发明内容
本发明的主要目的在于解决现有的图像检索方法存在检索速度慢、准确率低的技术问题。
为了实现上述目的,本发明提供一种图像检索的方法,包括:
提取目标图像和图像库中每一图像的纹理特征;
计算所述目标图像与所述图像库中每一图像之间的纹理特征相似度,将所述纹理特征相似度大于第一设定阈值的图像组合成第一图像集;
获取所述目标图像和所述第一图像集中每一图像的颜色特征;
计算所述目标图像与所述第一图像集中每一图像之间的颜色特征相似度,将所述颜色特征相似度大于第二设定阈值的图像组合成第二图像集;
对所述第二图像集中的图像进行排列显示。
优选地,所述获取所述目标图像和所述第一图像集中每一图像的颜色特征具体包括:
将目标图像与第一图像集中每一图像转换为HSV图像格式,获取每一格式转换后的图像的色调通道(H通道)、饱和度通道(S通道)和亮度通道(V通道);
对S通道进行二值化处理,得到S通道的亮区域和暗区域,将S通道的亮区域对H通道进行投影获得H通道的色调区域,以及将S通道的暗区域对V通道进行投影获得V通道中与S通道暗区域对应的区域,并统计所述H通道中的色调区域的灰度直方图以及所述V通道中与S通道暗区域的对应区域灰度直方图;
根据H通道中的色调区域的灰度直方图设定色调数组,以及根据V通道中与S通道暗区域的对应区域灰度直方图设定亮度数组,并根据所述色调数组和亮度数组获取对应图像的颜色信息;
根据所述图像的颜色信息获取所述图像的颜色特征。
优选地,根据所述图像的颜色信息获取所述图像的颜色特征具体包括:
根据所述图像的颜色信息获取所述图像的颜色向量,对所述图像的颜色向量进行二值化处理,根据二值化处理结果计算所述图像的颜色特征。
优选地,所述对所述第二图像集中的图像进行排列显示具体包括:
根据与目标图像之间的颜色特征相似度由高到低的顺序,对所述第二图像集中的图像进行排列显示;
当存在多个与目标图像之间的颜色特征相似度相同的图像,则分别计算该多个图像与目标图像之间的颜色距离,以与目标图像之间的颜色距离由小到大的顺序对该多个图像进行排列显示。
优选地,所述提取目标图像和图像库中每一图像的纹理特征具体包括:
获取目标图像和图像库中的每一图像,将所述目标图像、图像库中每一图像调整为大小一致,将调整后的每一图像划分为m*n分区;
针对每一图像,计算每个分区中每个像素块的平均灰度值,轮流取每个像素块的8邻域象素块,计算每个像素块的8邻域像素块的平均灰度值;根据每个像素块的平均灰度值、每个像素块与对应的8邻域像素块的平均灰度值的对比值,计算每一分区的8邻域象素块的灰度离散度;
定义一致性阈值,针对每一图像的每一分区,根据所述离散度和所述一致性阈值获得每一分区的特征向量;
根据每一图像的所有分区的特征向量获取每一图像的纹理特征。
此外,为实现上述目的,本发明还提供一种图像检索的装置,包括:
纹理特征提取模块,用于提取目标图像和图像库中每一图像的纹理特征;
第一计算模块,用于计算所述目标图像与所述图像库中每一图像之间的纹理特征相似度,将所述纹理特征相似度大于第一设定阈值的图像组合成第一图像集;
获取模块,用于获取所述目标图像和所述第一图像集中每一图像的颜色特征;
第二计算模块,用于计算所述目标图像与所述第一图像集中每一图像之间的颜色特征相似度,将所述颜色特征相似度大于第二设定阈值的图像组合成第二图像集;
图像排列显示模块,用于对所述第二图像集中的图像进行排列显示。
优选地,所述获取模块包括:
通道获取单元,用于将目标图像与第一图像集中每一图像转换为HSV图像格式,获取每一格式转换后的图像的色调通道(H通道)、饱和度通道(S通道)和亮度通道(V通道);
二值化处理单元,用于对S通道进行二值化处理,得到S通道的亮区域和暗区域;将S通道的亮区域对H通道进行投影获得H通道的色调区域,以及将S通道的暗区域对V通道进行投影获得V通道中与S通道暗区域对应的区域;并统计所述H通道中的色调区域的灰度直方图以及所述V通道中与S通道暗区域的对应区域灰度直方图;
颜色信息获取单元,用于根据H通道中的色调区域的灰度直方图设定色调数组,以及根据V通道中与S通道暗区域的对应区域灰度直方图设定亮度数组;
颜色特征获取单元,用于根据所述图像的颜色信息获取所述图像的颜色特征。
优选地,所述获取模块包括:
所述颜色特征获取单元,具体还用于根据所述图像的颜色信息获取所述图像的颜色向量,对所述图像的颜色向量进行二值化处理,根据二值化处理结果计算所述图像的颜色特征。
优选地,所述图像排列显示模块,具体用于根据与目标图像之间的颜色特征相似度由高到低的顺序,对所述第二图像集中的图像进行排列显示;当存在多个与目标图像之间的颜色特征相似度相同的图像,则分别计算该多个图像与目标图像之间的颜色距离,以与目标图像之间的颜色距离由小到大的顺序对该多个图像进行排列显示。
优选地,所述纹理特征提取模块,具体还用于获取目标图像和图像库中的每一图像,将所述目标图像、图像库中每一图像调整为大小一致,将调整后的每一图像划分为m*n分区;针对每一图像,计算每个分区中每个像素块的平均灰度值,轮流取每个像素块的8邻域象素块,计算每个像素块的8邻域像素块的平均灰度值;根据每个像素块的平均灰度值、每个像素块与对应的8邻域像素块的平均灰度值的对比值,计算每一分区的8邻域象素块的灰度离散度;定义一致性阈值,针对每一图像的每一分区,根据所述离散度和所述一致性阈值获得每一分区的特征向量;根据每一图像的所有分区的特征向量获取每一图像的纹理特征。
本发明所提供的图像检索的方法和装置,通过提取目标图像和图像库中每一图像的纹理特征;计算所述目标图像与所述图像库中每一图像之间的纹理特征相似度,将所述纹理特征相似度大于第一设定阈值的图像组合成第一图像集;获取所述目标图像和所述第一图像集中每一图像的颜色特征;计算所述目标图像与所述第一图像集中每一图像之间的颜色特征相似度,将所述颜色特征相似度大于第二设定阈值的图像组合成第二图像集;对所述第二图像集中的图像进行排列显示的方式,相比现有技术在图像处理过程中降低了图像特征的维度,提高了图像处理速度,从而提高了图像检索的速度,同时由于采用图像的纹理特征以及颜色特征相似度相结合的检索方式,大大地提高了图像检索的准确率。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种图像检索的方法,参见图1,图1为本发明的图像检索序的方法一实施例的流程图。在该实施例中,所述图像检索的方法包括:
步骤S10、提取目标图像和图像库中每一图像的纹理特征。
本步骤S10包括:获取目标图像和图像库中的每一图像,将所述目标图像、图像库中每一图像调整为大小一致,将调整后的每一图像划分为m*n分区;针对每一图像,计算每个分区中每个像素块的平均灰度值,轮流取每个像素块的8邻域象素块,计算每个像素块的8邻域像素块的平均灰度值;根据每个像素块的平均灰度值、每个像素块与对应的8邻域像素块的平均灰度值的对比值,计算每一分区的8邻域象素块的灰度离散度;定义一致性阈值,针对每一图像的每一分区,根据所述离散度和所述一致性阈值获得每一分区的特征向量;根据每一图像的所有分区的特征向量获取每一图像的纹理特征。其中,所述纹理特征为LTP纹理特征,具体地,获取目标图像和图像库中的每一图像,将所述目标图像、图像库中每一图像调整为大小一致,将调整后的每一图像划分为m*n个分区,每个分区包括3*3个像素块,该3*3个像素块中包括1个邻域中心像素块、该邻域中心像素块对应的8个邻域像素块。(针对每一图像,计算每个分区中每个像素块的平均灰度值,轮流取每个像素块的(8,2)邻域象素块,参见图2,图2为本发明的邻域中心像素块与对应8个邻域像素块的灰度对比值以及一致性阈值化的LTP特征向量示意图。如图2所示中心象素块GC的平均灰度值是60,计算其(8,2)邻域的8个像素块的平均灰度值以及每个象素块和平均灰度值的对比值(公式(1)),然后计算8个对比值的平均值(公式(2)),最后根据公式(3)计算(8,2)邻域8个象素块的灰度离散度σ。定义一致性阈值,针对每一图像的每一分区,根据所述离散度和所述一致性阈值对所述8个邻域像素块与邻域中心像素块的灰度对比值进行一致性阈值化获得对应分区的LTP特征向量,从所述LTP特征向量中获取LTP正特征和LTP负特征,将每一图像的所有分区的LTP正特征连接成复合LTP正特征,所有LTP负特征连接成复合LTP负特征,每一图像对应的复合LTP正特征与复合LTP负特征组合构成对应图像的LTP纹理特征。
以下以对目标图像和图像库中图像LTP纹理特征的提取进行进一步的展开描述:首先将所述目标图像、图像库中每一图像调整为大小一致(将目标图像和图像库中的每一图像归一化同等大小),然后对每一图像进行分区,即将每一图像划分为m*n(如4*4)个分区,每个分区包括3*3像素块,针对每一图像的每一分区计算每个像素块的灰度值。采用多模块的8邻域半径为2的LTP算子在每一图像的每一分区上计算邻域中心像素块GC与对应的8个邻域像素块G(i)(i=0,1,2…7)灰度对比值,参见图2,所述3*3个像素块的灰度值从左至右、由上而下分别为59、85、33、18、60、58、88、25、76,其中邻域中心像素块GC的平均灰度值为60,计算得出的灰度对比结果为(-1,25,-27,-42,-2,28,-35,18)。根据灰度对比结果计算灰度对比值的离散度σ,以离散度σ作为8邻域像素块的灰度值一致性程度的判断依据,σ越大表明8邻域像素块间跳跃性变化越大,即一致性越差;σ越小表明8邻域象素间变化越小,即一致性越好。
其中离散度σ的计算过程如下:
8邻域象素块对比度均值为:
则离散度σ为:
根据实践经验值,预先设置一个一致性阈值T(如T取值为20能达到比较好的效果),根据所述离散度和所述一致性阈值T对各邻域象素块G(i)(i=0,1...7)与邻域中心像素块GC的灰度对比值进行一致性阈值化,具体一致性阈值化过程如下:
当σ<T时,则:
当σ>T时,则:
通过对各邻域象素块G(i)(i=0,1...7)与邻域中心像素块GC的灰度对比值进行一致性阈值化,获得对应分区的LTP特征向量,如获取的LTP特征向量为01-1-101-11。从获取的LTP特征向量(01-1-101-11)中提取LTP正特征和LTP负特征,如特征值为“01-1-101-11”,则其对应的LTP正特征改写为“01000101”,其对应的LTP负特征改写为“00110010”,参见图3,图3为本发明的LTP特征向量改写为LTP正特征和LTP负特征的示意图。
统计每一图像的每一分区的LTP正特征直方图和LTP负特征直方图,将每一分区的LTP正特征直方图和LTP负特征直方图分别进行连接,形成对应分区的LTP正特征复合向量和LTP负特征复合向量,将每一图像的所有分区中的LTP正特征进行连接形成复合LTP正特征,将每一图像的所有分区中的LTP负特征进行连接形成复合LTP负特征,最后每一图像的复合LTP正特征与复合LTP负特征相连接则构成对应图像的LTP纹理特征V。
步骤S20、计算所述目标图像与所述图像库中每一图像之间的纹理特征相似度,将所述纹理特征相似度大于第一设定阈值的图像组合成第一图像集。
本步骤中计算目标图像与图像库中的图像之间的LTP纹理特征相似度具体如下:
设目标图像的LTP纹理特征为V1,设图像库中某一图像的LTP纹理特征为V2,设V1、V2的向量长度为n,则V1、V2之间的相似度计算如下:
V3(i)=min[V1(i),V2(i)]i=0,…n-1------(6);
Sum=sum[V3(i)]i=0,…n-1------(7);
Score=Sum/sum[V1(i)]i=0,…n-1------(8);
其中,min[V1(i),V2(i)]表示取V1(i)和V2(i)的最小值,sum[V3(i)]和sum[V1(i)]表示特征向量V3的所有元素求和;Score表示V1和V2的相似度。
本步骤S30、获取所述目标图像和所述第一图像集中每一图像的颜色特征。
参见图4,图4为图1中步骤S30的具体细化流程示意图。所述步骤S30具体包括:
步骤S31、将目标图像与第一图像集中每一图像转换为HSV图像格式,获取每一格式转换后的图像的色调通道(H通道)、饱和度通道(S通道)和亮度通道(V通道)。
步骤S32、对S通道进行二值化处理,得到S通道的亮区域和暗区域,将S通道的亮区域对H通道进行投影获得H通道的色调区域,以及将S通道的暗区域对V通道进行投影获得V通道中与S通道暗区域对应的区域;并统计所述H通道中的色调区域的灰度直方图以及所述V通道中与S通道暗区域的对应区域灰度直方图。
本步骤S32具体为:对S通道进行二值化处理,二值化处理后获得S通道的亮区域和暗区域,并将S通道的亮区域和暗区域提取出来,并将S通道的亮区域对H通道进行投影计算,以及将S通道的暗区域对V通道进行投影计算。即根据公式(10)计算H通道中与S通道的亮区域相对应的区域,也称H通道的色调区域;以及根据公式(11)计算V通道中与S通道的暗区域相对应的区域。然后统计H通道的色调区域的灰度直方图、V通道中与S通道的暗区域相对应的区域的灰度直方图,其中以areaS表示S通道的亮区,以areaH表示H通道的色调区域,以areaV表示V通道中与S通道的暗区域对应的区域,以WIDTH表示图像的宽、以HEIGHT表示图像的高,对H、S、V通道二值化处理具体如下:
areaS=areaH=areaV=0
areaS-areaS+1,当S(i,j)=1------(12);
areaH=areaH+1,当S(i,j)=1------(13);
areaV=areaV+1,当S(i,j)=0------(14);
i=0,1...,WIDTH,j=0,1...,HEIGHT
步骤S33、根据H通道中的色调区域的灰度直方图设定色调数组,以及根据V通道中与S通道暗区域的对应区域灰度直方图设定亮度数组;并根据所述色调数组和亮度数组获取对应图像的颜色信息。
本步骤S33具体为:根据H通道中的色调区域的灰度直方图设定色调数组,定义h为色调数组,每个元素的大小表示在落在该色调区间的像素数目,h色调数组元素的个数将整个色调区域分为相应的子区间,本实施例中将整个色调区间分为24个子区间,即h为元素个数为24的色调数组。根据V通道中与S通道暗区域的对应区域灰度直方图设定亮度数组v为亮度数组,定义v亮度数组元素的个数将整个亮度区间分为相应的子区间,本实施例中将整个亮度区间分为5个子区间,即v为元素个数为5的亮度数组。
例如设:h[m]=0 m=0,...23
v[n]=0 n=0,...4
则h,v的计算如下:
v[n]=v[n]+1当n*vvalue<V(i,j)≤(n+1)*vvalue------(15);
h[m]=h[m]+1当m*hvalue<H(i,j)≤(m+1)*hvalue------(16);
i=0,1...,WIDTH,j=0,1...,HEIGHT
m=0,...23,v[n]=0 n=0,...4
根据公式(15)、(16)计算获得V通道、H通道的灰度直方图,以及根据h,v的计算结果获得对应的图像的颜色信息。
步骤S34、根据所述图像的颜色信息获取所述图像的颜色特征。
本步骤S34包括:根据所述图像的颜色信息获取所述图像的颜色向量,对所述图像的颜色向量进行二值化处理,根据二值化处理结果计算所述图像的颜色特征。具体地,设定c为所述图像的10个颜色元素的颜色向量,设定所述10个颜色元素依次为白色、灰色、黑色、红色、橙色、黄色、绿色、青色、蓝色、品红色,则c[5]表示所述图像的黄色元素。颜色向量信息规则如下:
从上述颜色向量信息获取所述图像的颜色向量c,将c的每个颜色元素二值化如下:
根据上述公式计算可得所述图像的颜色特征,即将c改写成枚举的形式为:(c[0],c[1],…,c[8],c[9])。因此所述图像的颜色特征为:(0,1,0,0,0,1,0,0,0,1),即该颜色特征表示对所述图像同时具有灰色、黄色、品红色三种颜色属性。
步骤S40、计算所述目标图像与所述第一图像集中每一图像之间的颜色特征相似度,将所述颜色特征相似度大于第二设定阈值的图像组合成第二图像集。
本实施例中目标图像与第一图像库中某一图像的颜色特征相似度的计算方式如下:
设c1为目标图像的颜色属性、设c2为第一图像集中某一图像的颜色属性,K1为颜色相似个数,K1的大小可以表征目标图像与所述某一图像的颜色特征的相似度。其中设K1的初始值为0,当c1[i]=c2[i],且c2[i]=1,则K1=K1+1;其中i=0,…9。最终的K1越大则表示所述某一图像与目标图像具有相同的颜色越多,二者的颜色特征相似度越高,最终的K1=0则表示所述某一图像与目标图像没有一种颜色相同,即二者的颜色相似度为零。
步骤S50、对所述第二图像集中的图像进行排列显示。
本步骤S50具体为:根据与目标图像之间的颜色特征相似度由高到低的顺序,对所述第二图像集中的图像进行排列显示;当存在多个与目标图像之间的颜色特征相似度相同的图像,则分别计算该多个图像与目标图像之间的颜色距离,以与目标图像之间的颜色距离由小到大的顺序对该多个图像进行排列显示。
本步骤中目标图像与第二图像库中某一图像的颜色距离的计算方式如下:
K2=0;
K2=K2+|c1[i]-c2[i]|-----(18);其中i=0,1…9。
其中,K2为图像间颜色特征间的距离,通过上述公式(18)知道K2的数值大小等于特征c1和c2的所有元素中不相等的个数,K2越大说明颜色特征间元素不相等的个数越多,从而图像间的颜色距离也就越大。其中,在LTP纹理特征以及颜色特征与目标图像相似度一致的图像中,与目标图像的颜色距离越小的图像则相似度越高,反之则与目标图像的相似度则越低。
以上方法实施例中,所述颜色特征为二进制颜色特征,颜色距离为二进制颜色距离。
上述图像检索的方法实施例,通过提取目标图像和图像库中每一图像的纹理特征;计算所述目标图像与所述图像库中每一图像之间的纹理特征相似度,将所述纹理特征相似度大于第一设定阈值的图像组合成第一图像集;获取所述目标图像和所述第一图像集中每一图像的颜色特征;计算所述目标图像与所述第一图像集中每一图像之间的颜色特征相似度,将所述颜色特征相似度大于第二设定阈值的图像组合成第二图像集;对所述第二图像集中的图像进行排列显示的方式,在图像处理过程中降低了图像特征的维度,提高了图像处理速度,从而提高了图像检索的速度,同时由于采用图像的纹理特征以及颜色特征相似度相结合的检索方式,大大地提高了图像检索的准确率。
本发明进一步提供一种图像检索的装置,参见图5,图5为本发明的图像检索的装置一实施例的功能模块示意图。在该实施例中,所述图像检索的装置100包括:纹理特征提取模块110、第一计算模块120、获取模块130、第二计算模块140、图像排列显示模块150。其中,所述纹理特征提取模块110,用于提取目标图像和图像库中每一图像的纹理特征。所述第一计算模块120,用于计算所述目标图像与所述图像库中每一图像之间的纹理特征相似度,将所述纹理特征相似度大于第一设定阈值的图像组合成第一图像集。所述获取模块130,用于获取所述目标图像和所述第一图像集中每一图像的颜色特征。所述第二计算模块140,用于计算所述目标图像与所述第一图像集中每一图像之间的颜色特征相似度,将所述颜色特征相似度大于第二设定阈值的图像组合成第二图像集。所述图像排列显示模块150,用于对所述第二图像集中的图像进行排列显示。
本实施例中,所述纹理特征提取模块110,具体还用于获取目标图像和图像库中的每一图像,将所述目标图像、图像库中每一图像调整为大小一致,将调整后的每一图像划分为m*n分区;针对每一图像,计算每个分区中每个像素块的平均灰度值,轮流取每个像素块的8邻域象素块,计算每个像素块的8邻域像素块的平均灰度值;根据每个像素块的平均灰度值、每个像素块与对应的8邻域像素块的平均灰度值的对比值,计算每一分区的8邻域象素块的灰度离散度;定义一致性阈值,针对每一图像的每一分区,根据所述离散度和所述一致性阈值获得每一分区的特征向量;根据每一图像的所有分区的特征向量获取每一图像的纹理特征。具体地,获取目标图像和图像库中的每一图像,将所述目标图像、图像库中每一图像调整为大小一致,将调整后的每一图像划分为m*n个分区,每个分区包括3*3个像素块,该3*3个像素块中包括1个邻域中心像素块、该邻域中心像素块对应的8个邻域像素块。(针对每一图像,计算每个分区中每个像素块的平均灰度值,轮流取每个像素块的(8,2)邻域象素块,如图2中心象素块GC的平均灰度值是60,计算其(8,2)邻域的8个像素块的平均灰度值以及每个象素块和平均灰度值的对比值(公式(1)),然后计算8个对比值的平均值(公式(2)),最后根据公式(3)计算(8,2)邻域8个象素块的灰度离散度σ。定义一致性阈值,针对每一图像的每一分区,根据所述离散度和所述一致性阈值对所述8个邻域像素块与邻域中心像素块的灰度对比值进行一致性阈值化获得对应分区的LTP特征向量,从所述LTP特征向量中获取LTP正特征和LTP负特征,将每一图像的所有分区的LTP正特征连接成复合LTP正特征,所有LTP负特征连接成复合LTP负特征,每一图像对应的复合LTP正特征与复合LTP负特征组合构成对应图像的LTP纹理特征。
以下以对目标图像和图像库中图像LTP纹理特征的提取进行进一步的展开描述:首先将所述目标图像、图像库中每一图像调整为大小一致(将目标图像和图像库中的每一图像归一化同等大小),然后对每一图像进行分区,即将每一图像划分为m*n(如4*4)个分区,每个分区包括3*3像素块,针对每一图像的每一分区计算每个像素块的灰度值。采用多模块的8邻域半径为2的LTP算子在每一图像的每一分区上计算邻域中心像素块GC与对应的8个邻域像素块G(i)(i=0,1,2…7)灰度对比值,参见图2,所述3*3个像素块的灰度值从左至右、由上而下分别为59、85、33、18、60、58、88、25、76,其中邻域中心像素块GC的平均灰度值为60,计算得出的灰度对比结果为(-1,25,-27,-42,-2,28,-35,18)。根据灰度对比结果计算灰度对比值的离散度σ,以离散度σ作为8邻域像素块的灰度值一致性程度的判断依据,σ越大表明8邻域像素块间跳跃性变化越大,即一致性越差;σ越小表明8邻域象素间变化越小,即一致性越好。
其中离散度σ的计算过程如下:
8邻域象素块对比度均值为:
则离散度σ为:
根据实践经验值,预先设置一个一致性阈值T(如T取值为20能达到比较好的效果),根据所述离散度和所述一致性阈值T对各邻域象素块G(i)(i=0,1...7)与邻域中心像素块GC的灰度对比值进行一致性阈值化,具体一致性阈值化过程如下:
当σ<T时,则:
当σ>T时,则:
通过对各邻域象素块G(i)(i=0,1...7)与邻域中心像素块GC的灰度对比值进行一致性阈值化,获得对应分区的LTP特征向量,如获取的LTP特征向量为01-1-101-11。从获取的LTP特征向量(01-1-101-11)中提取LTP正特征和LTP负特征,如特征值为“01-1-101-11”,则其对应的LTP正特征改写为“01000101”,其对应的LTP负特征改写为“00110010”,参见图3。
统计每一图像的每一分区的LTP正特征直方图和LTP负特征直方图,将每一分区的LTP正特征直方图和LTP负特征直方图分别进行连接,形成对应分区的LTP正特征复合向量和LTP负特征复合向量,将每一图像的所有分区中的LTP正特征进行连接形成复合LTP正特征,将每一图像的所有分区中的LTP负特征进行连接形成复合LTP负特征,最后每一图像的复合LTP正特征与复合LTP负特征相连接则构成对应图像的LTP纹理特征V。
上述实施例中所述第一计算模块120计算目标图像与图像库中的图像之间的LTP纹理特征相似度的过程为:
设目标图像的LTP纹理特征为V1,设图像库中某一图像的LTP纹理特征为V2,设V1、V2的向量长度为n,则V1、V2之间的相似度计算如下:
V3(i)=min[V1(i),V2(i)]i=0,…n-1------(6);
Sum=sum[V3(i)]i=0,…n-1------(7);
Score=Sum/sum[V1(i)]i=0,…n-1------(8);
其中,min[V1(i),V2(i)]表示取V1(i)和V2(i)的最小值,sum[V3(i)]和sum[V1(i)]表示特征向量V3的所有元素求和;Score表示V1和V2的相似度。
参见图6,图6为图5中获取模块的具体细化功能模块示意图。所述获取模块130包括:通道获取单元131,二值化处理单元132,颜色信息获取单元133,颜色特征获取单元134。其中,所述通道获取单元,用于将目标图像与第一图像集中每一图像转换为HSV图像格式,获取每一格式转换后的图像的色调通道(H通道)、饱和度通道(S通道)和亮度通道(V通道)。所述二值化处理单元132,用于对S通道进行二值化处理,得到S通道的亮区域和暗区域;将S通道的亮区域对H通道进行投影获得H通道的色调区域,以及将S通道的暗区域对V通道进行投影获得V通道中与S通道暗区域对应的区域;并统计所述H通道中的色调区域的灰度直方图以及所述V通道中与S通道暗区域的对应区域灰度直方图。所述颜色信息获取单元133,用于根据H通道中的色调区域的灰度直方图设定色调数组,以及根据V通道中与S通道暗区域的对应区域灰度直方图设定亮度数组。所述颜色特征获取单元134,用于根据所述图像的颜色信息获取所述图像的颜色特征。
其中,所述二值化处理单元132具体对S通道进行二值化处理,二值化处理后获得S通道的亮区域和暗区域,并将S通道的亮区域和暗区域提取出来,并将S通道的亮区域对H通道进行投影计算,以及将S通道的暗区域对V通道进行投影计算。即根据公式(10)计算H通道中与S通道的亮区域相对应的区域,也称H通道的色调区域;以及根据公式(11)计算V通道中与S通道的暗区域相对应的区域。然后统计H通道的色调区域的灰度直方图、V通道中与S通道的暗区域相对应的区域的灰度直方图,其中以areaS表示S通道的亮区,以areaH表示H通道的色调区域,以areaV表示V通道中与S通道的暗区域对应的区域,以WIDTH表示图像的宽、以HEIGHT表示图像的高,对H、S、V通道二值化处理具体如下:
areaS=areaH=areaV=0
areaS=areaS+1,当S(i,j)=1------(12);
areaH=areaH+1,当S(i,j)=1------(13);
areaV=areaV+1,当S(i,j)=0------(14);
i=0,1...,WIDTH,j=0,1...,HEIGHT
本实施例中所述颜色信息获取单元133具体用于根据H通道中的色调区域的灰度直方图设定色调数组,定义h为色调数组,每个元素的大小表示在落在该色调区间的像素数目,h色调数组元素的个数将整个色调区域分为相应的子区间,本实施例中将整个色调区间分为24个子区间,即h为元素个数为24的色调数组。根据V通道中与S通道暗区域的对应区域灰度直方图设定亮度数组v为亮度数组,定义v亮度数组元素的个数将整个亮度区间分为相应的子区间,本实施例中将整个亮度区间分为5个子区间,即v为元素个数为5的亮度数组。
例如设:h[m]=0 m=0,...23
v[n]=0 n=0,...4
则h,v的计算如下:
v[n]=v[n]+1当n*vvalue<V(i,j)≤(n+1)*vvalue------(15);
h[m]=h[m]+1当m*hvalue<H(i,j)≤(m+1)*hvalue------(16);
i=0,1...,WIDTH,j=0,1...,HEIGHT
m=0,...23,v[n]=0 n=0,...4
根据公式(15)、(16)计算获得V通道、H通道的灰度直方图,以及根据h,v的计算结果获得对应的图像的颜色信息。
本实施例中所述颜色特征获取单元134具体还用于根据所述图像的颜色信息获取所述图像的颜色向量,对所述图像的颜色向量进行二值化处理,根据二值化处理结果计算所述图像的颜色特征。具体地,设定c为所述图像的10个颜色元素的颜色向量,设定所述10个颜色元素依次为白色、灰色、黑色、红色、橙色、黄色、绿色、青色、蓝色、品红色,则c[5]表示所述图像的黄色元素。颜色向量信息规则如下:
从上述颜色向量信息获取所述图像的颜色向量c,将c的每个颜色元素二值化如下:
根据上述公式计算可得所述图像的颜色特征,即将c改写成枚举的形式为:(c[0],c[1],…,c[8],c[9])。因此所述图像的颜色特征为:(0,1,0,0,0,1,0,0,0,1),即该颜色特征表示对所述图像同时具有灰色、黄色、品红色三种颜色属性。
另外,所述第二计算模块140对目标图像与第一图像库中某一图像的颜色特征相似度的计算方式如下:
设c1为目标图像的颜色属性、设c2为第一图像集中某一图像的颜色属性,K1为颜色相似个数,K1的大小可以表征目标图像与所述某一图像的颜色特征的相似度。其中设K1的初始值为0,当c1[i]=c2[i],且c2[i]=1,则K1=K1+1;其中i=0,…9。最终的K1越大则表示所述某一图像与目标图像具有相同的颜色越多,二者的颜色特征相似度越高,最终的K1=0则表示所述某一图像与目标图像没有一种颜色相同,即二者的颜色相似度为零。
上述实施例中所述图像排列显示模块150,具体用于根据与目标图像之间的颜色特征相似度由高到低的顺序,对所述第二图像集中的图像进行排列显示;当存在多个与目标图像之间的颜色特征相似度相同的图像,则分别计算该多个图像与目标图像之间的颜色距离,以与目标图像之间的颜色距离由小到大的顺序对该多个图像进行排列显示。其中,所述图像排列显示模块150对目标图像与第二图像库中某一图像的颜色距离的计算方式如下:
K2=0;
K2=K2+|c1[i]-c2[i]|------(18);其中i=0,1…9。
其中,其中,K2为图像间颜色特征间的距离,通过上述公式(18)知道K2的数值大小等于特征c1和c2的所有元素中不相等的个数,K2越大说明颜色特征间元素不相等的个数越多,从而图像间的颜色距离也就越大。其中,在LTP纹理特征以及颜色特征与目标图像相似度一致的图像中,与目标图像的颜色距离越小的图像与目标图像的相似度则越高,反之则与目标图像的相似度则越低。
以上方法实施例中,所述颜色特征为二进制颜色特征,颜色距离为二进制颜色距离。
上述图像检索的装置实施例,通过提取目标图像和图像库中每一图像的纹理特征;计算所述目标图像与所述图像库中每一图像之间的纹理特征相似度,将所述纹理特征相似度大于第一设定阈值的图像组合成第一图像集;获取所述目标图像和所述第一图像集中每一图像的颜色特征;计算所述目标图像与所述第一图像集中每一图像之间的颜色特征相似度,将所述颜色特征相似度大于第二设定阈值的图像组合成第二图像集;对所述第二图像集中的图像进行排列显示的方式,在图像处理过程中降低了图像特征的维度,提高了图像处理速度,从而提高了图像检索的速度,同时由于采用图像的纹理特征以及颜色特征相似度相结合的检索方式,大大地提高了图像检索的准确率。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。