基于内容的图像检索技术（2）

二、基于颜色特征的检索

颜色特征是图像最直观、最明显的特征,一般用直方图描述。直方图的横轴表示颜色等级,纵轴表示在某一个颜色等级上具有该颜色的象素在整幅图像中所占的比例。以直方图为特征的常用的匹配方法有:

1.矢量距离法

以图像的直方图在各个灰度级上的值构成特征矢量,按照欧氏距离公式计算特征矢量之间的距离,以这个距离值代表图像之间的差别程度。试验证明,如果选择合适的彩色空间,那么,欧氏距离与人感觉的颜色差别是一致的。

2.直方图交叉法

取两幅图像的直方图在各个灰度级上的较小值,累加后即表示图像之间的相似程度。这种相似度实际上表示两幅图像的公共部分。没看明白？

3.直接差值法

把直方图在各个灰度级上的值对应相减,并做归一化处理,用差值代表图像之间的差别。如果两幅图像内容一样,则相似度为1。相似度值越小,表示图像间差别越大。另外,根据图像的不同特点,可以采用不同的方法对图像进行预处理,然后用直方图进行匹配,以满足不同的检索要求。认知科学及视觉心理学证明,人类不能像计算机显示器那样只使用RGB(红、绿、蓝)成份感知颜色,因此,选择一个适合于人类视觉特征的颜色空间可以改善检索效果。实验证明,HSV模型是一种适合人眼分辨的模型,在基于内容检索中用这种模型更适合用户的肉眼判断。这种颜色模型把彩色信号表示为三种属性:色调(Hue)、饱和度(Saturation)和亮度(Value)。色调H表示从一个物体反射过来或透过物体的光波长,亮度V是颜色的明暗程度,色度或饱和度S指颜色的深浅。例如,同样是红色,会因浓度不同而分为深红和浅红。一般一幅图像的颜色非常多,尤其是真彩色图像,因此,直方图矢量的维数也会非常多。如果对HSV空间进行适当的量化后再计算直方图,则计算量要少得多。所以,将H、S、V三个分量按照人的感知进行非等间隔量化,然后通过数学公式把HSV三维空间中的特征矢量转换为一维空间中的特征矢量。转换工作会带来误差,但对检索结果影响不大。由于所采用的彩色空间与人的感知是一致的,因此,用转换后的直方图计算的差值对应于感知上的差别,这样可以比较明显地区分颜色上不相似的图像。虽然直方图特征计算简单,但不能反映图像中对象的空间特征。颜色对(Color Pair)方法可以解决这个问题。该方法把图像分成相同大小的若干个小块,那么,每一个小块与相邻的小块构成颜色对。考虑每个小块与周围8个小块的颜色距离,距离越大,说明相邻小块的差别越明显,于是,可以认为这两个小块分别属于目标和背景,反之则属于同一目标或背景。这样,目标的空间特征就表现出来了。

首先计算颜色对之间的距离,然后选择若干个距离值较大的颜色对代表查询图像的特征,这一过程如下图所示。@@0314400.JPG;图1 颜色对检索方法@@主色调查询主要使用颜色特征。主色调能够代表一幅图像的基本概貌,如蓝色主色调往往与大海或蓝天的图像相关,如果用户想要查找大海的照片,则可以指定蓝色作为主色调。但主色调仅仅反映了图像的大致情况,由于人的肉眼的分辨率有限,因此,可以选取两种以上颜色作为主色调。有时,用户只想找具有某种颜色的目标,而对背景并不感兴趣。在这种情况下,必须将图像目标标识出来,即对图像进行分割,将背景滤掉。

目前已有不少分割算法。在具体应用中,可以根据图像分割算法由计算机自动分割,也可以人工参与进行半自动分割。对分割后图像目标的颜色进行检索,可以满足用户基于色彩的模糊查询。