TWI411968B

TWI411968B - 圖像特徵計算方法以及圖像檢索方法

Info

Publication number: TWI411968B
Application number: TW098146415A
Authority: TW
Inventors: Juan Zhao
Original assignee: Via Tech Inc
Priority date: 2009-12-31
Filing date: 2009-12-31
Publication date: 2013-10-11
Also published as: US20110158519A1; TW201123027A; US8498474B2

Description

圖像特徵計算方法以及圖像檢索方法

本發明係有關於圖像檢索，尤其是有關於在數據量極大的圖像庫中進行檢索時，提高檢索效率與檢索準確率的方法。

傳統的圖像係以RGB座標為記錄的格式。而在建立圖像資料庫的時候，一般都是先統計該圖像以產生一顏色直方圖，再以該顏色直方圖為特徵進行檢索。第1A圖係為習知的顏色直方圖，其中橫軸係為階數(一般為0到255)，而縱軸係為：畫素數量除以圖像總畫素數量，即畫素數量/圖像總畫素數量，稱之為該畫素的比例，該比例為0至1之間的數字，R、G和B三條曲線即代表一圖像中三原色從暗到亮的分布方式。顏色直方圖的優點很多。舉例來說，其計算簡單且效率高。而且圖像經過變形與旋轉仍然可保有不變性。

第1B圖係為習知的圖像特徵產生方法。在步驟101中，首先輸入一原始圖像。在步驟103中，接著統計每一畫素的顏色分布方式，以產生如第1A圖所示的顏色直方圖。在步驟105中，最後根據該顏色直方圖計算該圖像的特徵值，以便進行檢索。傳統方法的缺點是，由於顏色直方圖對於圖像方向、大小等變化皆不敏感，所以無法反映空間上的分布關係。如果兩張截然不同的圖像具有類似的顏色直方圖，可能就會造成檢索上的誤判。

有鑑於此，本發明提出一種改良的圖像特徵計算方法以及基於該圖像特徵的檢索方法。

本發明提出一種圖像特徵計算方法，以及基於該圖像特徵計算方法的圖像檢索方法。首先提供一圖像，包含複數畫素。接著將該圖像轉換為HSV座標，使每一畫素包含一色度值，一飽和度值以及一亮度值。最後統計所有畫素的色度值、飽和度值以及亮度值以計算該圖像的一特徵值。

在HSV空間中，每一種顏色都是由色度、飽和度和亮度三種特徵來表示的，這裏我們以色度為例說明。

在統計所有畫素的色度值時，首先統計小於每一色度值的畫素總量比例，該比例為小於該色度值的圖元的數量除以圖像中的總圖元數量，為0-1之間的數字，以產生一色度累加直方圖。接著統計等於每一色度值的畫素總量比例，該比例為等於該色度值的圖元的數量除以圖像中的總圖元數量，以判定具有最高畫素比例的一或多個色度值為關鍵色度。最後根據該色度累加直方圖計算每一關鍵色度的一或多個色度不變矩。該特徵值即包含該些色度不變矩。

在計算一色度不變矩時，首先將一關鍵色度、一橫向指數以及一縱向指數代入一中心矩累加函式以產生一種子函式。接著組合多個不同橫向指數及縱向指數所產生的種子函式，以產生對應該關鍵色度的色度不變矩。

在一實施例中，該中心矩累加函式表示為：

該種子函式表示為：

其中h_i 係為該關鍵色度，p係為該橫向指數，q係為該縱向指數，(x ,y )係為圖像上每一畫素之座標，為該圖像的重心座標。該橫向指數與該縱向指數之多種組合關係可表示為：

Ψ ₁ =η₂₀ +η₀₂

Ψ ₂ =(η₂₀ -η₀₂ )² +4η₁₁ ²

Ψ ₃ =(η₃₀ -3η₁₂ )² +(3η₂₁ -η₀₃ )²

Ψ ₄ =(η₃₀ +η₁₂ )² +(η₂₁ +η₀₃ )²

其中Ψ ₁ 、Ψ ₂ 、Ψ ₃ 以及Ψ ₄ 係為對應該關鍵色度之多個色度不變矩。

在統計所有畫素的飽和度值時，首先統計小於每一飽和度值的畫素比例，以產生一飽和度累加直方圖。接著統計等於每一飽和度值的畫素比例，以判定具有最高畫素比例的一或多個飽和度值為關鍵飽和度。最後根據該飽和度累加直方圖計算每一關鍵飽和度的一或多個飽和度不變矩。該特徵值亦包含該些飽和度不變矩。

在統計所有畫素的亮度值時，首先統計小於每一亮度值的畫素比例，以產生一亮度累加直方圖。接著統計等於每一亮度值的畫素比例，以判定具有最高畫素比例的一或多個亮度值為關鍵亮度。最後根據該亮度累加直方圖計算每一關鍵亮度的一或多個亮度不變矩。該特徵值亦包含該些亮度不變矩。

在進行圖像檢索時，首先提供一圖像資料庫，包含多個不同圖像的特徵值。接著將該圖像的特徵值與該圖像資料庫中的每一特徵值進行相似度比對，以產生一檢索結果。該圖像資料庫中的每一特徵值亦是基於該特徵值產生方法而建立。

在進行相似度比對時，首先從該圖像資料庫中選取一參考特徵值。該參考特徵值包含至少一參考關鍵色度，至少一參考關鍵飽和度，以及至少一參考關鍵亮度。每一參考關鍵色度對應多個參考色度不變矩，每一參考關鍵飽和度對應多個參考飽和度不變矩，而每一參考關鍵亮度對應多個參考亮度不變矩。接著將每一關鍵色度的色度不變矩與每一參考關鍵色度的參考色度不變矩代入歐式距離公式，以產生一色度相似度。每一關鍵飽和度的飽和度不變矩與每一參考關鍵飽和度的參考飽和度不變矩代入歐式距離公式後產生一飽和度相似度。而每一關鍵亮度的亮度不變矩與每一參考關鍵亮度的參考亮度不變矩代入歐式距離公式後產生一亮度相似度。最後將該色度相似度、該飽和度相似度以及該亮度相似度進行線性結合，以產生一相似度值。

進行線性結合的步驟，即將該色度相似度、該飽和度相似度以及該亮度相似度分別乘上一第一加權係數，一第二加權係數以及一第三加權係數，所得之結果相加即產生該相似度值；其中該第一加權係數、該第二加權係數以及該第三加權係數之總和為一。在一實施例中，如果該相似度值大於一臨界值，將該參考特徵值輸出為該檢索結果。

下列實施例具體的說明如何以較佳的方式實現本發明。實施例僅供說明一般應用的方式，而非用以限縮本發明的範圍。實際範圍以申請專利範圍所列為準。

第2圖係為本發明實施例之圖像特徵產生方法。為了提高圖像檢索的效率，本發明採用HSV座標來提取圖像特徵。此外，在統計圖像特徵時，只參考關鍵色度的部份，減少了次要訊息的干擾，也減少了計算上的消耗。另外，本發明引入了不變矩的概念，使圖像特徵能夠具體反映空間分布的情形，增加了圖像檢索的準確率。首先在步驟201中，提供一圖像，其中包含複數畫素。接著在步驟203中，將該圖像轉換為HSV座標，使每一畫素包含一色度值，一飽和度值以及一亮度值。HSV座標比RGB座標更能反映人類對顏色的感知，其中H代表色度(hue)，S代表飽和度(saturation)，又稱彩度。而value代表強度(value)，又稱亮度值。色座標的轉換方式，可以依照下列公式進行：

其中當R=G=B時，H無意義，所以特別定義R=G=B時的H為125.5，S=0而V=R/255。

接著在步驟205中，根據轉換為HSV座標的圖像，產生一HSV累加直方圖。直方圖係為一種統計圖表，用來表示畫素的數值分布。而累加直方圖則是將數值分布以累加的方式呈現，形成一種絕對遞增的線性關係。由於人眼分辨色彩的能力是有限的，例如：人眼對色度值的微小變化並不敏感。因此在相同飽和度和強度之下，色度在一定範圍的變化，人眼無法察覺。為了適應這種視覺特性，習知的做法是加大取樣色度的間隔(例如每隔一度加大為每隔兩度)，但是相對的檢索誤差也會增大。採用累加直方圖，通過累加方式增加了直方圖的強健性(Robust)，可以克服檢索誤差的問題，提高檢索的準確度。

在步驟207中，統計該圖像中出現頻率最高的一或多個色度、飽和度和亮度，將其選取為關鍵色度、關鍵飽和度以及關鍵亮度。在本發明中，僅針對關鍵色度、關鍵飽和度以及關鍵亮度進行統計分析，至於其他次要的資訊則予以忽略，藉此提高特徵值的計算效能。

在步驟209中，為每一關鍵色度、關鍵飽和度以及關鍵亮度計算不變矩。不變矩的理論基礎是Hu於1962的論文“Visual Pattern Recognition by Moment Invariants”，其中證明利用一圖像的中心矩可創造七個不變量，對於平移、縮放和旋轉具有不變性。本發明則是將關鍵色度、關鍵飽和度以及關鍵亮度代入其公式以產生色度不變矩，飽和度不變矩以及亮度不變矩，來作為本發明的圖像特徵。

在步驟211中，在計算出色度不變矩，飽和度不變矩以及亮度不變矩之後，將這些數值協同關鍵色度、關鍵飽和度、關鍵亮度一併儲存起來，即成為一圖像的圖像特徵。

第3A圖係為第2圖產生之HSV累加直方圖。其中橫軸代表階數，而縱軸代表數量與總畫素值之比值，即數量/總畫素值(為0-1間的數字)。對色度而言，階數為0到360度(2π)。每一色度階數所對應的比值，等於將小於該色度階數的所有畫素比例累加起來。因此所產生的H曲線會是一條絕對遞增的累加曲線。對飽和度而言，階數為0到100。同樣地，在累加時，每一飽和度階數對應的數量值等於小於該飽和度階數的所有畫素總和，故產生一條絕對遞增的S曲線。對亮度而言，階數為0到100。同樣地會產生一條V曲線。

第3B圖係為一顏色分布表，用以統計關鍵色度、關鍵飽和度以及關鍵亮度。在第3B圖中，橫軸代表階數，而縱軸代表數量。與第3A圖不同的是，每一階數對應的數量值，即為等於該階數的畫素比例。故第3B圖中H、S、V曲線反映了畫素的色度、飽和度、亮度階數分布。據此，挑選關鍵色度時，可以從H曲線中直接挑選具有最高頻率的前幾個色度，所得到的關鍵色度可以表示為H=[h₁ ,h₂ ,h₃ ,...,h_n ]。同樣地，挑選關鍵飽和度時，可從S曲線中挑選具有最高頻率的前幾個飽和度，得到關鍵飽和度S=[s₁ ,s₂ ,s₃ ,...,s_n ]。而從V曲線中可得到關鍵亮度V=[v₁ ,v₂ ,v₃ ...,v_n ]。

在得到關鍵色度、關鍵飽和度以及關鍵亮度後，接著計算不變矩。

在計算一色度不變矩時，首先將一關鍵色度h_i 、一橫向指數p以及一縱向指數q代入一中心矩累加函式u_pq 以產生一種子函式η。該中心矩累加函式可表示為：

而該種子函式表示為：

其中h_i 係為該些關鍵色度其中之一(i=1到n)，p係為該橫向指數，q係為該縱向指數，(x ,y )係為圖像上每一畫素之座標，為該圖像的重心座標。

接著組合多個不同橫向指數及縱向指數所產生的種子函式，以產生對應該關鍵色度的多個色度不變矩。在本實施例中，採用了Hu論文中所述的前四個不變矩，依照該橫向指數p與該縱向指數q之多種組合關係可表示為：

Ψ ₁ =η₂₀ +η₀₂ 　(3)

Ψ ₂ =(η₂₀ -η₀₂ )² +4η₁₁ ² 　(4)

Ψ ₃ =(η₃₀ -3η₁₂ )² +(3η₂₁ -η₀₃ )² 　(5)

Ψ ₄ =(η₃₀ +η₁₂ )² +(η₂₁ +η₀₃ )² 　(6)

其中λ_hi =[Ψ ₁ ,Ψ ₂ ,Ψ ₃ ,Ψ ₄ ]即為對應該關鍵色度h_i 之多個色度不變矩。也是本發明所欲求得的圖像特徵值。上述第(1)式到第(6)式雖然是以關鍵色度為例，但是同樣的，將關鍵彩色si以及關鍵亮度v_i 取代h_i 代入上述式子也可以求得多個飽和度不變矩以及亮度不變矩。

故整體來說，一圖像的圖像特徵，將會包含下列數值：

H=[h₁ ,h₂ ,h₃ ,...,h_n ]　(7)

S=[s₁ ,s₂ ,s₃ ,...,s_n ]　(8)

V=[v₁ ,v₂ ,v₃ ,...,v_n ]　(9)

λ_H =[λ_h1 ,λ_h2 ,λ_h3 ,...,λ_hn ]　(10)

λ_S =[λ_s1 ,λ_s2 ,λ_s3 ,...,λ_sn ]　(11)

λ_V =[λ_h1 ,λ_h2 ,λ_h3 ,...,λ_hn ]　(12)

其中H、S、V代表關鍵色度值、關鍵飽和度值以及關鍵亮度值，而λ_H 、λ_H 及λ_H 代表色度不變矩、飽和度不變矩以及亮度不變矩形成的數列。基於上述特徵值的計算方式，可以有效率的建立一圖像資料庫，事先將大量圖像轉換成特徵值，協同該圖像的各項資訊例如版權、作者、年份、內容說明等一併儲存，以供後續檢索作業。

第4圖係為本發明實施例之圖像檢索方法。在步驟401中，首先提供一輸入圖像。在步驟403中，根據本發明提出的圖像特徵產生方法，將該圖像計算一特徵值。該特徵值的表示式可以是第(6)式到第(12)式所示。接著在步驟405中，從該圖像資料庫中選取一參考圖像，分別計算與該輸入圖像的色度相似度、飽和度相似度以及亮度相似度。接著在步驟407中，分別將該色度相似度、飽和度相似度以及亮度相似度乘以不同權重再相加，即成為一相似度值。最後在步驟409中，根據該相似度值判斷該兩個圖像是否相似。如果是，則輸出該參考圖像的對應資訊成為一檢索結果。基本上圖像檢索的步驟是大量遞迴地進行，從該圖像資料庫中依序不斷地選擇參考圖像，與輸入圖像比對，直到產生檢索結果為止。

在計算相似度時，首先從資料庫中輸出該參考圖像的一參考特徵值。該參考特徵值基本上包含參考關鍵色度H^R ，參考關鍵飽和度S^R ，以及參考關鍵亮度V^R ，表示為：

H^R =[h^R ₁ ,h^R ₂ ,h^R ₃ ,...,h^R _n ]　(13)

S^R =[s^R ₁ ,s^R ₂ ,s^R ₃ ,...,s^R _n ]　(14)

V^R =[v^R ₁ ,v^R ₂ ,v^R ₃ ,...,v^R _n ]　(15)

而其所對應的色度不變矩、飽和度不變矩以及亮度不變矩可表示為：

λ^R _H =[λ^R _h1 ,λ^R _h2 ,λ^R _h3 ,...,λ^R _hn ]　(16)

λ^R _S =[λ^R _s1 ,λ^R _s2 ,λ^R _s3 ,...,λ^R _sn ]　(17)

λ^R _V =[λ^R _h1 ,λ^R _h2 ,λ^R _h3 ,...,λ^R _hn ]　(18)

接著使用歐式距離公式來計算兩個圖像之間的色度相似度、飽和度相似度以及亮度相似度：

其中u_H 代表色度不變矩之間的歐氏距離，亦即色度相似度、而同樣的，u_S 代表飽和度相似度，u_V 代表亮度相似度。最後將該色度相似度、該飽和度相似度以及該亮度相似度進行線性結合，以產生一相似度值ρ：

ρ=ω_H u _H +ω_S u _S +ω_V u _V 　(22)

其中ω_H 、ω_S 以及ω_V 為自定義的加權係數，其總和為一。這些加權係數可根據不同的檢索需求進行設定。舉例來說，在一般情況下，亮度值的重要性最低，所以權重係數的默認值可以是ω_H =0.4、ω_S =0.4以及ω_V =0.2。另外若是在檢索黑白圖像的時候，色度和飽和度值皆為無意義，只剩下亮度值有意義，因此可以將權重係數設定為ω_H =0、ω_S =0以及ω_V =1。

本發明所提出的圖像檢索方法以及圖像特徵產生方法，尤其適用於大量圖像檢索的應用，例如外觀專利、商標管理，以及一般商用圖像庫的管理，甚至是應用在網際網路圖像搜尋引擎上。

雖然本發明以較佳實施例說明如上，但可以理解的是本發明的範圍未必如此限定。相對的，任何基於相同精神或對習知技術者為顯而易見的改良皆在本發明涵蓋範圍內。因此專利要求範圍必須以最廣義的方式解讀。

R、G、B．．．RGB曲線

101、103、105．．．處理步驟

201、203、205、207、209、211．．．處理步驟

H、S、V．．．HSV曲線

401、403、405、407、409．．．處理步驟

第1A圖係為習知的顏色直方圖；

第1B圖係為習知的圖像特徵產生方法；

第2圖係為本發明實施例之圖像特徵產生方法；

第3A圖係為第2圖產生之HSV累加直方圖；

第3B圖係為一顏色分布表；以及

第4圖係為本發明實施例之圖像檢索方法。

201、203、205、207、209、211．．．處理步驟

Claims

一種圖像特徵計算方法，包含：提供一圖像，包含複數畫素；將該圖像轉換為色度飽和度亮度(HSV)座標，使每一畫素包含一色度值，一飽和度值以及一亮度值；以及統計所有畫素的色度值、飽和度值以及亮度值以計算該圖像的一特徵值，其中統計所有畫素的色度值步驟包含：統計小於每一色度值的第一畫素比例，該第一畫素比例為小於該色度值的圖元的數量除以圖像中的總圖元數量，以產生一色度累加直方圖；統計等於每一色度值的第二畫素比例，該第二畫素比例為等於該色度值的圖元的數量除以圖像中的總圖元數量，以判定具有最高畫素比例的一或多個色度值為關鍵色度；以及根據該色度累加直方圖計算每一關鍵色度的一或多個色度不變矩；其中該特徵值包含該些色度不變矩。
如申請專利範圍第1項所述之圖像特徵計算方法，其中計算一色度不變矩的步驟包含：將一關鍵色度、一橫向指數以及一縱向指數代入一中心矩累加函式以產生一種子函式；以及組合多個不同橫向指數及縱向指數所產生的種子函式，以產生對應該關鍵色度的多個色度不變矩。
如申請專利範圍第2項所述之圖像特徵計算方法，其中：該中心矩累加函式係為：該種子函式係為：其中其中h_i 係為該關鍵色度，p係為該橫向指數，q係為該縱向指數，(x ,y )係為圖像上每一畫素之座標，(,)為該圖像的重心座標。
如申請專利範圍第3項所述之圖像特徵計算方法，其中該橫向指數與該縱向指數之多種組合關係為：ψ₁ =η₂₀ +η₀₂ ψ₂ =(η₂₀ -η₀₂ )² +4η₁₁ ² ψ₃ =(η₃₀ -3η₁₂ )² +(3η₂₁ -η₀₃ )² ψ₄ =(η₃₀ +η₁₂ )² +(η₂₁ +η₀₃ )² 其中ψ₁ 、ψ₂ 、ψ₃ 以及ψ₄ 係為對應該關鍵色度之多個色度不變矩。
如申請專利範圍第1項所述之圖像特徵計算方法，其中統計所有畫素的步驟進一步包含：統計小於每一飽和度值的第一畫素比例，以產生一飽和度累加直方圖；統計等於每一飽和度值的第二畫素比例，以判定具有最高畫素比例的一或多個飽和度值為關鍵飽和度；以及根據該飽和度累加直方圖計算每一關鍵飽和度的一或多個飽和度不變矩；其中該特徵值包含該些飽和度不變矩。
如申請專利範圍第5項所述之圖像特徵計算方法，其中統計所有畫素的步驟進一步包含：統計小於每一亮度值的第一畫素比例，以產生一亮度累加直方圖；統計等於每一亮度值的第二畫素比例，以判定具有最高畫素比例的一或多個亮度值為關鍵亮度；以及根據該亮度累加直方圖計算每一關鍵亮度的一或多個亮度不變矩；其中該特徵值包含該些亮度不變矩。
一種圖像檢索方法，包含：提供一圖像資料庫，包含多個不同圖像的特徵值；提供一圖像，包含複數畫素；計算該圖像的一特徵值；將該特徵值與該圖像資料庫中的每一特徵值進行相似度比對，以產生一檢索結果；其中：計算該特徵值的步驟包含：將該圖像轉換為HSV座標，使每一畫素包含一色度值，一飽和度值以及一亮度值；以及統計該圖像中所有畫素的色度值、飽和度值以及亮度值以計算該特徵值；以及該圖像資料庫中不同圖像的特徵值係基於該計算特徵值的步驟而建立，統計所有畫素的步驟包含：統計小於每一色度值的第一畫素比例，該第一畫素比例為小於該色度值的圖元的數量除以圖像中的總圖元數量，以產生一色度累加直方圖；統計等於每一色度值的第二畫素比例，該第二畫素比例為等於該色度值的圖元的數量除以圖像中的總圖元數量，以判定具有最高畫素比例的一或多個色度值為關鍵色度；以及根據該色度累加直方圖計算每一關鍵色度的一或多個色度不變矩；其中該特徵值包含該些色度不變矩。
如申請專利範圍第7項所述之圖像檢索方法，其中計算一色度不變矩的步驟包含：將一關鍵色度、一橫向指數以及一縱向指數代入一中心矩累加函式以產生一種子函式；以及組合多個不同橫向指數及縱向指數所產生的種子函式，以產生對應該關鍵色度的多個色度不變矩。
如申請專利範圍第8項所述之圖像檢索方法，其中：該中心矩累加函式係為：該種子函式係為：其中其中h_i 係為該關鍵色度，p係為該橫向指數，q係為該縱向指數，(x ,y )係為圖像上每一畫素之座標，(,)為該圖像的重心座標。
如申請專利範圍第9項所述之圖像檢索方法，其中該橫向指數與該縱向指數之多種組合關係為：ψ₁ =η₂₀ +η₀₂ ψ₂ =(η₂₀ -η₀₂ )² +4η₁₁ ² ψ₃ =(η₃₀ -3η₁₂ )² +(3η₂₁ -η₀₃ )² ψ₄ =(η₃₀ +η₁₂ )² +(η₂₁ +η₀₃ )² 其中ψ₁ 、ψ₂ 、ψ₃ 以及ψ₄ 係為對應該關鍵色度之多個色度不變矩。
如申請專利範圍第7項所述之圖像檢索方法，其中統計所有畫素的步驟進一步包含：統計小於每一飽和度值的畫素比例，以產生一飽和度累加直方圖；統計等於每一飽和度值的畫素總比例量，以判定具有最多高畫素數量比例的一或多個飽和度值為關鍵飽和度；以及根據該飽和度累加直方圖計算每一關鍵飽和度的一或多個飽和度不變矩；其中該特徵值包含該些飽和度不變矩。
如申請專利範圍第11項所述之圖像檢索方法，其中統計所有畫素的步驟進一步包含：統計小於每一亮度值的畫素比例，以產生一亮度累加直方圖；統計等於每一亮度值的畫素飽和，以判定具有最高畫素比例的一或多個亮度值為關鍵亮度；以及根據該亮度累加直方圖計算每一關鍵亮度的一或多個亮度不變矩；其中該特徵值包含該些亮度不變矩。
如申請專利範圍第11項所述之圖像檢索方法，其中進行相似度比對的步驟包含：從該圖像資料庫中選取一參考特徵值，包含至少一參考關鍵色度，至少一參考關鍵飽和度，以及至少一參考關鍵亮度，其中每一參考關鍵色度對應多個參考色度不變矩，每一參考關鍵飽和度對應多個參考飽和度不變矩，而每一參考關鍵亮度對應多個參考亮度不變矩；將每一關鍵色度的色度不變矩與每一參考關鍵色度的參考色度不變矩代入歐式距離公式，以產生一色度相似度；將每一關鍵飽和度的飽和度不變矩與每一參考關鍵飽和度的參考飽和度不變矩代入歐式距離公式，以產生一飽和度相似度；將每一關鍵亮度的亮度不變矩與每一參考關鍵亮度的參考亮度不變矩代入歐式距離公式，以產生一亮度相似度；將該色度相似度、該飽和度相似度以及該亮度相似度進行線性結合，以產生一相似度值。
如申請專利範圍第13項所述之圖像檢索方法，其中進行線性結合的步驟包含：將該色度相似度、該飽和度相似度以及該亮度相似度各別乘上一第一加權係數，一第二加權係數以及一第三加權係數，所得之結果相加即產生該相似度值；其中該第一加權係數、該第二加權係數以及該第三加權係數之總和為一。
如申請專利範圍第14項所述之圖像檢索方法，進一步包含，如果該相似度值大於一臨界值，將該參考特徵值輸出為該檢索結果。