基于颜色块的半径直方图和角度直方图的图像检索
VIP免费
摘 要
随着科学技术的发展，随着数据库技术、多媒体技术以及计算机视觉技术的
快速发展，图像作为一种重要的多媒体信息的载体，已经广泛地应用于众多领域。
为了方便用户能够快速地、准确地从海量的图像资源中找到自己所需要的图像，
基于内容的图像检索(CBIR)技术正逐渐成为目前研究的热点。
颜色的全局直方图丢失了图像像素的空间分布信息，本文提出了一种基于半
径直方图和角度直方图的区域形状描述符。它利用形状区域内的所有像素信息，
能有效地捕捉到形状空间上的径向和角向特征，因此其检索得到的形状很符合人
眼的感性识别。此外，基于半径直方图和角度直方图的区域形状描述符具有平移、
尺度、旋转不变性，特征的提取也很简单、快速。相比较于一类只利用轮廓信息
的描述符，它利用形状区域的所有像素信息来提取形状特征，而且不受形状的轮
廓难以提取的限制，因此区域形状描述符有着更广泛的应用。
由于基于形状的图像检索，尤其是角度直方图和半径直方图都没有利用到图
像的颜色。颜色信息无论在图像还是视频中，都应该是一种非常重要的信息；而
形状信息在某种程度上又携带了一定的语义信息，也很重要。本文融合颜色特征
和形状特征信息，将图像内容看成由若干颜色块组成的集合，然后根据每一块颜
色块的半径直方图和角度直方图来计算图像之间内容的相似度，再进行检索。这
样，可以充分提取出图像的特征内容，该方法可应用于所有灰度图像和彩色图像
的检索，从而进一步扩大图像检索的应用。
关键词：基于形状的图像检索 颜色直方图 不变矩 半径和角度直
方图
V
ABSTRACT
Along with the development of computer,mutimedia and database technology,
image information, a main kind of multimedia information,is widely used in many
fields.In order to retrieval the images which user want to find quickly and accurately
from large amount of images,so Content-based image retrieval(CBIR) technology has
been studied a hot currently.
Over all histogram of color loses the special distribution of information of image
pixel. This paper proposes a region-based descriptor based on radius histogram and
angle histogram. It makes use of all the pixel information in the shape region. It can
effectively capture the radial and angular space features of the shape, so the retrieval
result is very consistent with the shape of the human perceptual identification.
Moreover, its representation is invariant to translation, scale, and rotation and its
feature extraction is simply and fast.Compared to the content-based descirptors,it uses
all the pixel information in the shape without restrictions to difficult content
extraction.So it has a wider application.
The shape-based image retrieval introduced in the front, in particular radius
histogram and angle histogram failed to capitalize on the color. Color information in
images or video, should be a very importantm essage, Shape information is also very
important because some semantic information also bring in shape to some extent.This
paper integrates the information of color and shape, views image content as a set of
several color blocks, and then use radius histogram and angle histogram of each color
block to compute the similarity of images for image retrieval. Thus, it can make the best
of image features. This method can be applied in both gray image and color image,
which expands the application scope of shape retrieva.
Key Word ：Shape-based image retrieval, Color histogram, Moment
invariants, Radius and angle histogram
VI
目 录
摘 要
ABSTRACT
第一章 绪 论 .......................................................................................................1
§1.1 研究背景与意义 ......................................................................................1
§1.2 基于内容的图像的现状和发展情况 .......................................................2
§1.3 国内外典型的图像检索系统 ..................................................................2
§1.4 基于内容的图像检索系统的框架和用到的关键技术 ..........................4
§1.5 本文的主要研究内容及结构安排 ...........................................................6
§1.5.1 论文研究内容 ................................................................................6
§1.5.2 本文的创新点 ................................................................................7
§1.5.3 本文的内容安排 ............................................................................7
第二章 基于颜色特征的图像检索算法 ...............................................................8
§2.1 基于颜色的特征 .......................................................................................8
§2.1.1 基于 RGB 颜色空间 .................................................................... 8
§2.1.2 基于 HSV 的颜色空间 .................................................................9
§2.2 基于颜色特征的提取方法 .....................................................................12
§2.3 颜色直方图的计算 .................................................................................13
§2.4 颜色特征用于检索的优缺点 .................................................................15
第三章 基于形状的图像检索算法 .....................................................................17
§3.1 基于形状的图像检索技术的研究背景、现状与内容 .........................17
§3.1.1 研究内容和意义： ......................................................................17
§3.1.2 基于形状的图像检索技术的研究现状 ......................................17
§3.1.3 基于形状的图像检索技术的系统构成及研究内容 ..................18
§3.2 形状的表达与描述 .................................................................................18
§3.3 基于边界的表达方法 .............................................................................19
§3.4 基于区域的表达与描述方法 .................................................................22
§3.4.1 不变矩 ..........................................................................................23
§3.4.2 计算不变矩特征值 .....................................................................25
§3.4.3 不变矩匹配的实时性差 ..............................................................26
§3.4.4 半径和角度直方图描述子(RAHD) ............................................26
VII
§3.5 形状特征的匹配 .....................................................................................27
第四章 基于多特征图像检索算法研究 .............................................................29
§4.1 引言 .........................................................................................................29
§4.2 颜色特征的特点 .....................................................................................29
§4.3 形状特征的特点 .....................................................................................29
§4.4 基于颜色与形状特征的检索方式 .........................................................30
§4.5 基于目标区域的图像匹配 .....................................................................30
§4.5.1 主目标区域的提取 ......................................................................30
§4.5.2 取基于主目标区域直方图不变矩的匹配方法 ..........................32
§4.6 基于颜色的角度和半径直方图像检索 ..............................................34
§4.6.1 引言 ..............................................................................................34
§4.6.2 颜色块的获取 ..............................................................................34
§4.6.3 颜色块的半径直方图和角度直方图 ..........................................35
§4.6.4 相似性度量 ..................................................................................38
§4.7 现有方法的优缺点和本文采用的算法 .................................................39
第五章 图像检索系统的实现 .............................................................................40
§5.1 引言 .........................................................................................................40
§5.2 软件的设计 .............................................................................................40
§5.2.1 开发环境 ......................................................................................40
§5.2.2 系统工作流程 ..............................................................................40
§5.2.3 基本功能 ......................................................................................42
§5.3 系统模块 .................................................................................................42
§5.3.1 显示模块 ......................................................................................42
§5.3.2 特征提取模块 ..............................................................................43
§5.3.3 匹配模块(检索模块) ..................................................................43
§5.4 图像数据库 .............................................................................................44
§5.5 系统界面和基本操作 .............................................................................46
第六章 实验与结果 .............................................................................................48
§6.1 系统测试数据与平台 .............................................................................48
§6.2 系统性能指标和评价标准 .....................................................................48
§6.3 实验结果与分析 .....................................................................................49
§6.3.1 平移，旋转，缩放不变性结果测试 ..........................................49
§6.3.2 检索界面 .....................................................................................50
VIII
§6.3.3 实验结果分析与结论 .................................................................51
第七章 总结与展望 .............................................................................................56
§7.1 结论 .........................................................................................................56
§7.2 展望 .........................................................................................................57
参考文献 .................................................................................................................59
在读期间公开发表的论文和承担科研项目及取得成果 .....................................62
致 谢 .....................................................................................................................63
第一章 绪论
1
第一章 绪 论
§1.1 研究背景与意义
自从 70 年代以来，图像检索受到数据库管理系统和计算机视觉两大技术发展
的推动，便一直是一个非常活跃的研究领域。传统的图像检索是基于文本的检索，
它的一个典型框架是先用文本对图像进行人工标注，然后用基于文本的数据库管
理系统进行图像检索。这种方法在较小的图像库以及图像内容比较简单时确实是
一种简单易行的方法。但是，在 90 年代后期，随着多媒体和网络技术的飞速发展，
越来越大规模的图像集的出现使得人工注释方法来实现图像的检索变得不切实
际，其主要原因一是：人工对图像进行注释需要大量的人力；二是图像内容的丰
富性，使得很难用几个关键字对其进行全面描述；三是存在主观性，对于相同的
图像，不同的人有不同的理解和不同的侧重点，这些均可能导致后继检索的失败。
为克服这些困难，人们提出了基于内容的图像检索[1-4]。图像内容至今没有严
格的定义，人对图像的认识可以分为三个层次：第一个层次是对图像的视觉感知，
如灰度、颜色[5]、纹理等视觉特征；第二个层次是第一个层次的语义实体，如马，
树木，天空，房屋等；第三个层次[6]是基于理解的抽象概念，它不是直观的，是
通过抽象概念进行表达的，如“浪漫情调”，“田园风景”等等。
基于形状的图像检索是基于内容图像检索[7]的重要组成部分。形状作为物体
的本质特征之一，相较于颜色、纹理、空间位置关系等，形状携带了一定的语义
信息。事实上，当我们要检索我们所需要的图像或视频节目时，首先想到的往往
是其中物体或场景的形状。一份用户调查报告显示，用户对基于形状的图像检索
的兴趣要明显高于对基于颜色和纹理的图像检索的兴趣。基于形状的图像检索也
是基于内容的图像检索的难点所在。IBM 的QBIC[15](Query By Image Content) 作
为第一个商用化的 CBIR 系统被认为是目前最成功的图像检索系统之一，它虽然
在基于颜色和纹理的检索上取得了相当的成功，但是在检索形状时却差强人意。
此外，基于形状的图像检索有着特别重要的意义。它是多学科结合的结果，随着
人们对信息管理要求的提高，必将有着广泛的应用。例如对指纹图像的检索、对
商标和徽标的检索、极光图像的检索、对陶瓷工艺图像库的检索、对建筑图纸、
机械图纸、中文文字等的检索、对医学图像，如肺、肿瘤等的检索。
基于颜色块的半径直方图和角度直方图的图像检索
2
§1.2 基于内容的图像的现状和发展情况
CBIR 是指除了利用传统结构数据库对图像的文字信息进行存储管理外，再
利用图像的颜色、形状、纹理等特征对图像进行查询，以此检索出与样本相似的
图像。该查询过程融合模式识别[8]技术与良好的多媒体人机交互[12]技术为一体，
是多种技术的合成技术。
从当前的研究现状来看，CBIR 可分为 3层。最下层是基于颜色、纹理、形
状等反映图像基本物理特征的检索，这一层是最直接也是最基本的层面， 该层用
到图像信息处理、图像分析和相似性匹配技术。第二层是基于图像对象语义的检
索，该层包括图像中实体及实体之间的空间关系的检索，以及对象级检索技术建
立在下层特征基础上，并引入了对象模型库、对象识别和人工智能等图像理解技
术。而最上层是基于图像概念级语义[13]的检索，其技术建立在对象层语义特征提
取的基础上，引入了对象和场景之间的逻辑、情感等高层语义的描述及识别，这
就需要用到知识库和更加有效的人工智能和神经网络技术。
现在，基于内容的图像检索技术的研究热点主要集中在下层，也就是基于特
征的查找，就是比较由图像中自动抽取的特征之间的相似性。一般用的特征包括
颜色、纹理和形状，从当前发展来看，已有的检索系统主要都是基于这三种特征
的检索。
§1.3 国内外典型的图像检索系统
从90 年代早期开始，CBIR 己经成为了一个非常活跃的研究领迄今，很多研
究机构相继推出了一些先进的图像检索系统，以下就其中有代表性的系统作简要
介绍。
1．SQUID
SQUID (Shape Queries Using Image Databases)，是由英国surrey大学电子工程
系视讯语音与讯号中心开发的一个纯粹基于形状的检索系统，主要是利用物体轮
廓的曲率尺度空间CSS (Curvature Scale Space)的方法来表达一个图像或视频帧的
二维目标或区域封闭轮廓。另外还利用了CSS图上的峰值点、轮廓的离心率和环状
度三种总体特征作为检索的根据。目前资料库中有1100张范例影像，主要是许多
海洋鱼类生物的闭合轮廓。CSS描述符是MPEG-7标准推荐的一种轮廓描述符，它
具有平移、，尺度和旋转不变性，并且该描述符非常紧凑，平均不到14个字节就可
以描述一个轮廓，缺点在于它只能用于描述单个连通区域。
摘要：
展开>>
收起<<
摘要随着科学技术的发展，随着数据库技术、多媒体技术以及计算机视觉技术的快速发展，图像作为一种重要的多媒体信息的载体，已经广泛地应用于众多领域。为了方便用户能够快速地、准确地从海量的图像资源中找到自己所需要的图像，基于内容的图像检索(CBIR)技术正逐渐成为目前研究的热点。颜色的全局直方图丢失了图像像素的空间分布信息，本文提出了一种基于半径直方图和角度直方图的区域形状描述符。它利用形状区域内的所有像素信息，能有效地捕捉到形状空间上的径向和角向特征，因此其检索得到的形状很符合人眼的感性识别。此外，基于半径直方图和角度直方图的区域形状描述符具有平移、尺度、旋转不变性，特征的提取也很简单、快速。相比较...
相关推荐
-
公务员思想政治教育研究VIP免费
2024-10-15 59 -
在线社会网络中用户行为的实证分析与机制建模研究VIP免费
2025-01-09 12 -
智能优化方法对神经网络的改进及应用研究VIP免费
2025-01-09 16 -
鲜切哈密瓜保鲜技术研究VIP免费
2025-01-09 29 -
小城镇道路网级配方法及应用研究VIP免费
2025-01-09 14 -
医学信息集成测试系统的研究与实现VIP免费
2025-01-09 19 -
余热驱动氨水吸收式制冷系统的理论及实验研究VIP免费
2025-01-09 11 -
喷雾降温技术适用性及热环境研究VIP免费
2025-01-09 13 -
收缩—扩张喷嘴的气泡雾化数值模拟VIP免费
2025-01-09 24 -
支持供应链的工作流系统结构及其计划与调度的研究与应用VIP免费
2025-01-09 43
作者：牛悦
分类：高等教育资料
价格：15积分
属性：66 页
大小：3.52MB
格式：PDF
时间：2024-11-19
相关内容
-
医学信息集成测试系统的研究与实现
分类：高等教育资料
时间：2025-01-09
标签：无
格式：PDF
价格：15 积分
-
余热驱动氨水吸收式制冷系统的理论及实验研究
分类：高等教育资料
时间：2025-01-09
标签：无
格式：PDF
价格：15 积分
-
喷雾降温技术适用性及热环境研究
分类：高等教育资料
时间：2025-01-09
标签：无
格式：PDF
价格：15 积分
-
收缩—扩张喷嘴的气泡雾化数值模拟
分类：高等教育资料
时间：2025-01-09
标签：无
格式：PDF
价格：15 积分
-
支持供应链的工作流系统结构及其计划与调度的研究与应用
分类：高等教育资料
时间：2025-01-09
标签：无
格式：PDF
价格：15 积分
