-12-20 | 2014-12-20 | 基于四元数指数矩的彩色图像检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104484432A true CN104484432A (zh) | 2015-04-01 |
Family
ID=52758973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410797976.6A Pending CN104484432A (zh) | 2014-12-20 | 2014-12-20 | 基于四元数指数矩的彩色图像检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104484432A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069042A (zh) * | 2015-07-23 | 2015-11-18 | 北京航空航天大学 | 基于内容的无人机侦察图像数据检索方法 |
CN105608470A (zh) * | 2015-12-28 | 2016-05-25 | 辽宁师范大学 | 基于韦伯分布统计模型的图像检索方法 |
CN105631001A (zh) * | 2015-12-28 | 2016-06-01 | 辽宁师范大学 | 基于多特征融合的hsv空间图像检索的彩色图像检索方法 |
CN105631871A (zh) * | 2015-12-28 | 2016-06-01 | 辽宁师范大学 | 基于四元数指数矩的彩色图像复制篡改检测方法 |
CN111528164A (zh) * | 2020-06-08 | 2020-08-14 | 张小燕 | 一种龟鳖鱼生态混养水下喂料装置 |
CN112633226A (zh) * | 2020-12-30 | 2021-04-09 | 国电南京自动化股份有限公司 | 一种基于四元数分数阶伪Zernike矩的人脸验证方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1445696A (zh) * | 2002-03-18 | 2003-10-01 | 朗迅科技公司 | 自动检索图像数据库中相似图象的方法 |
CN102024029A (zh) * | 2010-11-30 | 2011-04-20 | 辽宁师范大学 | 基于局部视觉关注的彩色图像检索方法 |
US8488883B2 (en) * | 2009-12-28 | 2013-07-16 | Picscout (Israel) Ltd. | Robust and efficient image identification |
CN103324650A (zh) * | 2012-10-23 | 2013-09-25 | 深圳市宜搜科技发展有限公司 | 一种图像检索方法及系统 |
-
2014
- 2014-12-20 CN CN201410797976.6A patent/CN104484432A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1445696A (zh) * | 2002-03-18 | 2003-10-01 | 朗迅科技公司 | 自动检索图像数据库中相似图象的方法 |
US8488883B2 (en) * | 2009-12-28 | 2013-07-16 | Picscout (Israel) Ltd. | Robust and efficient image identification |
US20130301931A1 (en) * | 2009-12-28 | 2013-11-14 | Picscout (Israel) Ltd. | Robust and efficient image identification |
CN102024029A (zh) * | 2010-11-30 | 2011-04-20 | 辽宁师范大学 | 基于局部视觉关注的彩色图像检索方法 |
CN103324650A (zh) * | 2012-10-23 | 2013-09-25 | 深圳市宜搜科技发展有限公司 | 一种图像检索方法及系统 |
Non-Patent Citations (2)
Title |
---|
王向阳等: "局部彩色图像的篡改检测与内容修复方法研究", 《辽宁师范大学学报(自然科学版)》 * |
郭晓娟: "基于内容的图像检索技术的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069042A (zh) * | 2015-07-23 | 2015-11-18 | 北京航空航天大学 | 基于内容的无人机侦察图像数据检索方法 |
CN105608470A (zh) * | 2015-12-28 | 2016-05-25 | 辽宁师范大学 | 基于韦伯分布统计模型的图像检索方法 |
CN105631001A (zh) * | 2015-12-28 | 2016-06-01 | 辽宁师范大学 | 基于多特征融合的hsv空间图像检索的彩色图像检索方法 |
CN105631871A (zh) * | 2015-12-28 | 2016-06-01 | 辽宁师范大学 | 基于四元数指数矩的彩色图像复制篡改检测方法 |
CN111528164A (zh) * | 2020-06-08 | 2020-08-14 | 张小燕 | 一种龟鳖鱼生态混养水下喂料装置 |
CN111528164B (zh) * | 2020-06-08 | 2021-12-21 | 张小燕 | 一种龟鳖鱼生态混养水下喂料装置 |
CN112633226A (zh) * | 2020-12-30 | 2021-04-09 | 国电南京自动化股份有限公司 | 一种基于四元数分数阶伪Zernike矩的人脸验证方法及系统 |
CN112633226B (zh) * | 2020-12-30 | 2023-09-22 | 国电南京自动化股份有限公司 | 一种基于四元数分数阶伪Zernike矩的人脸验证方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104484432A (zh) | 基于四元数指数矩的彩色图像检索方法 | |
Lee et al. | An implementation of leaf recognition system using leaf vein and shape | |
CN102254015B (zh) | 基于视觉词组的图像检索方法 | |
Wang et al. | Quaternion polar complex exponential transform for invariant color image description | |
Cheng et al. | Remote sensing image matching by integrating affine invariant feature extraction and RANSAC | |
CN104484425A (zh) | 基于多特征的彩色图像检索方法 | |
Varish et al. | Content based image retrieval using statistical features of color histogram | |
CN104835153B (zh) | 基于稀疏表示的非刚性表面对齐方法 | |
CN102541954A (zh) | 一种商标检索方法及系统 | |
CN103823887B (zh) | 基于低秩全局几何一致性检验的错误匹配检测方法 | |
CN105574265B (zh) | 面向模型检索的装配体模型定量描述方法 | |
CN107480471B (zh) | 基于小波变换为特征的序列相似性分析的方法 | |
CN104835174A (zh) | 基于超图模式搜索的鲁棒模型拟合方法 | |
CN104732529A (zh) | 一种遥感图像形状特征配准方法 | |
Fu et al. | A noise-resistant superpixel segmentation algorithm for hyperspectral images | |
CN105426543A (zh) | 基于贝塞尔统计模型的图像检索方法 | |
CN103279581A (zh) | 一种利用紧凑视频主题描述子进行视频检索的方法 | |
Mathew et al. | A content-based image retrieval system based on polar raster edge sampling signature | |
CN104504049A (zh) | 基于四元数圆谐-傅里叶矩的彩色图像检索方法 | |
CN105608470A (zh) | 基于韦伯分布统计模型的图像检索方法 | |
Wei et al. | L2-norm prototypical networks for tackling the data shift problem in scene classification | |
CN104462458A (zh) | 大数据系统的数据挖掘方法 | |
CN105631001A (zh) | 基于多特征融合的hsv空间图像检索的彩色图像检索方法 | |
Kekre et al. | DCT-DST Plane sectorization of row wise transformed color images in CBIR | |
CN103823889A (zh) | 基于l1范数全局几何一致性检验的错误匹配检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150401 |
|
WD01 | Invention patent application deemed withdrawn after publication |