摘要：基于內(nèi)容的圖像檢索是指在大型圖像數(shù)據(jù)庫(kù)中尋找相匹配的數(shù)字圖像的一門(mén)機(jī)器視覺(jué)技術(shù)。在該文中用到的基于內(nèi)容的圖像檢索技術(shù)是建立在圖像內(nèi)容上的提取上的，通過(guò)提供更好的索引來(lái)達(dá)到更準(zhǔn)確的檢索結(jié)果。該文提到的圖像檢索的內(nèi)容是指顏色特征，紋理特征和這倆個(gè)特征的綜合應(yīng)用。相比較單特征，聯(lián)合特征可以返回更加優(yōu)秀的和更加準(zhǔn)確的檢索結(jié)果。

關(guān)鍵詞：顏色直方圖；聯(lián)合特征；歐氏距離；灰度共生矩陣

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2013）01-0190-05

1 概述

基于內(nèi)容的圖像檢索，也被稱(chēng)之為圖像收索技術(shù)，它是計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用在大容量的圖像數(shù)據(jù)庫(kù)中，解決數(shù)字圖像檢索的匹配問(wèn)題。所謂基于內(nèi)容是指圖像檢索系統(tǒng)分析的圖像本身的內(nèi)部數(shù)據(jù)，而不是關(guān)鍵詞，標(biāo)簽和圖像相關(guān)的說(shuō)明。圖形的內(nèi)容包括顏色，形狀，

紋理或任何可以直接從圖片本身上提取出的信息?；谝陨蟽?nèi)容，用圖片本身信息來(lái)檢索圖片，可以提供更好的檢索服務(wù)和更準(zhǔn)確檢索結(jié)果[1]。

2 設(shè)計(jì)過(guò)程

2.1 顏色特征提取

顏色特征提取，直方圖距離為查詢(xún)圖像的第一圖像的數(shù)據(jù)庫(kù)計(jì)算即貢獻(xiàn)分量單獨(dú)計(jì)算?，F(xiàn)在之間的歐氏距離查詢(xún)圖像和圖像中的第一個(gè)數(shù)據(jù)庫(kù)的計(jì)算。這歐幾里德距離是存放在一個(gè)數(shù)組。該程序重復(fù)其余圖像在數(shù)據(jù)庫(kù)中通過(guò)存儲(chǔ)各自的價(jià)值?，F(xiàn)在數(shù)組排序升序和第一8最接近的匹配項(xiàng)顯示。

在顏色特征提取方方面，分別計(jì)算要查詢(xún)圖像和在數(shù)據(jù)庫(kù)中圖像的顏色直方圖，用來(lái)統(tǒng)計(jì)統(tǒng)計(jì)RGB分量之間的距離。就是這樣計(jì)算查詢(xún)圖像和在數(shù)據(jù)庫(kù)中的匹配圖像之間的歐幾里德距離的。然后把計(jì)算所得的歐幾里德距離被存儲(chǔ)在一個(gè)數(shù)組中。計(jì)算在圖像數(shù)據(jù)庫(kù)中的其他圖像平且存儲(chǔ)它們各自的值。對(duì)得出的數(shù)據(jù)進(jìn)行升序排列，顯示前8個(gè)最接近的匹配圖像。

2.2 紋理特征提取

在紋理特征提取，對(duì)數(shù)據(jù)庫(kù)中的所有圖像和待檢索的圖像，提取出它的灰度紋理特征向量[3]。共生矩陣這種技術(shù)，不僅可以顯示圖像強(qiáng)度值也可以顯示出強(qiáng)度的分布圖。紋理特征檢索選擇的參數(shù)有能量，對(duì)比度，熵，逆差額，轉(zhuǎn)動(dòng)慣量，均值，灰度方差，灰度偏離值，分布均勻程度，局部圖像的穩(wěn)性和均勻性。

計(jì)算待查詢(xún)圖像和圖像數(shù)據(jù)庫(kù)中的第一幅圖像之間的歐幾里德距離，并把該歐幾里德距離被存儲(chǔ)在數(shù)組中。重復(fù)這個(gè)過(guò)程，直到把剩余所有圖像的歐幾里德距離都計(jì)算出來(lái)，并且存儲(chǔ)它們各自的到一個(gè)數(shù)組中。然后把這個(gè)數(shù)組中的值按照排升序排列，把前8個(gè)最接近的匹配圖像顯示出來(lái)。

2.3 聯(lián)合特征提取[6]

聯(lián)合特征提取提需要先把在圖像數(shù)據(jù)庫(kù)中第一圖像和查詢(xún)圖像的直方圖的距離計(jì)算出來(lái)。然后同樣在數(shù)據(jù)庫(kù)中的第一圖像和待查詢(xún)圖像之間的歐幾里德距離也計(jì)算出來(lái)，并且把歐幾里德距離存儲(chǔ)在一個(gè)數(shù)組中。重復(fù)該過(guò)程，直到數(shù)據(jù)庫(kù)中的所有圖像都得到了遍歷，而且把所有得到的距離結(jié)果存儲(chǔ)到一個(gè)數(shù)組中。

使用的灰度共生矩陣提取出紋理特征向量，為在數(shù)據(jù)庫(kù)中的第一圖像和待查圖像提取紋理特征向量。待查詢(xún)圖像和數(shù)據(jù)庫(kù)之中的第一副圖像之間的歐幾里德距離的計(jì)算就可以計(jì)算出來(lái)了。并且把這個(gè)計(jì)算出來(lái)的歐幾里德距離被存儲(chǔ)到一個(gè)數(shù)組中。重復(fù)進(jìn)行這個(gè)過(guò)程，直到數(shù)據(jù)庫(kù)中的所有圖像都得到遍歷，并且存下他們的歐幾里得距離到同一個(gè)數(shù)組中。

以上存儲(chǔ)的數(shù)組是為了進(jìn)一步的運(yùn)算的。進(jìn)一步比較數(shù)組中存放的歐幾里得距離。上述計(jì)算陣列之間的歐幾里得距離的計(jì)算方法。按升序排序，并且前8個(gè)顯示最接近的匹配。

3 算法

3.1 顏色特征的提取算法

1）把查詢(xún)圖像被輸入到系統(tǒng)中。

2）用顏色直方圖的方法，然后計(jì)算查詢(xún)圖像的直方圖距離。

3）用同樣的方法，計(jì)算在數(shù)據(jù)庫(kù)中的第一圖像的直方圖距離。

4）計(jì)算查詢(xún)圖像和數(shù)據(jù)庫(kù)中的第一幅圖像之間的歐幾里德距離。數(shù)據(jù)庫(kù)中使用的顏色特征提取圖像。

5）存儲(chǔ)陣列中的“歐幾里德距離”。

6）計(jì)算數(shù)據(jù)庫(kù)中的下一圖像的直方圖的距離。

7）重復(fù)步驟4，5和6，直到數(shù)據(jù)庫(kù)中的所有圖像得到遍歷。

8）把所有的數(shù)組中的的歐氏距離，按升序擺列。

9）顯示8個(gè)最接近的匹配結(jié)果。

3.2 紋理特征的提取算法

1）把待查詢(xún)圖像被輸入到系統(tǒng)中。

2）用灰度共生矩陣的方法，計(jì)算查詢(xún)圖像的紋理特征向量，并把結(jié)果存在一個(gè)數(shù)組中。

3）用上述的方法，計(jì)算圖像數(shù)據(jù)庫(kù)中的第一幅圖像的紋理特征向量，并把結(jié)果存在一個(gè)數(shù)組中。

4）計(jì)算查詢(xún)圖像和在數(shù)據(jù)庫(kù)中的第一幅圖像之間的歐幾里德距離。

5）把這個(gè)結(jié)果存儲(chǔ)在一個(gè)數(shù)組中。

6）用灰度共生矩陣的方法，計(jì)算出圖像數(shù)據(jù)庫(kù)中下一幅圖像的紋理特征向量，并將其存儲(chǔ)在數(shù)組中。

7）重復(fù)步驟4，5和6，直到數(shù)據(jù)庫(kù)中的所有圖像得到遍歷。

8）把所有的數(shù)組中的的歐氏距離，按升序擺列。

9）顯示8個(gè)最接近的匹配結(jié)果。

3.3 聯(lián)合特征的提取算法（顏色特征和紋理特征）

1）把待查詢(xún)圖像被輸入到系統(tǒng)中。

2）用顏色直方圖的方法，然后計(jì)算查詢(xún)圖像的直方圖距離。

3）用同樣的方法，計(jì)算在數(shù)據(jù)庫(kù)中的第一圖像的直方圖距離。

4）計(jì)算查詢(xún)圖像和數(shù)據(jù)庫(kù)中的第一幅圖像之間的歐幾里德距離。

5）把這個(gè)結(jié)果存儲(chǔ)在一個(gè)數(shù)組中。

6）用同樣的方法，計(jì)算在數(shù)據(jù)庫(kù)中的第一圖像的直方圖距離。

7）重復(fù)步驟4，5和6，直到數(shù)據(jù)庫(kù)中的所有圖像得到遍歷。

8）所有的數(shù)組中的的歐氏距離，按升序擺列。

9）用灰度共生矩陣的方法，計(jì)算查詢(xún)圖像的紋理特征向量，并把結(jié)果存在一個(gè)數(shù)組中。

10）用灰度共生矩陣的方法，計(jì)算出圖像數(shù)據(jù)庫(kù)中下一幅圖像的紋理特征向量，并將其存儲(chǔ)在數(shù)組中。

11）計(jì)算查詢(xún)圖像和在數(shù)據(jù)庫(kù)中的第一幅圖像之間的歐幾里德距離。

12）把這個(gè)結(jié)果存儲(chǔ)在另一個(gè)數(shù)組中。

13）重復(fù)步驟11，12和13，直到遍歷了所有的圖像數(shù)據(jù)庫(kù)中的所有圖像。

14）把所有的數(shù)組中的的歐氏距離，按升序擺列。

15）計(jì)算存儲(chǔ)圖像直方圖數(shù)組和紋理特征向量數(shù)組之間的歐幾里德距離。

16）綜合以上結(jié)果，可以得到一個(gè)有效的搜索檢索結(jié)果。同時(shí)顯示8個(gè)最接近的匹配結(jié)果。

4 結(jié)論

4.1 顏色直方圖的方法

下面的出的檢索結(jié)果是用提取顏色特征的方法得到的。

4.2 紋理特征的方法

以下是基于紋理檢索的結(jié)果

4.2 聯(lián)合特征的方法

以下是基于聯(lián)合檢索的結(jié)果

5 結(jié)論

顏色特征，紋理特征和聯(lián)合特征是通過(guò)本文以上提到的各種發(fā)。 顏色特征的提取是通過(guò)顏色直方圖的方法來(lái)實(shí)現(xiàn)。

對(duì)于紋理特征使用了11項(xiàng)的屬性，其中包括能量，對(duì)比度，熵，逆差法，平均值發(fā)，方差，分布均勻度，轉(zhuǎn)動(dòng)慣量，偏離度，局部平穩(wěn)性，均勻性。這些屬性的綜合應(yīng)用提高了紋理特征檢索效果。

聯(lián)合特征的提取是通過(guò)提取顏色和紋理特征，得到的一個(gè)綜合檢索。檢索的圖像適合于各種的圖片格式，特征提取是實(shí)現(xiàn)項(xiàng)目的保證。

6 結(jié)束語(yǔ)

基于內(nèi)容的圖像檢索系統(tǒng)，可以運(yùn)用于許多方面。在技術(shù)領(lǐng)域是會(huì)有不斷的新的發(fā)展。下面將簡(jiǎn)要呈現(xiàn)圖像檢索系統(tǒng)。

該系統(tǒng)具有圖像旋轉(zhuǎn)不變性。也就是說(shuō)，這個(gè)系統(tǒng)應(yīng)進(jìn)一步提高旋轉(zhuǎn)了的圖像和沒(méi)有角點(diǎn)匹配的圖像。適用于所有的圖像格式和接受不同程度的圖像縮放。對(duì)于圖像的形狀特征也可以被認(rèn)為是作為一個(gè)有用的圖像特征矢量。該系統(tǒng)可以進(jìn)一步提高效率，在數(shù)據(jù)庫(kù)搜索時(shí)，查詢(xún)圖像的用戶(hù)可以自己選擇所需的特征向量或一些特征向量的組合。

參考文獻(xiàn)：

[1] Woo Chaw Seng，Seyed Hadi Mirisaee.A Content-Based Retrieval System for Blood Cells Images[C].International Conference on Future Computer and Communication，icfcc，2009：412-415.

[2] Mohammad Reza Zare，Raja Noor Ainon，Woo Chaw Seng.Content-Based Image Retrieval for Blood Cells[C].Third Asia International Conference on Modelling & Simulation，ams，2009：332-335.

[3] Fan-Hui Kong.Image Retrieval Using Both Color AndTexture Features[C].Department of Information Science &Technology，Heilongjiang Proceedings of the EighthInternational Conference on Machine Learning andCybernetics，Baoding，12-15 July 2009.

[4] Xiangbin Wang，Junmin He，Zhongwei Lv.Texture-based Retrieval of Thyroid Gland SPECT Image[D].School of Life Science and Technology Tongji University，978-1-4244-4134-1/09/$25.00 ?2009 IEEE.

[5] Subrahmanyam Murala，Anil Balaji Gonde R.P.Maheshwari.Color and Texture Features for Image Indexing and Retrieval[C].Department of Electrical Engineering，Indian Institute of Technology Roorkee，Uttarakhand， India，IEEE International Advance Computing Conference，2009.

[6] Wei Wang，Motoyuki Suzuki.Texture Retrieval Based on Gray-Primitive Cooccurrence Matrix[Z].Dept InfoScience & Intelligent Systems Faculty Engineering，The University of kushima，Tokushima，Japan， 978-1-4244-6899-7/10/$26.00 ?2010 IEEE.

[7] 孫君項(xiàng)，趙珊.圖像低層特征提取與檢索技術(shù)[M].北京：電子工業(yè)出版社，2O09.

[8] 張華偉，孫勁光.基于顏色與形狀圖像檢索的研究[J].計(jì)算機(jī)仿真，2009，26（11）.

[9] Guo ZH，Zhang L，Zhang D.Rotation invariant texture classification using LBP variance（LBPV）with global matching，2010，43（3）：706-719.

[10] Woo Chaw Seng，Seyed Hadi Mirisaee.A Content-Based Retrieval System for Blood Cells Images[C].International Conference on Future Computer and Communication，icfcc，2009：412-415.